参考文章：一泽Eze - Web Access：一个 Skill，拉满 Agent 联网和浏览器能力

2026 年，Prompt Engineering 正在被重新定义。IBM、Anthropic、OpenAI 等机构不约而同地指出，这个领域正在从"写好一段提示词"演进为"设计自主推理系统的认知架构"。在这个背景下，Skill —— 一种介于 Prompt 和 Agent Framework 之间的中间层 —— 成为了释放模型能力的关键杠杆。

本文以一个具体的联网 Skill 设计案例为起点，逐步泛化出一套通用的 Skill 设计方法论，并结合学术研究和个人实践经验，探讨如何在不同领域中设计出高质量的 Agent Skill。

核心认知：上下文窗口是关键

使用 Claude Code 时，最容易被忽视的瓶颈不是提示词质量，也不是模型选择，而是 上下文窗口 的管理。可以把它理解为 Claude 的 "白板" —— 你发的每条消息、Claude 读的每个文件、执行的每条命令都会写上去。白板满了，Claude 就会表现下滑：遗忘指令、犯低级错误、开始重复自己。所以核心原则是：管好这块白板，就是管好 AI 的注意力。

策略一：先做计划，再写代码

新手最常犯的错误是直接让 Claude 动手写代码，结果方向跑偏，还浪费了大量上下文空间。正确做法是使用 Plan Mode（Shift+Tab 切换），让 Claude 先阅读文件、理清关联、输出完整计划（改哪些文件、步骤顺序、潜在风险），经你审查确认后再切回正常模式开发。多花十分钟做计划，能避免无数次返工。

智能体（Agent）搭建相关资料

对于后端开发来说，熟练掌握 Linux 的日志分析命令是基本功，整理了一些基于 tail、less、grep、sed、awk 的日志查询场景，帮助快速定位问题。

@RequestParam 注解和 @PathVariable 注解的区别，从字面上可以看出：

• 前者是获取请求里边携带的参数；
• 后者是获取请求路径里边的变量参数。