AI面试中Skills与Workflow的区别：面试官想听到的专业回答

随着AI技术岗位竞争日益激烈，面试官对候选人的考察已经不仅限于基础编程能力，更注重对AI系统设计理念的深层理解。在最近的中大厂面试中，两个看似相似却本质不同的概念频繁出现——Skills和Workflow。许多候选人因为无法清晰区分它们而在面试中失分。本文将详细解析这两个核心概念的区别，帮助你在面试中展现专业的AI系统设计思维。

五大关键区别深度解析

在AI Agent开发领域，Skills和Workflow代表了不同层级的抽象概念。Anthropic将Workflow定义为LLM和工具按照预定义代码路径被编排起来的系统，而Skill则更接近于可复用的模块化能力包，包含说明、约定、模板甚至具体的执行指引。简而言之，Workflow偏“编排”，Skill偏“能力”。用一句话概括就是：Workflow是流程编排，Skill是能力封装。

粒度与状态管理

第一，关注点不同。Workflow关注的是任务推进，关心用户输入后先分类还是先抽取、失败是否重试、A分支走小模型还是B分支走大模型、什么时候调用搜索、什么时候进入人工审核。Workflow本质是一个“执行蓝图”，决定顺序、分支、依赖、重试、回滚和终止条件。而Skill关注的是局部能力，关心具体任务的专业做法，比如合同审查按什么checklist、代码重构先扫依赖再看测试、简历诊断从哪些维度判断。Skill是一个“专业做法包”，只负责在某个环节把事情做好。

复用方式与评估维度

第二，粒度不同。Workflow的粒度通常更大，对应完整业务目标，如完成一轮AI面试、生成一份分析报告，这些做了一串连续动作的都是Workflow。而Skill的粒度通常更小，更像垂直能力模块，如简历项目优化Skill、舆情摘要写作Skill，可以理解为高质量的“可复用专家经验包”。第三，状态归属不同。Workflow一般要管状态，需要知道当前走到第几步、前一步结果是什么、中途是否失败、是否要切人工，因此Workflow往往天然要绑定状态机、任务上下文、日志和监控。而Skill一般不管状态，更像一个被调用的能力单元，调用前给它输入，调用后返回更高质量的输出，其重点不是“跑流程”，而是给Agent补充正确的专业上下文。

面试表达建议

第四，复用方式不同。Workflow的复用往往是业务级复用，比如客服工单处理Workflow通常只服务于客服场景，挪到招聘系统大概率得重做。但Skill的复用往往是能力级复用，比如信息抽取Skill客服能用、投研能用、简历诊断也能用；长文摘要Skill几乎到处都能用；代码review Skill挂在coding agent、测试agent、重构agent下面都能用。健康的系统架构应该是：用Workflow做业务骨架，用Skill做具体能力的封装。第五，评估方式不同。Workflow要看的指标一般是链路指标，如成功率、平均耗时、成本、重试率、人工接管率、任务完成率。但Skill要看的指标更多是能力指标，如输出准确率高不高、用了它之后效果有没有提升、是否真的减少了幻觉、输出格式是否更稳定、是否减少了人工修正次数。

如有侵权，请联系删除。