Agent Skill设计如何由4A企业架构+TOGAF指导

引言：AI Skill设计的"巴别塔"困局

当下的AI Agent生态，正陷入一种似曾相识的混乱。

去年帮一家保险公司梳理Agent技能库，发现100多个Skill横七竖八地堆在一起——有的直接调API，有的内嵌业务逻辑，有的把数据获取和分析揉成一团。问架构师这些Skill怎么分类，回答是"按安装顺序排的"。再问两个Skill之间数据怎么流转，回答是"各写各的"。一个股票监控Skill自己爬数据、自己做分析、自己发消息，三件事耦合在同一个脚本里。换一个场景想复用其中的分析逻辑？做不到，只能重写。

这不是个例。几乎所有率先部署AI Agent的企业都面临同样的困境：Skill越堆越多，越堆越乱。缺乏统一的能力域划分，缺乏标准化的数据接口，缺乏清晰的组合规则，缺乏可复用的构建块沉淀。

听起来很熟悉？没错——这正是企业架构在20年前要解决的问题。当年企业信息化的混乱，和今天AI Skill的混乱，本质上是一回事：没有架构约束的开发，必然走向无序。

4A企业架构（业务架构BA、数据架构DA、应用架构AA、技术架构TA）加上TOGAF的构建块思想，为Agent Skill设计提供了一套经过验证的方法论。本文试图建立这二者之间的映射框架，并用实际案例说明其可行性。

4A映射框架：四个问题驱动Skill设计

企业架构的核心是四个问题：做什么（BA）、数据怎么流（DA）、用什么组合（AA）、底层怎么支撑（TA）。这四个问题同样适用于Skill设计。

架构层	核心问题	Skill映射	输出物
BA 业务架构	做什么业务	Skill能力域划分、价值链映射	能力域地图
DA 数据架构	数据怎么流	Skill间数据流、信息交换标准	数据流图 接口规范
AA 应用架构	怎么组合	Skill组合关系、依赖图谱	组装蓝图
TA 技术架构	底层怎么支撑	Skill运行时、基础设施	技术选型方案

BA：Skill能力域划分

业务架构解决"干什么"的问题。4A框架下，BA层将企业能力分解为可组合的业务能力块，每个能力块对应一个或一组Skill。

我们以金融行业为例，将AI能力划分为6个能力域：

能力域	核心Skill	典型场景
知识检索	KnowledgeRAGHandler	合规模范查询、产品手册问答
数据分析	DataAnalysisHandler	渠道效能分析、业绩归因
报告生成	ReportGenHandler	尽调报告、审计底稿
文本生成	TextGenHandler	营销话术、会议纪要
评分决策	ScoringEngineHandler	信用评估、风险评级
文档解析	OCRParserHandler	发票查验、进件核对

每个能力域是一个高内聚的Skill集合。能力域之间的边界由业务流程决定——知识检索和数据分属不同能力域，因为它们的业务语义和用户角色不同；但知识检索配合报告生成可以组装成更复杂的业务流程。

DA：Skill间的数据流设计

数据架构解决"数据怎么流"的问题。最关键的决策是：Skill之间交换数据的格式和协议。

我们的实践是采用JSON Schema作为Skill间数据交换的契约：

每个Handler声明输入Schema和输出Schema 上游Handler的输出Schema必须兼容下游Handler的输入Schema 非兼容的连接需要通过Adapter Skill桥接

这种设计保证了Skill组合的数据安全性。在实际生产中，我们遇到过两个教训：

评分引擎的输出直接喂给报告生成器，但评分结果缺少置信度字段，导致报告措辞过于绝对。修复方式是在ScoringEngineHandler的输出Schema中增加confidence字段，并要求下游Handler根据置信度调整输出语气。

文档解析输出的数据结构包含嵌套的表格数据，数据分析Handler无法直接消费。解决方案是引入一个FlattenAdapter Skill，将嵌套结构展平为二维表格格式。

AA：Skill的组合关系

应用架构解决"怎么组合"的问题。这一层决定了Skill的组装粒度和复用边界。

我们使用三层组装模式：

原子Skill：单个Handler完成单一功能，如OCRParserHandler做发票识别 复合Skill：多个原子Skill按流程编排，如尽调报告 = OCR解析 数据分析 报告生成 场景Skill：面向最终用户的端到端体验，如企业尽调智能体 = 用户交互 尽调报告 风险评分

组装的关键约束是：复合Skill只能调用原子Skill或子复合Skill，不能跨层直接调用Handler。这保证了每一层都有明确的抽象边界。

TA：技术架构支撑

技术架构解决"底层怎么支撑"的问题。核心是三个选择：

Skill运行时：选择支持Skill热加载和版本管理的运行时 编排引擎：选择支持DAG编排的流程引擎 状态管理：选择支持Skill间状态共享的存储方案

在我们的实践中，选择了Phase-Orchestrator作为编排引擎，它支持4-Phase强制链式调用和条件分支。状态管理采用结构化JSON传递，在每个Phase的入口和出口进行schema校验。

