一个核心技能如何服务所有租户？Agent持续进化架构解析

Agent Skill 写完就过时了咋办？这套多租户架构说清楚了

深夜琢磨一个问题：目前开源社区里Agent Skills的数量已经超过200万个，具体数字是2330640。这么多Skills，有多少会随着时间流逝而失效？又有多少会彻底沦为数字世界的尘埃？

为什么要设计Agent Skill？答案其实很直接：Agent Skill的本质，就是赋予Agent动手能力。一个优秀的Skill，目标很简单——让Agent把事情做对。至于基础模型，它负责的是“想对”，两者分工明确。

那么，什么样的架构才能解决Skills快速过时的问题？这里分享一个思路。

一、方案概述

这套方案的核心，是设计一种可持续进化的多租户Agent应用架构。

核心公式浓缩为一句话：

Agent 应用 = Shared Core Agent Skill + Tenant Wrapper Skill + Tenant Context + Feedback Loop

通过将共享通用能力与租户业务能力分层管理，实现三个关键目标：

• 通用能力统一升级，所有租户同时受益
• 租户业务逻辑独立演进，灵活适配不同场景
• 基于真实业务反馈驱动Agent能力持续优化

图：四层堆叠架构——共享核心能力在底层，租户业务、上下文、反馈闭环依次向上搭建

---

二、整体架构

1. Shared Core Agent Skill（共享核心能力层）

这一层负责沉淀所有跨业务的通用能力，具体包括：

• 通用任务执行流程
• 基础推理能力
• 工具调用能力
• 通用策略框架
• 质量评估机制
• Agent Workflow

举个例子就清楚了：

Ads Agent的能力构成：

• 用户与市场分析
• 投放策略生成
• 效果分析
• 数据归因
• 优化建议

SEO Agent的能力构成：

• 搜索意图分析
• 内容策略生成
• SEO质量评估
• 内容优化流程

Shared Core Agent Skill由平台统一维护，每次升级都经过严格验证。整个升级流程大致如下：

→ 收到能力优化需求
→ Offline Evaluation
→ 小流量验证
→ 正式发布
→ 所有租户Agent自动获取升级能力

三、Tenant Wrapper Skill（租户业务能力层）

每个租户拥有自己专属的业务Wrapper Skill。这套Wrapper Skill基于Shared Core Agent Skill扩展业务逻辑，涵盖：

• 行业规则
• 业务目标
• 执行策略
• 优化偏好
• 决策规则

Wrapper Skill会根据租户自身的业务反馈持续迭代优化。

拿Ads Agent来说：

客户A：

• 更关注ROAS
• 偏好高转化素材
• 特定受众策略

客户B：

• 更关注品牌曝光
• 偏好长期增长
• 不同预算策略

不同租户拥有完全独立的业务演进路径，互不干扰。

图：同一个Core，客户A套上ROAS外壳，客户B套上品牌曝光外壳，各自独立演进

四、Tenant Context & Private Data（租户业务上下文层）

每个租户拥有独立的业务资产：

• 产品信息
• 用户画像
• 历史数据
• 业务目标
• 配置规则
• 品牌偏好
• 长期记忆

这些数据是驱动Agent生成符合业务需求决策的关键依据。

五、Feedback Loop（持续学习闭环）

Agent在执行过程中持续收集反馈，数据来源包括：

• 业务指标
• 用户行为
• 执行结果
• 人工修改
• 转化数据

反馈的作用体现在两个层面：

租户级优化

直接影响当前租户的能力迭代：

• 策略调整
• 参数优化
• Workflow调整
• 业务规则更新

通用能力优化

当多个租户出现共性需求时：

• 提交候选能力升级
• 进入Evaluation流程
• 验证有效性
• 升级Shared Core Agent Skill

升级完成后，所有租户自动获得能力提升。

图：反馈像水流一样回流，一路浇灌租户策略，一路汇入核心能力池，形成完整闭环

六、核心价值

1. 能力复用

一次建设Shared Core Agent Skill，多个租户共享使用。

2. 业务适配

每个租户通过Wrapper Skill实现灵活的业务定制。

3. 持续进化

租户反馈驱动业务能力升级，共性经验沉淀到通用能力层。

4. 规模化扩展

新增业务场景时，只需创建新的Tenant Wrapper Skill，无需重新开发完整Agent。

---

七、核心公式

Agent 应用

= Shared Core Agent Skill

+ Tenant Wrapper Skill（业务逻辑与反馈学习）

+ Tenant Context（业务数据、配置、记忆）

+ Feedback Loop（持续优化）