什么是 Skill
Skill 是实际上一个由使用说明（Skill.md）、参考文档（reference）以及可执行脚本组成的能力包。
以下是一个示例：
Skills
└── RAG
├── references
├── scripts
└── SKILL.md
为什么需要 Skill 做 RAG
背景是我正在处理保险产品客服 Agent 项目，保险产品和普通的商品最大的区别是定价更为复杂，不再是一个产品一个统一的价格。
以健康类产品为例，保费往往会随着客户的年龄、健康状况等进行调整。所以在产品宣传文档之外，往往还有一个费率表可供初步评估价格。
传统的 RAG 在解决此类问题时往往会采用如下手段：
额外提供一个检索 Tool，输入产品ID和客户情况返回保费：
但客户的情况往往是口语化表述，比如“我患有高血压和糖尿病”。简单的关键词检索难以应对这种情况。
将产品文档和费率表打包为一个树状结构，并且所有文档都计算向量：
我在一个 vibe coding 的 demo 项目里采取了类似的思路。就是对费率表文档转化为 csv 文件后按行分块计算向量。但这样又难以应对精确条件，比如“我今年58岁”这类可以借助年龄精确过滤的情况。
RAG SKILL
现在的 LLM 非常智能，LLM 可以使用 shell 工具自行在纯文本的世界里自由探索。
所以，我们的 skill 也非常简单：告诉 LLM 自己使用各种 unix shell 工具来读取文件。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
|
---
name: rag-knowledge-explorer
description: 自主使用 Unix CLI 工具探索 knowledge 目录中的保险文档，检索信息并回答用户关于保险产品的问题。
---
# RAG 知识库检索技能
本技能使 LLM 能够自主使用 Unix CLI 工具（grep、cat、ls、head、tail 等）检索 `/knowledge/`目录中的保险文档，并基于检索结果回答用户问题。
## 何时使用
**适用场景**：
- 用户询问保险产品相关信息（保费、保障、理赔等）
- 需要查找特定条款内容
- 需要查询费率表数据
- 用户提出关于保险责任、免责条款的问题
**不适用场景**：
- 需要修改文件内容（本技能只读）
- 问题与知识库文档无关
## 核心工作流程
### 阶段 1：理解用户问题
分析用户问题，提取关键信息：
- **问题类型**：费率查询/保险责任/免责条款/理赔流程/其他
- **关键词**：年龄、性别、交费方式、保险金额、身故、现金价值等
- **目标文档**：费率表 (flbe.md) 或条款 (tk.md)
....
|
这个 demo 甚至没有其他的脚本等内容，就是一个 skill.md 文件。告诉 LLM 产品文档的命名规律和 skill 的使用场景。
效果非常好：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
|
User: 我现在45岁了，是一名男性。我想买传家宝险，能给我讲讲吗？
LLM:
Thinking: 已获取 45 岁男性的费率数据和投保年龄信息，现在整理成清晰的保费表格和产品要点介绍给用户。
好的！根据您的情况（45 岁男性），我来详细介绍一下传家宝寿险的投保方案：
---
一、投保资格
您可以投保！本产品接受的投保年龄范围为出生满 28 天至 70 周岁，您 45 岁符合投保条件。
---
二、保费参考（每 1 万元基本保额）
作为 45 岁男性，您可选择以下交费方式：
| 交费方式 | 每万元保额保费（元） | 举例：10 万保额总保费 |
|---------|-------------------|---------------------|
| 趸交（一次性） | 11,964 元 | 119,640 元 |
| 3 年交 | 4,245 元/年 | 12,735 元 |
| 5 年交 | 2,689 元/年 | 13,445 元 |
| 10 年交 | 1,432 元/年 | 14,320 元 |
| 15 年交 | 1,015 元/年 | 15,225 元 |
| 20 年交 | 812 元/年 | 16,240 元 |
> 注：30 年交选项在 45 岁时已不可选
---
三、产品核心特点
1. 终身保障
- 保险期间为被保险人终身
1. 保额递增
- 有效保额按3.5% 年复利递增
- 公式：第 n 年有效保额 = 基本保额 × 1.035^(n-1)
- 例如：10 万保额，第 20 年有效保额约 19.9 万
1. 身故保险金赔付（分三阶段）
| 阶段 | 赔付金额 |
|------|---------|
| 18 周岁前 | 已交保费 与 现金价值 取大 |
| 18 周岁后、交费期满前 | 已交保费×比例 与 现金价值 取大 |
| 18 周岁后、交费期满后 | 现金价值、有效保额、已交保费×比例 三者取大 |
1. 灵活权益
- ✅ 转换年金：受益人可选择将保险金转换为年金领取
- ✅ 减保：可申请减少保额
- ✅ 保单质押贷款：最长 6 个月
- ✅ 10 日犹豫期：犹豫期内退保全额退还保费
---
四、投保建议
45 岁男性推荐方案：
1. 预算充足：选择趸交或 3-5 年交，尽早完成交费，享受保额复利增长
2. 平衡现金流：选择10-20 年交，年交保费压力较小
---
五、重要提示
责任免除（以下情况不赔）：
- 投保人故意杀害、伤害被保险人
- 被保险人故意自伤、故意犯罪
- 合同成立 2 年内自杀
- 斗殴、吸食毒品
- 酒后驾驶、无证驾驶
- 战争、核辐射等
退保提醒：
- 犹豫期后退保会退还现金价值，可能低于已交保费，会有损失
---
您想了解具体的保额规划或现金价值表吗？或者有其他疑问？
|
我甚至故意简略了保险名称，LLM 依旧给出了非常完善的回答。并且在检索过程中自行察觉到 45 岁是一个非常精确的过滤条件，在首次检索时就使用 grep 进行了针对性查找。
总结
这个 demo 是一次非常简单的探索，整个系统构建最耗时的地方是将产品文档在外部转化为 markdown，这还有我不想为一个 demo 特地开通平台 API 的原因。
不过必须承认，虽然这个 demo 的效果比我之前学习 RAG 时 vibe coding 的项目还要好。但实际部署时需要解决如何防止 LLM 使用 cat、cd 等工具获取不该获得的信息的问题，同时简单的两个问题就花了上万 token。也许构建一个虚拟的 shell 提供被修改过的 unix 命令，并且隔离目录是一个解决方案？
但无论如何，LLM 真的越来越猛了。