4A企业架构和TOGAF如何指导Agent Skill设计
引言：AI Skill设计的"巴别塔"困局
当下的AI Agent生态，正陷入一种似曾相识的混乱。
去年帮一家保险公司梳理Agent技能库，发现100多个Skill横七竖八地堆在一起——有的直接调API，有的内嵌业务逻辑，有的把数据获取和分析揉成一团。问架构师这些Skill怎么分类，回答是"按安装顺序排的"。再问两个Skill之间数据怎么流转，回答是"各写各的"。一个股票监控Skill自己爬数据、自己做分析、自己发消息，三件事耦合在同一个脚本里。换一个场景想复用其中的分析逻辑？做不到，只能重写。
这不是个例。几乎所有率先部署AI Agent的企业都面临同样的困境：Skill越堆越多，越堆越乱。缺乏统一的能力域划分，缺乏标准化的数据接口，缺乏清晰的组合规则，缺乏可复用的构建块沉淀。
听起来很熟悉？没错——这正是企业架构在20年前要解决的问题。当年企业信息化的混乱，和今天AI Skill的混乱，本质上是一回事：没有架构约束的开发，必然走向无序。
4A企业架构（业务架构BA、数据架构DA、应用架构AA、技术架构TA）加上TOGAF的构建块思想，为Agent Skill设计提供了一套经过验证的方法论。本文试图建立这二者之间的映射框架，并用实际案例说明其可行性。
4A映射框架：四个问题驱动Skill设计
企业架构的核心是四个问题：做什么（BA）、数据怎么流（DA）、用什么组合（AA）、底层怎么支撑（TA）。这四个问题同样适用于Skill设计。
| 架构层 | 核心问题 | Skill映射 | 输出物 |
|---|---|---|---|
| BA 业务架构 | 做什么业务 | Skill能力域划分、价值链映射 | 能力域地图 |
| DA 数据架构 | 数据怎么流 | Skill间数据流、信息交换标准 | 数据流图 接口规范 |
| AA 应用架构 | 怎么组合 | Skill组合关系、依赖图谱 | 组装蓝图 |
| TA 技术架构 | 底层怎么支撑 | Skill运行时、基础设施 | 技术选型方案 |
BA：Skill能力域划分
业务架构解决"干什么"的问题。4A框架下，BA层将企业能力分解为可组合的业务能力块，每个能力块对应一个或一组Skill。
我们以金融行业为例，将AI能力划分为6个能力域：
| 能力域 | 核心Skill | 典型场景 |
|---|---|---|
| 知识检索 | KnowledgeRAGHandler | 合规模范查询、产品手册问答 |
| 数据分析 | DataAnalysisHandler | 渠道效能分析、业绩归因 |
| 报告生成 | ReportGenHandler | 尽调报告、审计底稿 |
| 文本生成 | TextGenHandler | 营销话术、会议纪要 |
| 评分决策 | ScoringEngineHandler | 信用评估、风险评级 |
| 文档解析 | OCRParserHandler | 发票查验、进件核对 |
每个能力域是一个高内聚的Skill集合。能力域之间的边界由业务流程决定——知识检索和数据分属不同能力域，因为它们的业务语义和用户角色不同；但知识检索配合报告生成可以组装成更复杂的业务流程。
DA：Skill间的数据流设计
数据架构解决"数据怎么流"的问题。最关键的决策是：Skill之间交换数据的格式和协议。
我们的实践是采用JSON Schema作为Skill间数据交换的契约：
每个Handler声明输入Schema和输出Schema 上游Handler的输出Schema必须兼容下游Handler的输入Schema 非兼容的连接需要通过Adapter Skill桥接这种设计保证了Skill组合的数据安全性。在实际生产中，我们遇到过两个教训：
评分引擎的输出直接喂给报告生成器，但评分结果缺少置信度字段，导致报告措辞过于绝对。修复方式是在ScoringEngineHandler的输出Schema中增加confidence字段，并要求下游Handler根据置信度调整输出语气。
文档解析输出的数据结构包含嵌套的表格数据，数据分析Handler无法直接消费。解决方案是引入一个FlattenAdapter Skill，将嵌套结构展平为二维表格格式。
AA：Skill的组合关系
应用架构解决"怎么组合"的问题。这一层决定了Skill的组装粒度和复用边界。
我们使用三层组装模式：
原子Skill：单个Handler完成单一功能，如OCRParserHandler做发票识别 复合Skill：多个原子Skill按流程编排，如尽调报告 = OCR解析 数据分析 报告生成 场景Skill：面向最终用户的端到端体验，如企业尽调智能体 = 用户交互 尽调报告 风险评分组装的关键约束是：复合Skill只能调用原子Skill或子复合Skill，不能跨层直接调用Handler。这保证了每一层都有明确的抽象边界。
TA：技术架构支撑
技术架构解决"底层怎么支撑"的问题。核心是三个选择：
Skill运行时：选择支持Skill热加载和版本管理的运行时 编排引擎：选择支持DAG编排的流程引擎 状态管理：选择支持Skill间状态共享的存储方案在我们的实践中，选择了Phase-Orchestrator作为编排引擎，它支持4-Phase强制链式调用和条件分支。状态管理采用结构化JSON传递，在每个Phase的入口和出口进行schema校验。
TOGAF构建块思想：Skill的可复用单元
