通用型智能体正在被越来越多人使用，像 Claude Code 和 Manus 都获得了广泛采用。一个让人意外的趋势是，这些通用智能体实际使用的工具数量非常少。Claude Code 大约只用十几个工具，Manus 使用的工具也不到 20 个。 少工具背后的关键思路 通用智能体为什么能靠少量工具完成各种任务？核心在于给智能体一台“电脑”。有了命令行和文件系统工具，智能体就能像人一样执行操作，而不需要为每个任务都绑定一个专用工具。 这一原则已经被应用到 deepagents 这个开源智能体框架中。它提供文件系统操作和代码执行能力，让智能体可以借助少量基础工具完成多样化动作。在相关网络研讨会上，Manus 也讨论过类似做法：把动作从工具转移到文件系统。与其提供大量工具，不如给智能体一台电脑，并配上脚本和指令，让它用文件系统和命令行工具去执行各种操作。 技能就是文件夹 Anthropic 最近提出的“技能”概念，遵循的正是同一套模式。技能本质上就是一些文件夹，每个文件夹里有一个 SKILL.md 文件，以及相关的文档或脚本。智能体可以动态发现并加载这些技能，从而在特定任务上表现得更好。 SKILL.md 文件包含 YAML 前置元数据和 Markdown 指令。默认情况下，只有 YAML 前置元数据会被加载；智能体只有在需要时才会读取完整的 SKILL.md 内容。相比之下，传统工具需要一开始就把所有定义都放进上下文里，容易让上下文窗口变得臃肿。 技能相比传统工具有两个优势 第一个优势是 token 效率。技能采用渐进式披露机制，默认只加载 YAML 前置元数据，完整内容按需读取。传统工具则要求所有定义预先进入上下文，这会占用更多 token。 第二个优势是降低认知负担。智能体只需要调用一小部分原子工具，而不必在许多可能重叠的工具之间做选择。工具过多、功能重叠，正是造成上下文混乱的常见原因。 技能还能带来超越节省 token 的能力。Anthropic 的 Barry Zhang 提到，技能是通向持续学习的一步：智能体在遇到新任务时，可以即时创建新技能。技能也容易在不同智能体之间共享，并且可以在会话中组合使用，让智能体按需引入多个技能。 deepagents-CLI 已加入技能支持 deepagents-CLI 是一个开源编程助手，可以像 Claude Code 一样使用本地文件系统。现在它已经加入技能支持，意味着用户可以使用数量庞大且不断增长的公共技能集合。只需要为智能体创建一个技能文件夹，把相关技能复制进去，就能让智能体在需要时发现并加载它们。 特别