定义
Skill Chain 是一个 macro skill，内部按顺序触发多个子技能。每个子技能的输出成为下一个的输入，形成端到端工作流。关键区别：不是让一个 skill 做所有事，而是让每个 skill 专注一个环节，通过串联提升整体质量。
核心模式
Skill 1: Build → Skill 2: Polish → Skill 3: QA → Output
LCA 的提案 skill chain 实例：
| 顺序 | Skill | 职责 | 约束 |
|---|---|---|---|
| 1 | Proposal Microsite | 构建品牌化提案微站 | 基于客户 context 个性化 |
| 2 | Copy Polish | 打磨文案，确保语气一致 | 匹配团队声音，不像 AI |
| 3 | QA Review | 审查每个声明的来源 | 确保来自会议记录和数据 |
关键数据点
- 幻觉约束: QA skill 确保每个声明来自会议记录和数据，降低"fake it until you make it"风险
- 个性化注入: 从过去会议记录中提取个人化时刻（如 Maya 的唱片店隐喻），将速度转化为信任
- 触发方式: 可自动触发（cron job 检测到 RFP 请求）或手动触发
- 产出速度: 正常提案流程 3 天，skill chain 几分钟
- 与 Agent 自主性的关系: Skill chains 让 agent 从 Level 2（等待批准）升级到 Level 3（完全自主运行数天）
与单次 Skill 的区别
| 维度 | 单次 Skill | Skill Chain |
|---|---|---|
| 复杂度 | 单一任务 | 端到端工作流 |
| 质量控制 | 依赖单次输出 | 每个环节专注+最终 QA |
| 幻觉风险 | 高（无约束） | 低（QA skill 验证来源） |
| 可复用性 | 低（特定场景） | 高（可按需组合） |
| 自主性 | 需要人监督 | 可无人值守运行 |
前提与局限性
- 依赖前置 Context: Skill chain 的产出质量直接依赖 context 层（Company-Brain）的丰富度和准确性
- QA skill 的覆盖率: QA 只能检查已知规则（如"声明必须来自会议记录"），无法检测所有类型的幻觉
- 顺序执行延迟: 多 skill 串联增加总执行时间，复杂 chain 可能需要数分钟
- 错误传播: 上游 skill 的错误输出会被下游 skill 当作输入，可能放大错误
- 编排复杂度: 管理 skill 间的依赖、输入输出格式和错误处理增加工程成本
触发与发现机制（2026-08-13 编译新增）
AutoGPT（20260812-github-ai-first-contributors）澄清了 skill 在链式触发前的发现（discovery）机制，是 Skill Chain 能自动启动的前提：
- description 预扫描：skill 是"instruction file with a description that tells the agent when to load it"——agent 在启动时扫描全部 skill 的 description，任务匹配时才拉入完整指令，因此 skill 可跨目录动态加载，不受
AGENTS.md目录作用域限制（目录作用域 vs skill 跨目录发现）。 - 措辞触发实例：AutoGPT 的 PR 模板要求"test plan"且措辞"casually mentions testing the pull request"——该短语触发名为
test PR的 skill，agent 为填 checkbox 自动安装 agent browser、起 app、真跑代码（"The agent set out to fill in a checkbox and ended up running the code"）。后端pr-addressskill 则声明 fix→commit→push→reply→resolve 的合法序列。 - 与 Skills-as-Products 的互补：Google Agent Skills 把"description 引导装载"工程化为 SKILL.md 的标准化规范——发现机制是 Skill Chain 的装载侧，技能即产品 治理是它的质量侧。
关联概念
- Skill-Internalization — 吸收而非安装 skill，是 skill chain 中每个子技能的质量保证
- Progressive-Disclosure — Skill chain 中的每个 skill 按需加载，不一次性塞进 context
- Validation-Pipeline — QA skill 约束幻觉与对抗性审查是同一思路
- Agent-Loops — Skill chain 可嵌入 agent loop 中循环执行
- Thin-Harness-Fat-Skills — Skill chain 是 fat skills 的具体实现形式
- Company-Brain — Skill chain 的产出质量依赖 context 层