TOGAF构建块思想：Skill的可复用单元

4A给出了Skill的架构框架，TOGAF的构建块（Building Block）思想则给出了Skill的可复用设计规范。

什么是构建块

TOGAF定义的构建块有两个核心特征：

功能内聚：一个构建块封装一组紧密相关的功能 接口标准：构建块通过标准接口对外暴露能力，内部实现对外不可见

这与Skill设计的要求完全一致。一个设计良好的Skill应该是一个标准的构建块：内部封装具体的Handler逻辑和数据访问，外部只暴露输入输出接口。

构建块的分类

TOGAF将构建块分为两类：

架构构建块（ABB）：定义能力边界和接口规范，类似于接口 解决方案构建块（SBB）：ABB的具体实现，类似于实现类

在Skill体系中，这对应两个层次：

层次	对应概念	示例
ABB	Handler接口定义	ScoringEngineHandler声明输入为客户数据、输出为评分结果
SBB	具体Skill实现	信用评分Skill实现逻辑回归评分，风险评级Skill实现规则引擎评分

ABB/SBB分离带来了两个直接好处：

实现可替换：同一个ABB可以有多种SBB实现，根据场景选择最适合的实现 接口驱动开发：先定义ABB（接口），再开发SBB（实现），降低开发耦合

构建块的组合规则

TOGAF的组合规则对Skill设计有三条约束：

单一职责：一个Skill只做一件事。违反此规则的典型表现是股票监控Skill同时做数据获取和分析 依赖显式声明：Skill的依赖关系必须在配置中声明，不允许隐式依赖 数据流方向单一：Skill之间的数据流必须是单向的，不允许循环依赖

实战案例：企业尽调智能体

以企业尽调智能体为例，展示4A TOGAF如何指导一个完整Skill系统的设计。

BA层：定义能力域

企业尽调需要6个能力域覆盖：

能力域	Skill	业务价值
文档解析	OCRParserHandler	提取财务数据
知识检索	KnowledgeRAGHandler	查询合规要求
数据分析	DataAnalysisHandler	计算财务指标
评分决策	ScoringEngineHandler	输出风险评级
报告生成	ReportGenHandler	生成尽调报告
可视化	VisualizationHandler	风险仪表盘

DA层：设计数据流

6个能力域的数据流向：

文档解析 → 数据分析 → 评分决策 → 报告生成
知识检索 → 评分决策
评分决策 → 可视化
报告生成 ← 可视化

每个箭头代表一条JSON数据流，每条数据流都有对应的Schema约束。

AA层：组合Skill

两层组装：

原子层：6个Handler各自作为原子Skill 复合层：企业尽调Skill = 文档解析 数据分析 评分决策 报告生成

知识检索和可视化作为可选增强，不纳入核心流程。

TA层：技术选型

编排引擎：Phase-Orchestrator，4-Phase链式调用 状态管理：结构化JSON，Phase间传递 运行时：Python 3.10 ，Skill热加载

经验总结：从方法论到实践的三个教训

架构要先行但不求完美。先建立4A的骨架，让每个Skill至少知道自己属于哪个能力域、数据从哪来往哪去。细节在迭代中补齐，但框架不能缺。

构建块粒度由业务决定，不由技术决定。一个股票分析Skill之所以应该拆分为数据获取 分析 通知三个Skill，不是因为技术上做不到合一，而是因为业务上存在独立复用这三个能力的场景。

Schema是Skill间的契约，不是建议。松散的接口约定会随Skill数量增长而崩溃。只有强制执行Schema校验，才能确保Skill组合的可预测性。

4A和TOGAF不是新概念，但将它们系统性地映射到Agent Skill设计，当前实践尚少。希望本文的框架能为AI Agent的架构化发展提供一个起点。

Agent Skills 开源生态

本文涉及的技能和框架已开源，欢迎 Star / Fork / PR：

仓库	内容	协议	链接
financial-ai-skills	104个金融AI技能，零API费	MIT	https://github.com/yuzhaopeng-up/financial-ai-skills
teleagent-skills	5个通用Agent技能(评分引擎/证据链/数据聚合/可视化/NL2Query)	Apache 2.0	https://github.com/yuzhaopeng-up/teleagent-skills
agent-cluster-comm	5层集群通信技能(L1-L5)	Apache 2.0	https://github.com/yuzhaopeng-up/agent-cluster-comm
skill-framework	208技能分类体系 L0-L4框架 YAML模板	MIT	https://github.com/yuzhaopeng-up/skill-framework
fintech-h5-demos	12个零依赖金融H5演示	MIT	https://github.com/yuzhaopeng-up/fintech-h5-demos