一.背景
LangChain Agent 按需使用 Skill（技能），是指智能代理根据任务场景的具体需求，动态选择、调用并组合所需的技能模块（如数据查询、逻辑推理、工具调用、自然语言生成等），而非一次性加载所有技能。这一模式的诞生，根植于大语言模型应用从 “通用能力展示” 走向 “精细化场景落地” 的核心诉求，是技术层面的能力治理、资源层面的效率优化与业务层面的场景适配共同作用的结果。以下从技术背景、业务场景背景和工程实践背景三个维度，梳理其核心逻辑。
1.技术背景：Skill 体系的发展与 Agent 能力的边界挑战
LangChain Agent 的核心竞争力在于 “将 LLM 的认知能力与外部工具 / 技能结合，解决复杂任务”，而技能体系的演进与 Agent 固有能力的局限，直接驱动了 “按需使用 Skill” 模式的产生。
1. Skill 从 “单一工具” 到 “模块化体系” 的演进
早期的 LangChain Agent 仅能调用少量单一工具（如搜索引擎、计算器），这些工具可视为最基础的 “技能单元”。随着 LangChain 生态的完善，Skill 的内涵不断扩展，形成了分层的模块化体系：
- 基础技能：如文本解析、数据