4A给出了Skill的架构框架，TOGAF的构建块（Building Block）思想则给出了Skill的可复用设计规范。
什么是构建块
TOGAF定义的构建块有两个核心特征：
功能内聚：一个构建块封装一组紧密相关的功能 接口标准：构建块通过标准接口对外暴露能力，内部实现对外不可见这与Skill设计的要求完全一致。一个设计良好的Skill应该是一个标准的构建块：内部封装具体的Handler逻辑和数据访问，外部只暴露输入输出接口。
构建块的分类
TOGAF将构建块分为两类：
架构构建块（ABB）：定义能力边界和接口规范，类似于接口 解决方案构建块（SBB）：ABB的具体实现，类似于实现类在Skill体系中，这对应两个层次：
| 层次 | 对应概念 | 示例 |
|---|---|---|
| ABB | Handler接口定义 | ScoringEngineHandler声明输入为客户数据、输出为评分结果 |
| SBB | 具体Skill实现 | 信用评分Skill实现逻辑回归评分，风险评级Skill实现规则引擎评分 |
ABB/SBB分离带来了两个直接好处：
实现可替换：同一个ABB可以有多种SBB实现，根据场景选择最适合的实现 接口驱动开发：先定义ABB（接口），再开发SBB（实现），降低开发耦合构建块的组合规则
TOGAF的组合规则对Skill设计有三条约束：
单一职责：一个Skill只做一件事。违反此规则的典型表现是股票监控Skill同时做数据获取和分析 依赖显式声明：Skill的依赖关系必须在配置中声明，不允许隐式依赖 数据流方向单一：Skill之间的数据流必须是单向的，不允许循环依赖实战案例：企业尽调智能体
以企业尽调智能体为例，展示4A TOGAF如何指导一个完整Skill系统的设计。
BA层：定义能力域
企业尽调需要6个能力域覆盖：
| 能力域 | Skill | 业务价值 |
|---|---|---|
| 文档解析 | OCRParserHandler | 提取财务数据 |
| 知识检索 | KnowledgeRAGHandler | 查询合规要求 |
| 数据分析 | DataAnalysisHandler | 计算财务指标 |
| 评分决策 | ScoringEngineHandler | 输出风险评级 |
| 报告生成 | ReportGenHandler | 生成尽调报告 |
| 可视化 | VisualizationHandler | 风险仪表盘 |
DA层：设计数据流
6个能力域的数据流向：
文档解析 → 数据分析 → 评分决策 → 报告生成
知识检索 → 评分决策
评分决策 → 可视化
报告生成 ← 可视化
每个箭头代表一条JSON数据流，每条数据流都有对应的Schema约束。
AA层：组合Skill
两层组装：
原子层：6个Handler各自作为原子Skill 复合层：企业尽调Skill = 文档解析 数据分析 评分决策 报告生成知识检索和可视化作为可选增强，不纳入核心流程。
TA层：技术选型
编排引擎：Phase-Orchestrator，4-Phase链式调用 状态管理：结构化JSON，Phase间传递 运行时：Python 3.10 ，Skill热加载经验总结：从方法论到实践的三个教训
架构要先行但不求完美。先建立4A的骨架，让每个Skill至少知道自己属于哪个能力域、数据从哪来往哪去。细节在迭代中补齐，但框架不能缺。
构建块粒度由业务决定，不由技术决定。一个股票分析Skill之所以应该拆分为数据获取 分析 通知三个Skill，不是因为技术上做不到合一，而是因为业务上存在独立复用这三个能力的场景。
Schema是Skill间的契约，不是建议。松散的接口约定会随Skill数量增长而崩溃。只有强制执行Schema校验，才能确保Skill组合的可预测性。
4A和TOGAF不是新概念，但将它们系统性地映射到Agent Skill设计，当前实践尚少。希望本文的框架能为AI Agent的架构化发展提供一个起点。
Agent Skills 开源生态
本文涉及的技能和框架已开源，欢迎 Star / Fork / PR：
| 仓库 | 内容 | 协议 | 链接 |
|---|---|---|---|
| financial-ai-skills | 104个金融AI技能，零API费 | MIT | https://github.com/yuzhaopeng-up/financial-ai-skills |
| teleagent-skills | 5个通用Agent技能(评分引擎/证据链/数据聚合/可视化/NL2Query) | Apache 2.0 | https://github.com/yuzhaopeng-up/teleagent-skills |
| agent-cluster-comm | 5层集群通信技能(L1-L5) | Apache 2.0 | https://github.com/yuzhaopeng-up/agent-cluster-comm |
| skill-framework | 208技能分类体系 L0-L4框架 YAML模板 | MIT | https://github.com/yuzhaopeng-up/skill-framework |
| fintech-h5-demos | 12个零依赖金融H5演示 | MIT | https://github.com/yuzhaopeng-up/fintech-h5-demos |
