Skills 是最灵活的扩展方式——任何 Python 函数都可以变成 Agent 的工具。

内置技能

技能	函数名	说明
当前时间	get_current_time	获取日期和时间
计算器	calculator	精确数学计算
文本分析	analyze_text	统计字数、行数、段落数
单位换算	unit_convert	长度、重量、温度换算

添加新技能

第 1 步：写一个 Python 函数

编辑 modules/skills/tools.py：

def my_new_skill(param1: str, param2: int = 10) -> str:
    """这里写工具描述 - Agent 靠这段文字判断何时调用此工具。
    param1: 参数1的说明
    param2: 参数2的说明，默认值为10
    """
    result = do_something(param1, param2)
    return f"结果: {result}"

关键要求：

• 函数的 docstring 是最重要的 — Agent 完全靠它决定何时调用这个工具
• 参数需要有类型标注（str, int, float 等）
• 返回值是 str
• docstring 中说清楚什么场景该用、参数含义

第 2 步：注册到 get_all_skills()

def get_all_skills() -> list:
    return [
        FunctionTool.from_defaults(fn=get_current_time),
        FunctionTool.from_defaults(fn=calculator),
        FunctionTool.from_defaults(fn=analyze_text),
        FunctionTool.from_defaults(fn=unit_convert),
        FunctionTool.from_defaults(fn=my_new_skill),   # ← 加这一行
    ]

不需要改其他文件，重启即可生效。

知识型技能

除了工具函数，DataMind 还支持知识型技能 — 放在 data/skills/ 下的 Markdown 文档会被索引并可检索：

data/skills/
├── 数据库运维SOP.md
└── 代码审查指南.md

Agent 通过 skill_search 工具从这些文档中查找相关的流程和最佳实践。

Agent 如何决策

1. 接收用户问题
2. 读取所有工具的 description（即函数的 docstring）
3. LLM 判断哪个工具的描述最匹配用户意图
4. 自动提取参数并调用该工具
5. 将工具返回结果整合成最终回答