大型语言模型（LLMs）在特定时间点进行训练，因此其知识是固定的。软件工程实践快速变化，新库每天推出，最佳实践也在不断演变。这使得语言模型无法单独弥补知识差距。在Google DeepMind，这种情况表现为模型在训练时对自身缺乏了解，并且对最佳实践的微妙变化（如思维循环）或SDK的更改并不总是知晓。虽然存在多种解决方案，如网络搜索工具和专门的MCP服务，但最近出现了代理技能等新方法，以帮助填补这...