本次讨论源于对 TraeWork 设置界面结构的观察。用户发现:在 TraeWork 的设置侧栏中,"命令"是一个独立的一级菜单项(位于"工作树"之下、紧邻"规则与记忆"),而插件、技能则收纳在"插件市场"菜单内。由此提出一系列问题:命令与技能有何区别?两者底层是否为同一套机制?豆包为何没有命令菜单?最终在追问中逐步建立起"记忆—插件—技能—命令"的四层体系模型。
讨论沿以下五步递进展开:
| 维度 | 命令(Command) | 技能(Skill) |
|---|---|---|
| 本质 | 一条可执行的指令/快捷动作 | 一套可调用的能力/工具模块 |
| 解决对象 | "我要它执行某件事" | "我要它会做某种事" |
| 形态 | 轻量、单点触发、固定步骤 | 重量级、可复用、内含多步骤/多工具 |
| 自带逻辑 | 自带执行逻辑(定义它做什么) | 装的是能力,是否触发由命令/场景决定 |
| 定义权 | 用户可自行新建/编辑 | 多为预制,用户负责安装启用 |
| 存放位置 | 一级菜单"命令" | "插件市场"中安装 |
| 类比 | 快捷键、快捷指令 | App、工具箱、扩展包 |
| 示例 | "生成昨日日报""整理文件夹" | 解析PDF、联网搜索、代码审查、图生文等 |
讨论的核心进展来自用户对 TraeWork 的实际观察,可凝练为一句话:
命令 = 将用户的一段 prompt 原封不动地转存为一条命令(快捷动作);
技能 = 将同一段 prompt 进行结构化处理,生成带字段(名称/描述/触发逻辑/步骤)的 .md 文件(能力包)。
这一"加工差"直接带来能力差异:命令基本没有元数据,系统难以判断"它该在何时被使用",依赖用户显式点选;技能因具备 description 等元数据,系统可据其进行场景匹配与自动调用,可复用性、可维护性显著更高。相应的,技能的成本(结构化加工)也高于命令(随手即可建)。
二者是配合而非互斥:技能赋予系统某项能力,命令则负责调用该能力完成一次具体执行。例如"安装网页抓取技能 + 定义'抓取该页面并整理要点'命令"即构成完整的动作闭环。
| 层面 | 命令 | 技能 | 是否同源 |
|---|---|---|---|
| 可执行载体(脚本/指令块) | 脚本 | 脚本/工具集 | 很可能同一套机制 |
| 注册方式(可被模型识别调用) | 同一注册表 | 同一注册表 | 很可能相同 |
| 触发方式 | 用户/命令显式触发 | 能力备好、按需调用 | 命令主动、技能被动 |
| 粒度 | 单点、自带完整执行逻辑 | 能力包、可被多个命令复用 | 明显不同 |
| 管理入口/定义权 | "命令"菜单、用户自建 | "插件市场"、多为预制 | 明显不同(产品层) |
底层大概率是"一套可执行模块 + 一套注册机制",命令与技能是同一底座的两种用法;真正的分割点在"被定义、被存放、被管理"的外层——那是产品语义,不是技术实现。此为架构推断,坐实需依赖 TraeWork 官方文档或配置文件。
用户观察准确:豆包目前没有 TraeWork 那种独立的"命令"菜单,这是产品设计思路不同,而非功能缺失。豆包把"命令"这个角色交给日常对话本身:
换言之,豆包是把"临时的命令"内化成对话、"长期的命令"结构化成了技能,砍掉了中间"原样存起的快捷命令"这一形态。
| 途径 | 对应功能 | 适用场景 |
|---|---|---|
| 技能(Skill) | 结构化 .md 能力包 | 可复用、可自动识别的长期能力 |
| 定时任务 | 按时间/周期自动执行的调度指令 | "调度型命令" |
| 长期偏好 | 记忆机制,每次自动生效 | 类似 TraeWork 的"规则与记忆" |
讨论最终将四者整合为一个由"静"到"动"、由"常驻"到"触发"的嵌套体系:
你说一句,当场调用下面所有层的能力完成一次执行。
把一段意图固化成能力包(.md),系统靠 description 自动匹配。
解析PDF、联网、音视频处理等,需要时被调用。
长期偏好/画像/事实,最底层垫着,全程生效。
| 层次 | 本质 | 生命周期 | 触发方式 |
|---|---|---|---|
| 记忆 | 长期画像/偏好/事实 | 常驻、一直生效 | 每轮自动注入,无需干预 |
| 插件 | 真正的执行工具集 | 常驻、装了就有 | 需要时被调用 |
| 技能 | 结构化能力包(prompt 加工成 .md) | 可复用 | description 自动匹配 / 用户点名 |
| 命令 | 一段即时指令 | 一次性、瞬时 | 用户说、它做 |
以"帮我解析这份 PDF 并整理要点"为例:命令识别到一个 技能(文档解析)→ 该技能调用 插件(真正的 PDF 解析工具)→ 全过程垫着记忆(用户偏好:结构化、高密度输出)。
一句话串起四层:记忆是"我了解你",插件是"我会干活",技能是"我知道这事该怎么干",命令是"现在你干一下"。
本次讨论涉及判断时,立场明确如下并区分"事实"与"观点":
以下信息尚未获得权威来源确认,如需用于正式决策请先行核实:
| 需求场景 | 建议选择 | 理由 |
|---|---|---|
| 一次性、固定、想快速触发 | 命令(若产品支持)或直接对话 | 零加工、即时生效、成本最低 |
| 想让系统自动按场景调用、跨场景复用、规范维护 | 技能(结构化 .md) | 具备元数据,可被智能路由与自动触发 |
| 需定期自动执行 | 定时任务(调度型) | 按时间/周期触发,无需人工 |
| 希望长期记住行为/规则 | 记忆/长期偏好 | 每轮自动生效,属常驻底座 |