如需查看完整的文档索引,请参阅 llms.txt。在文档页面的 URL 末尾加上 .md 即可查看该页面的 Markdown 版本。
主导航
主题
Feb 11, 2026 API

Shell、技能与压缩:让长时间运行的智能体完成实际任务的技巧

在 Responses API 中结合技能、托管式 Shell 和服务端压缩构建应用的实用模式。

作者: Charlie Guo

Shell、技能与压缩:让长时间运行的智能体完成实际任务的技巧

我们正从单轮交互的助手转向能够长时间运行的智能体,让它们承担实际的知识工作,例如读取大型数据集、更新文件和编写应用。

结合开发者的反馈,以及我们构建 Codex 和内部智能体的经验,我们推出了一组新的智能体基础能力,让需要长时间执行的任务更容易实现:

  • 技能(与 Agent Skills 开放标准保持一致):可复用、按版本管理的指令。您可以将技能挂载到容器中,让智能体更可靠地执行任务。
  • 升级后的 Shell 工具:OpenAI 提供的托管容器,支持受控的互联网访问。智能体可以在其中安装依赖项、运行脚本并写入输出文件,例如报告和其他产物。
  • 服务端压缩:在智能体长时间运行期间自动压缩上下文,避免触及上下文上限。

开发文档和 API 参考分别介绍了这些能力。本文聚焦一些不容易想到的技巧和模式。根据我们在 OpenAI 的实践,以及早期采用技能的客户 Glean 在生产环境中的经验,这些做法迄今效果最好。

先理解这三项能力

技能:模型可以按需加载的“操作规程”

一项技能由一组文件和一份 SKILL.md 清单组成,清单包含文件头元数据和指令。您可以把技能理解为一份按版本管理的操作手册,模型在执行具体任务时可以随时查阅。

有可用技能时,平台会向模型提供每项技能的 name、description 和 path。模型根据这些元数据决定是否调用技能。如果决定调用,它会读取 SKILL.md,了解完整的工作流程。

Shell 工具:让智能体“执行操作”

Shell 工具让模型在真实的终端环境中工作,有两种环境可选:

  • 由 OpenAI 管理的托管容器。
  • 由您自行运行的本地 Shell 环境(工具的行为相同,机器由您控制)。

托管式 Shell 通过 Responses API 运行,因此您的请求可以保留工作状态、调用工具、跨多轮交互继续执行任务,并生成产物。

压缩:让长时间运行的任务持续推进

工作流程越长,就越容易触及上下文窗口的上限。服务端压缩会管理上下文窗口并自动压缩对话历史,让长时间运行的任务得以继续。

Responses API 提供两种压缩方式:

  • 服务端压缩(新增): 当上下文超过阈值时,系统会在当前响应流中自动执行压缩,无需单独发起压缩调用。
  • 独立压缩端点: 如果您想自行决定何时压缩,请使用 /responses/compact。

为什么结合使用效果更好

  • 技能把稳定的操作规程和示例整理成可复用的文件包,让提示词更简洁、更有条理。
  • Shell 提供完整的执行环境,您可以在其中安装代码、运行脚本并写入输出文件。
  • 压缩让长时间运行的任务保持连贯,同一工作流程可以继续执行,无需手动删改上下文。
  • 将三者结合起来,您就能构建可重复执行、能在计算机上完成实际操作的工作流程,也无需把系统提示词写成一份庞大且难以维护的文档。

实用技巧

1)把技能描述写成选择规则,避免营销话术

技能描述实际上决定了模型在什么情况下会选择这项技能。它应能回答以下问题:

  • 我应该在什么情况下使用这项技能?
  • 我应该在什么情况下避免使用它?
  • 需要产出什么,怎样才算成功?

