还不知道Skill就真的被AI抛弃了！

01. 什么是 Skill？给大模型装个“外挂”

别被那些“开放标准”、“封装逻辑”的黑话绕晕了。

用最人话的方式解释：Skill 就是你写给大模型的一份 SOP（标准作业程序）。

以前我们用大模型，是靠 Prompt（提示词）去“哄”它，效果好坏全看运气。而 Skill，本质上是一个压缩包。它把复杂的提示词工程、外部知识库，甚至执行逻辑的代码，全部打包封在这个压缩包里。

它的核心文件结构非常极客，但也非常性感：

• skill.md
  
  ：这是大脑。里面写满了元数据和指令，告诉AI“你是谁”、“你要干什么”、“你要怎么干”。
• /scripts
  
  ：这是手脚。存放Python脚本或Git命令，用来执行那些AI做不了的硬操作。

这就好比给通用的 AI 博士生，发了一本《垂直行业操作手册》。加载了“日报Skill”，它就是行政专家；加载了“前端Skill”，它就是UI大神。

02. 生态位：Prompt 与 MCP 的混血儿

如果你懂一点技术，你可能会问：这不就是 MCP（模型上下文协议）吗？或者高级版的 Prompt？

都不完全是。Skill 恰好卡在一个非常刁钻的空白生态位：

• 对比 Prompt：Prompt 是软性的，极其不稳定。你换个词，AI 输出的结果可能就变了。
• 对比 MCP：MCP 是硬性的，那是给开发者用的接口，门槛太高，普通人玩不转。

Skill = Prompt（灵活性）+ MCP（执行力）。

它就像是一个微型智能体。你不需要像建设大工程一样去开发它，只需要写好文档，把它丢给大模型（比如通过 / 呼出），它就能在对话框里直接跑起来。

这就是为什么我说，它比 MCP 更可控，比 Prompt 封装性更好。

03. 它是“快捷键”，也是“过滤器”

我在研究 Skill 的时候，脑子里一直蹦出一个比喻：键盘上的快捷键。

这就是我对 Skill 发展的第一个核心判断：
它会极度符合“二八定律”。

想想看，你的键盘上定义了上百个快捷键组合，但你真正能记住并高频使用的，是不是只有 Ctrl+C 和 Ctrl+V？

Skill 的未来也是一样。虽然现在是个 Skill 就能发到市场上，但 99% 的 Skill 都会死掉。只有那些解决了“高频、刚需、标准化”痛点的 Skill（比如自动化日报、代码Review、会议纪要清洗），才会成为那个留下的 Ctrl+C。

不要试图去收藏几百个 Skill，那是伪勤奋。找到那两个能让你效率翻倍的，才是真理。

04. 跨平台：一次编写，到处运行？

Skill 最让我兴奋的点，不在于技术本身，而在于“平移性”。

国内的扣子（Coze）已经跟进很快了。你在 Claude 平台上写的 skill.md，甚至可以直接平移到扣子上生成一个“技能”。阶跃的桌面端甚至支持直接调用本地文件。

这意味着什么？
这意味着执行层的差距，正在成为大模型之间的核心差距。

以前我们要比较谁家的模型更聪明，以后我们要比较的是：谁家的平台能兼容更多的 Skill？

05. 冷思考：反人性的工程化陷阱

吹了这么多，我要泼一盆冷水。

目前的 Skill 开发，依然是“反人性”的。

虽然有 Skill Creator 这种工具，但它的本质依然是工程化思维——你需要写文档、配置参数、调试代码。对于绝大多数只想“用”AI 的人来说，门槛还是太高了。

我的判断是：Skill 目前只是一个过渡形态。

它现在的样子，很像早期的 DOS 系统。未来，Skill 会隐形。它会变成 ChatGPT、Gemini 或者国内大模型里内置的一个个无感知的“插件”。

真正的终局，是“模型能力 + Skill”的无缝融合。

2026年，AI 领域的竞争焦点已经从“模型能力”转向了“使用方法”。

Skill 的出现，给我们提了一个醒：
AI 不缺算力，不缺智力，缺的是对他进行“标准化约束”的能力。

对于我们普通人来说，不需要学会怎么写复杂的代码，但一定要搞懂 Skill 背后的业务拆解逻辑。

因为在未来，写不出好 Skill 的人，可能连 AI 都使唤不动。

大家好，我是学君，大学老师一枚，创业10年老兵，AI研究者，出版《DeepSeek极速上手》《秒懂智能体》等10余部AI书籍。“学君说”是我自己的私人账号，发布对AI的观察、思考和分析，有兴趣的朋友请关注账号或进群。