一句话看懂：LangChain 为 Deep Agents 的技能系统加入工具绑定、预置技能加载和线程内重载三项能力，解决企业技能库膨胀后技能与工具割裂、冷启动延迟和长线程无法更新技能的问题。
事件核心：发生了什么
2026 年 10 月 7 日，LangChain 在其博客中宣布重构 Deep Agents 的 Skills 支持。Skills 是 Agent Skills 开放标准下的一种技能格式：每个技能是一个包含 SKILL.md 的目录，用 YAML frontmatter 声明名称和描述，正文写指令，还可附带 scripts、references、assets 等支撑文件。只有技能的名称和描述默认进入系统提示词，完整内容由 Agent 按需通过 read_file 读取。
此次更新带来三项具体变化：第一，允许把工具绑定到技能上，工具 schema 在 Agent 读取对应技能前不进入上下文，读取后以新的系统消息加入，未读技能时调用会被视为未知工具而失败；在支持对话中途新增工具的 Anthropic 和 OpenAI 较新模型上，这种方式不会破坏 prompt cache，其他模型则仍按追加请求处理。第二，应用可以在运行时固定（pin）技能，让指令在首次模型调用前就进入上下文，省去 read_file 往返。第三，技能支持线程内重载，长线程无需新开会话即可识别新增、修改或删除的技能。
为什么重要
Skills 的价值在于渐进式披露：技能库再大，未使用的技能也只占系统提示词一行，这让企业可以维护上千个跨团队共享的技能注册表。但随着规模上升，原来的设计暴露出两个矛盾：工具和技能分开披露，Agent 可能先调用工具却从未读过使用说明；长线程中的技能状态固定，运维更新技能必须重开会话。LangChain 这次把披露粒度从“技能”细化到“技能 + 其绑定工具”，同时在缓存效率和运行时灵活性之间做平衡。对企业级 Agent 而言，这意味着技能库可以像内部文档一样持续演进，而不必以牺牲上下文预算或缓存命中率为代价。
对用户/开发者/创作者的影响
对开发者，技能作者需要在 SKILL.md 的 metadata.include_tools 中声明工具，并将这些工具传给 SkillsMiddleware 而不是直接交给 Agent；技能不再只是提示词文件，而成为工具权限和上下文的入口。对使用 Deep Agents 搭建销售、客服等 Agent 产品的团队，预置技能可减少首轮延迟，线程内重载让长期运行的 Agent 能跟上技能库更新。对创作者而言，写技能的门槛仍然是 Markdown，但绑定工具后，技能会同时决定 Agent 能做什么、在什么时候知道该怎么做。需要注意的是，中途新增工具依赖具体模型支持，目前公开信息显示仅 Anthropic 和 OpenAI 的较新模型具备该能力，其余模型走兼容路径。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，工具绑定是否会成为 Agent Skills 标准的一部分，还是仅限 Deep Agents 的实现；第二，支持对话中途新增工具的模型清单是否扩大，决定缓存友好路径的覆盖范围；第三，技能注册表规模上千后，绑定工具、固定技能和重载机制在延迟、缓存命中与权限管理上的实际表现。