一种实用的做法是直接在描述中用几句话说明“何时使用、何时不用”,并写清具体的输入、涉及的工具和预期产物。

2)加入反例并覆盖边界情况,减少触发错误

一个出人意料的问题是,刚引入技能时,正确触发的比例反而可能下降。我们发现,补充反例并覆盖边界情况可以改善这一问题。

具体来说,列出几种“遇到这种情况时不要调用此技能”的情形,并说明应该怎么做。这有助于模型更准确地选择技能,尤其是当多项技能乍看之下很相似时。

Glean 就遇到过这种情况:在专项评测中,改为按技能选择执行路径后,触发率起初下降了约 20%。他们在技能描述中补充反例和边界情况后,触发率便恢复了。

3)把模板和示例放进技能中(不用时几乎没有开销)

如果您一直把模板塞进系统提示词,现在可以换个做法。

将模板和展示完整步骤的示例放在技能中有两个好处:

  • 调用技能时才加载,正好在需要时可用。
  • 处理无关请求时,不会增加 Token 用量。

这种做法尤其适合生成知识工作成果,例如:

  • 结构化报告。
  • 升级处理事项的分流摘要。
  • 客户经营计划。
  • 数据分析报告。

据 Glean 介绍,由于示例仅在技能触发时加载,这一做法在生产环境中带来的质量提升和延迟改善幅度都位居前列。

4)从一开始就通过容器复用和压缩支持长时间运行

执行长期任务的智能体很少能仅凭一次单样本提示词就完成工作。请从一开始就考虑如何让任务接续执行:

  • 如果需要保持依赖项稳定,或在后续步骤中使用缓存文件和中间产物,请跨步骤复用同一个容器。
  • 传入 previous_response_id,让模型在同一对话线程中继续工作。
  • 默认对长时间运行的任务使用压缩,避免等到上下文耗尽时才把它当作补救手段。

结合这些做法,可以减少任务从头开始的情况,并在线程不断增长时保持多步骤任务的连贯性。

5)需要确定性时,明确要求模型使用指定技能

默认情况下,模型自行决定何时使用技能。这通常正是您想要的行为。

但如果您在生产环境中运行的工作流程有明确约定,并且希望行为可预测,就可以直接告诉模型:

“请使用 <skill name> 技能。”

这是提高可靠性最简单的方法。模型无需再推断该选哪项技能,而是按明确的约定执行。

6)技能与网络访问结合时风险高,设计时要限制访问范围

这项安全措施在设计之初很容易被忽略,事后补救却很难。

将技能与不受限的网络访问结合使用,会形成数据外泄的高风险通道。 如果启用网络访问,请严格限制网络允许列表的范围,将工具输出视为不可信数据。在面向消费者的流程中,如果用户期望能严格控制哪些操作需要确认,就应避免让智能体既能自由访问互联网,又能执行功能强大的操作规程。

建议采用以下默认设置:

  • 技能:允许
  • Shell:允许
  • 网络:仅在设置最小允许列表时启用,并按请求单独配置,仅用于范围明确且有限的任务

7)以 /mnt/data 作为产物的交接位置

在托管式 Shell 工作流程中,请把需要取回、审阅或传入后续步骤的输出文件统一写入 /mnt/data,例如报告、清洗后的数据集和已完成的电子表格。

可以这样理解各方的分工:工具将结果写入磁盘,模型根据磁盘上的内容进行推理,开发者从磁盘取回结果。

8)分两层理解允许列表:组织级和请求级

网络访问由两层设置共同控制:

  • 组织级允许列表由管理员配置,规定可访问目标的最大范围。
  • 请求级 network_policy 必须是组织允许列表的子集。

在实际运维中,有两点尤其重要:

  1. 组织允许列表应尽量小,并保持稳定,仅包含“您信任并已批准的目标”。
  2. 每个请求的允许列表应进一步缩小,仅包含“当前这项任务所需的目标”。

如果请求包含组织允许列表之外的域名,该请求就会报错。

9)需要身份验证的调用应使用 domain_secrets,避免凭据泄露

如果允许访问的域名要求在请求头中提供身份验证信息,请使用 domain_secrets,确保模型始终看不到原始凭据。

运行时,模型只能看到占位符(例如 $API_KEY),辅助容器仅在请求发往已批准的目标时才会注入真实值。只要智能体需要从容器内调用受保护的 API,就适合默认采用这种做法。

