在聊 Agent Skills 之前,先快速介绍一下 langchain4j。

langchain4j 是一个面向 Java 开发者的 LLM 应用开发框架。就像 Spring 统一了 Java Web 开发的接口一样,langchain4j 也在做类似的事情——为 Java AI 开发提供统一的抽象层。

它提供了:

• • 统一的 API:无论你用 OpenAI、Claude、Gemini 还是本地模型,接口都是一致的
• • 工具调用(Tool Calling):让 AI 可以调用你的 Java 方法
• • RAG 支持:检索增强生成,让 AI 基于你的文档回答问题
• • 记忆管理:让 AI 记住对话历史

langchain4j 在 2026 年 3 月发布的 1.12.1 版本中,正式引入了 Agent Skills 支持(PR #4646)。这是一个重要的能力，我们在 Java 应用中也可以像 Claude Code 一样，直接复用 AI 定义的技能包了。

核心概念

Agent Skills 是一种为 LLM 提供可复用、自包含行为指令的机制。

用游戏的概念来类比:传统的 System Prompt 就像给角色写一本厚厚的技能手册,角色需要一直带着这本手册,每次行动都要翻一遍。而 Agent Skills 就像给角色装备"技能包",需要的时候才激活,用完就收起来。

一个 Skill 包含:

• • name:技能名称(比如 “process-order”)
• • description:简短描述(比如 “处理客户订单的完整流程”)
• • content:详细的执行指令(步骤、注意事项、示例等)
• • resources:可选的参考资料(配置文件、文档等)

实战:创建一个代码分析 Skill

通过一个完整的例子,看看如何使用 Agent Skills。我们以 Claude Code 中的 explain-code skill 为参考,创建一个类似的代码分析助手。

场景描述

我们要创建一个代码分析系统,帮助开发者理解复杂代码。这个 Skill 会:

1. 1. 用类比的方式解释代码概念
2. 2. 绘制 ASCII 流程图
3. 3. 逐步讲解代码执行过程
4. 4. 指出常见误区和注意事项

第一步:添加依赖

<dependency>    <groupId>dev.langchain4j</groupId>    <artifactId>langchain4j-skills</artifactId>    <version>1.12.0-beta20</version></dependency>

第二步:创建 Skill 文件

创建目录结构:

skills/└── explain-code/    └── SKILL.md

编写 SKILL.md:

---name: explain-codedescription: Explains code with visual diagrams and analogies. Use when explaining how code works, teaching about a codebase, or when the user asks "how does this work?"---When explaining code, always include:1. **Start with an analogy**: Compare the code to something from everyday life2. **Draw a diagram**: Use ASCII art to show the flow, structure, or relationships3. **Walk through the code**: Explain step-by-step what happens4. **Highlight a gotcha**: What's a common mistake or misconception?Keep explanations conversational. For complex concepts, use multiple analogies.

第三步:加载 Skill 并集成到 AI Service

import dev.langchain4j.service.AiServices;import dev.langchain4j.model.chat.ChatLanguageModel;import dev.langchain4j.skill.FileSystemSkillLoader;import dev.langchain4j.skill.Skills;import java.nio.file.Path;import java.util.List;public class CodeExplainer {    public static void main(String[] args) {        // 1. 加载 Skills        List<FileSystemSkill> skillList =            FileSystemSkillLoader.loadSkills(Path.of("skills/"));        Skills skills = Skills.from(skillList);        // 2. 创建 AI Service        ExplainerService service = AiServices.builder(ExplainerService.class)            .chatModel(chatModel)            .tools(new CodeAnalysisTools())  // 注册工具            .toolProvider(skills.toolProvider())  // 注册 Skills            .systemMessage(                "你是一个代码分析助手。\n" +                "你可以使用以下技能:\n" +                skills.formatAvailableSkills() +                "\n当用户要求解释代码时,使用 activate_skill 工具激活 explain-code 技能。"            )            .build();        // 3. 使用        String result = service.explainCode("src/main/java/Example.java");        System.out.println(result);    }    interface ExplainerService {        String explainCode(String filePath);    }}

运行效果

当你调用 service.explainCode("src/main/java/Example.java") 时,AI 会:

1. 1. 识别出需要使用 “explain-code” 技能
2. 2. 调用 activate_skill("explain-code") 加载详细指令
3. 3. 按照 SKILL.md 中的步骤执行:

• • 先用类比解释代码概念(比如"这个单例模式就像公司只有一个 CEO")
• • 调用 generateDiagram() 绘制 ASCII 流程图
• • 调用 readCode() 读取代码内容
• • 调用 analyzeComplexity() 分析代码复杂度
• • 逐步讲解代码执行过程
• • 指出常见误区(比如"注意线程安全问题")

4. 4. 返回完整的代码分析报告

总结

Agent Skills 为 Java AI 开发带来了模块化的新思路。你可以像管理代码模块一样管理 AI 的行为指令——按需加载、自包含、可复用。

从 langchain4j 1.12.1 版本开始,Java 开发者有了新的选择。代码分析、数据处理、文档编辑,都可以封装成独立的 Skill,在不同项目中复用。

这种"技能包"模式,把 Java AI 开发从"写 Prompt"推向了"Skills"。

[

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2026 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2026 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！