用 Skill 代替 RAG 进行知识检索

适用场景对比

维度	更适合用 Skill	更适合用 RAG
知识形态	流程、规则、操作指南等结构化知识	大量非结构化文档、长文本、多源内容
更新频率	相对稳定，变更不频繁	内容经常更新，需实时同步
检索方式	按任务类型匹配，加载对应技能	语义检索，从向量库召回相关片段
典型场景	内部 SOP、代码规范、邮件模板、工作流	产品文档、FAQ、历史对话、知识库 Q&A

何时用 Skill 代替 RAG

• 知识高度流程化：如「如何提交代码」「邮件格式规范」「会议纪要模板」
• 体量可控：知识能归纳成有限数量的技能文件，不必建大向量库
• 需精确遵循：希望模型严格按既定步骤或格式输出，减少自由发挥
• 成本敏感：减少 embedding、检索和上下文 token 消耗，Skill 按需加载更省

何时仍应使用 RAG

• 知识量大且分散：成百上千文档，难以全部写成 Skill
• 强动态性：文档频繁更新，需要从最新内容中检索
• 开放问答：用户问题多样，难以用固定技能覆盖
• 需引用溯源：需要返回具体文档来源和引用片段

组合使用

实际项目中可同时使用：用 Skill 覆盖高频、固定的工作流；用 RAG 处理长尾、开放的文档问答。