10)在云端和本地使用相同的 API

使用技能和 Shell 这两项基础能力时,您无需将所有内容都部署到托管环境:

  • 技能既可用于托管式 Shell,也可用于本地 Shell 模式。
  • Shell 支持本地执行模式,您可以自行执行 shell_call,再将 shell_call_output 返回给模型。
  • 如果使用 Agents SDK,您还可以接入自己的 Shell 执行器。

实际开发时,可以按以下步骤迭代:

  1. 先在本地开发,方便快速迭代、使用内部工具和调试。
  2. 需要可重复执行、环境隔离和一致的部署环境时,再迁移到托管容器。
  3. 两种模式使用相同的技能,这样即使执行环境发生变化,工作流程也能保持稳定。

三种构建模式

您可以自由探索这些新的智能体基础能力。下面三个示例展示了如何组合使用它们,构建实用的应用。

模式 A:安装依赖项 → 获取数据 → 写入产物

这是使用托管式 Shell 最简单的方式:让智能体安装依赖项、获取外部数据,并生成具体的交付成果。

例如:

  • 安装两个库。
  • 抓取网页数据或调用 API。
  • 将报告写入 /mnt/data/report.md。

这种模式是智能体执行实际工作的基础,因为生成产物后,就有了明确的审阅对象:您的应用可以向用户展示产物、将其记录下来、比较版本差异,或将其传入后续步骤。

模式 B:结合技能与 Shell,构建可重复执行的工作流程

当您成功构建一两个 Shell 工作流程后,就会遇到下一个问题:流程虽然能跑通,但提示词的表述一旦发生偏移,执行就没那么可靠了。

这时就可以引入技能。以下结构便于长期使用:

  1. 将工作流程的步骤、约束和模板写入技能。
  2. 将技能挂载到 Shell 环境中。
  3. 让智能体遵循技能规定的流程,以可预测的方式生成产物。

这种模式尤其适合以下工作流程:

  • 分析或编辑电子表格。
  • 清洗数据集并生成摘要。
  • 为反复执行的业务流程生成标准化报告。

模式 C(进阶):用技能承载企业工作流程

我们在早期实践中发现,从调用单个工具转向协调多个工具时,准确率可能会下降。技能可以明确模型选择和使用工具时应遵循的步骤,弥补准确率差距,同时避免系统提示词变得臃肿。

以 Glean 的实践为例:

  • 一项面向 Salesforce 的技能将评测准确率从 73% 提高到 85%,并将首个 Token 延迟降低了 18.1%。
  • 具体做法包括细化技能选择规则、加入反例,以及将模板和示例放入技能中。
  • Glean 还用技能来定义企业工作流程中反复执行的任务,包括制定客户经营计划、对升级处理事项进行分流,以及生成符合品牌风格的内容。

技能的价值在这里尤为明显:它们可以成为持续更新的标准操作规程(SOP),随组织发展而调整,并由智能体一致地执行。

一次构建,随处运行

当长时间运行的智能体既能遵循操作规程,又能在计算机上完成实际工作时,它们的实用性就会大幅提升。技能、托管式 Shell 和压缩为此奠定了基础。要点如下:

  • 用技能明确怎么做,包括操作规程、模板和约束。
  • 用 Shell 执行具体操作,包括安装依赖项、运行脚本和写入产物。
  • 用压缩保持长时间运行的任务连贯,无需手动管理上下文。
  • 快速迭代时,先从本地开始。
  • 需要在隔离环境中重复执行任务时,再迁移到托管容器。
  • 使用组织级和请求级允许列表严格限制网络访问,并为需要身份验证的调用使用域名专用密钥。

您可以在自己的应用中开始实践。具体用法请参阅技能文档、Shell 文档和压缩文档。