渐进式披露

渐进式披露（Progressive Disclosure）是一种 AI 交互设计原则，旨在通过分层加载信息来优化 Token 消耗和响应速度。该原则是 [[claude-skill]] 机制的核心设计理念之一。

定义

渐进式披露是指将信息分为多个层次，仅在需要时才加载更详细的内容。在 Claude Skill 的上下文中，它采用三层架构：

1. 第一层（YAML 前置元数据）：始终加载，让 AI 知道何时该触发该技能。
2. 第二层（SKILL.md 正文）：仅在任务相关时加载完整指令。
3. 第三层（关联文件）：根据需要由 AI 发现和引用的文档或脚本。

核心价值

• 节省 Token：避免在每次对话中加载所有信息，减少不必要的 Token 消耗。
• 保持响应速度：减少每次请求的上下文长度，加快 AI 的响应速度。
• 提高准确性：仅在相关时提供详细信息，减少信息过载导致的错误。

应用场景

• Claude Skill：作为 Skill 的核心设计原则，确保技能的高效触发和执行。
• 上下文工程：与 [[context-engineering]] 概念高度契合，是管理 AI 上下文窗口的高级实践。
• 企业 AI 应用：在企业级 AI 应用中，通过渐进式披露实现复杂工作流的自动化。

相关概念

• [[claude-skill]] — 渐进式披露是 Skill 的核心设计原则
• [[context-engineering]] — 主动管理 AI 上下文窗口的技术实践
• [[可组合性]] — 确保多个 Skill 能协同工作的设计原则
• [[移植性]] — 确保 Skill 能在多种环境下运行的设计原则