Skill 的存在意义是从随机系统中榨取确定性。可预测性——即 Agent 每次运行时遵循相同的过程，而非产生相同的输出——是根本美德；以下每一个杠杆都服务于它。

粗体术语在 GLOSSARY.md 中有定义；可查阅该文件获取完整含义。

调用方式

两种选择，各自付出不同的成本：

模型调用（model-invoked） skill 保留 description，因此 Agent 可以自主触发它，同时其他 skill 也能调用它（你也可以直接输入名称）。它会增加 上下文负载（context load）——description 每一轮都存在于上下文中。机制：省略 disable-model-invocation，编写面向模型的 description，包含丰富的触发短语（"当用户想要……、提及……时使用"）。
用户调用（user-invoked） skill 从 Agent 的视野中移除 description：只有你输入其名称才能调用它——其他 skill 也无法调用。零上下文负载，但消耗 认知负载（cognitive load）：你必须记住它的存在。机制：设置 disable-model-invocation: true；description 变为面向人类——一行摘要，移除触发列表。

只有在 Agent 必须自主调用该 skill，或必须被其他 skill 调用时，才选择模型调用。如果只通过手动触发，则设为用户调用，不支付上下文负载。

当用户调用的 skill 多到你记不住时，累积的认知负载可以通过一个 路由 skill（router skill） 来解决：一个用户调用的 skill，列出其他 skill 及其适用场景。

编写 description

模型调用的 description 承担两项工作——说明 skill 是什么，以及列出应触发它的 分支（branches）。每个词都增加 上下文负载，因此 description 的删减力度甚至要比正文更严格：