微软开源 Resource2Skill：把教程、代码和文档“炼”成 Agent Skill

当企业积累了大量教程视频、代码仓库和操作文档后，一个关键问题浮现出来：这些资源中的隐性经验如何真正转化为Agent的生产力？传统做法依赖人工编写Skill文档，但这种方式难以规模化。微软最近开源的Resource2Skill系统尝试回答这个问题——它能够从现有的教程、代码和文档中自动提炼出Agent可执行的技能，为构建可持续运营的Agent能力体系提供了新的技术路径。

五步流水线：从资源到可执行技能

Resource2Skill的核心定位是一座“技能工厂”，而非简单的摘要生成工具。它不是又一个新模型，也不是能把互联网全部啃一遍的超级爬虫。系统会调用Gemini等模型来理解演示画面并提取操作过程，但这只是流水线中的一个处理环节。整个系统更关注的是：如何发现资源、如何提炼经验、如何组织知识库、如何在运行时选择合适的技能、以及如何补齐能力缺口。

Skill表征：超越文字的复合结构

整条流水线可以拆解为五个关键步骤。第一步是资源发现，围绕特定领域或能力搜索相关视频、代码、文章和参考产物。第二步是经验蒸馏，系统会识别任务步骤、工具调用、关键参数、失败条件和验收方式。第三步是组织成Wiki，按照能力层级将大量Skill组织成结构化的知识库，而非平铺在文件夹中。第四步是选择和组合，Agent接到任务后先浏览层级结构，再挑选少量相关的Skill。第五步是执行与补缺，当现有Skill不足以完成任务时，系统会触发在线获取来补齐新的能力缺口。

为什么Skill的价值远不止“视频摘要”？

需要特别区分的是，Resource2Skill的输出不是一篇视频摘要。摘要只能告诉Agent视频讲了什么，而Skill则需要明确下一步做什么、用什么工具、做到什么程度、失败了怎么办。系统在Skill表征中融合了文字描述、视觉关键帧和代码片段，因为大量GUI操作、时序动作和微妙参数调整本来就只存在于演示过程中，单靠文字很难准确描述。这也是为什么在实验中移除视频来源后，性能从68.9%下降到59.4%——视频不是为了让Skill看起来“多模态”，而是因为某些操作步骤天然依赖视觉信息。

三层核心价值与局限性

这套系统真正解决的不只是自动生成SKILL.md的问题。真正的难点在于：资料一多，哪些值得学？学完以后放在哪里？执行任务时应该选用哪几个？新旧Skill冲突怎么办？怎样验证使用后确实有提升？Resource2Skill同时处理了资源采集、经验蒸馏、层级组织、运行时选择、在线补缺和任务评测等多个层面的问题，试图交付的不是单个文件，而是一条可以持续生产和运营Agent能力的供应链。

如有侵权，请联系删除。