最近一直在搞一个 Skills 的站（Claw0x），从选型到架构到上线，把 Agent Skills 这套东西认真学了下。
正好今天看到 Claude 团队的 @thariq 一篇爆款帖子，加上前几天 Anthropic 官方放出的 Skills 指南，有一个越来越强烈的感觉——
Agent Skills 未来会替代绝大部分 App 和网页工具。
不是那种"未来十年"的拍脑袋，而是现在进行时。
我自己做站的过程中就已经看到了：很多我以前要打开浏览器、登录某个网站、上传文件、等结果、下载结果的操作，现在一个 Skill 调用就搞定了。
用户甚至不需要知道背后是哪个工具在干活。
这意味着什么？意味着大量"中间商"型的工具网站，存在的理由正在消失。
下面我展开聊聊，重点围绕哪些工具会被替代，为什么，以及这对开发者的出海变现意味着什么。
一、五类首当其冲会被 Skill 化的工具
1. 原子化的数据处理与转换工具
这类工具功能极其单一：一个输入，中间做一次转换处理，吐出一个输出。PDF 转文本、图片去背景、JSON 格式化、语言翻译、代码转换、单位换算……
搞 Claw0x 的时候，第一批上线的 Skill 里就有 parse-pdf 和 translate。
说实话，这类工具的"产品"本质就是一个函数调用。 以前之所以需要一个网页，是因为用户没有别的方式来触发这个函数。
现在 Agent 可以直接调用了，那个给人看的网页就变成了多余的壳。
要么被大模型直接内化（比如简单的格式转换，Claude 和 GPT 已经能原生处理），要么被封装成 Skill 供 Agent 按需调用。
Remove.bg 那种去背景工具，未来大概率就是一个 0.01 刀/次的 Skill，而不是一个需要你注册账号、选套餐的网站。
2. 粘合集成的自动化工具
Zapier、IFTTT、Make 这类工具，本质是用 if/else 条件语句把不同 API 粘在一起的简单工作流。
"收到邮件 → 提取附件 → 存到 Google Drive → 发 Slack 通知"——这种逻辑，以前需要你在 Zapier 里拖拖拽拽配半天。
现在呢？你跟 Agent 说一句自然语言，它通过 MCP 直接调用多平台 API，实时生成这些逻辑。中间那个"自动化平台"变得透明了。
Agent Skills 可以直接实现跨 App 的数据流转，让中介化的自动化平台逐渐失去存在感。
当然，复杂的企业级工作流（几十个节点、异常处理、审批链）短期内还替代不了。但那些5 步以内的简单自动化，已经没必要为它们付月费了。
3. 信息检索、总结分析类工具
AI 最擅长的就是信息的整合、分析、总结。
现在 Chat 已经替代了绝大部分信息检索的功能——我自己已经很少直接 Google 了，大部分问题直接问google AI Mode或者 Claude。
未来 Skill 加上一些简单的工作流和策略后，绝大部分数据洞察、信息总结分析类工具都会被替代。
网页摘要插件、新闻聚合器、简单的价格监测工具、短视频文案脚本生成、文章总结、简要分析报告……
这些东西的核心逻辑就是 "抓取 → 清洗 → 呈现"，Agent 的浏览技能配合 RAG 技术，可以直接在底层完成，不再需要独立的 UI 界面。
在 Claw0x 上线的 tavily-search 和 scrape 这两个 Skill，基本就是在做这件事。
一个负责搜索，一个负责抓取网页内容，Agent 拿到数据后自己分析总结。
以前这需要一个完整的 SaaS 产品来承载，现在两个 Skill 组合一下就够了。
4. 纯 UI 套壳的微型 SaaS
这类 SaaS 在模型还不够强大、还没长出手和脚（Skills）的阶段，确实有价值——它们本质上是在弥补 Agent 的能力不足。
但当模型变强，长出 Skill 之后，这类微型 SaaS 都会被替代。
简单的 SEO 关键词生成器、推文排版工具、简历优化工具、各种"xxx 生成器"、"xxx 计算器"……
这些产品的共同特征是：给某个特定 API 加了个漂亮的 Dashboard。
用户不再需要"登录"和"操作菜单"，Agent 通过专业技能包直接在任务流中完成。
微软 CEO 纳德拉在 BG2 播客里说得很直白：
传统 SaaS 应用本质上就是"CRUD 数据库加一堆业务逻辑"，在 Agent 时代，这些业务逻辑会迁移到 AI 层。这些 SaaS 点工具被 Agent 替代只是时间问题。
5. 标准化的客服与行政辅助工具
预约挂号、机票代订、初级财务入账、简单的客服问答……
这类任务只需要 Agent 调用支付和日程 API 即可闭环，完全不需要用户去操作网页。
纳德拉指出，Agent 工作流将直接替换应用系统的后端业务逻辑层。
这类用户只是为了得到一个结果，而不得不去操作 UI的工具，最容易被转化为 Skill。
二、一个核心判断
这些可被 Skills 替代的工具，大多具备三个特性：
高频、低复杂度、强节点性。
它们的价值在于"连接"或"格式转换"，而非复杂的创意或重度决策。
以后不是说这些功能不存在了，只是它们会以 Skills 的形式融入到复杂工作流中。
七鹿的判断：
Skills 就是未来的主流产品形态。人不再需要更多的图形交互网页来与应用进行交互。
让 AI 给出结果，人来判断与评估就好了。
结果不行？让 AI 重试就好了。
而拥有 "独家专有数据"或"重度协作工作流",如 Figma、Notion、飞书等工具，更有可能演变为 Agent 下层的基础设施——它们不会消失，而是变成 Skill 调用的底层服务。
三、Skill 到底长什么样呢？
Anthropic 定义了他们团队中常见的9 个技能使用场景
说了这么多"Skill 会替代什么"，那 Skill 到底是什么？
很多人以为就是一个 Markdown 文档，写点提示词就完事了。 不是的。每个 Skill 本质上是一个文件夹结构，里面可以包含脚本、数据、配置和自然语言指令。
这也是Claude 文章传递的最核心，也是七鹿认为最深刻的观点。
Anthropic 团队在 Claude Code 的实践中，把 Skills 归纳为 9 类核心模型。
这套东西的核心理念叫上下文工程——不是给模型塞更多 token，而是在对的时机给对的上下文，让 AI 的执行效率最大化。
1. 库与 API 参考
教 Agent 怎么正确使用某个库、CLI 或 SDK。
里面放的是参考代码片段、内部库的边缘情况，以及一份"规避清单"——哪些写法看起来对但会出 bug。
这类 Skill 解决的是"Agent 会写代码但不了解你的技术栈"的问题。
2. 产品验证
描述如何测试或验证代码运行情况。
通常配合 Playwright 或 tmux 等外部工具，甚至让 Agent 录制操作视频或执行程序化断言。
不只是跑单元测试，而是让 Agent 像 QA 一样去验证"这个功能真的能用"。
3. 数据获取与分析
连接数据源和监控栈（比如 Grafana）。
Skill 里包含带凭据的取数脚本、特定的仪表板 ID、常见的数据查询工作流。
Agent 拿到这个 Skill 后，可以直接去拉数据、跑分析，而不是让你手动导出 CSV 再喂给它。
4. 业务流程与团队自动化
把重复性的工作流——写周报、开工单、更新项目状态——自动化为单一命令。
关键设计是通过保存历史日志文件（Memory），让模型在多次执行中保持状态一致性。
这不是一次性的脚本，而是一个有记忆的自动化流程。
5. 代码脚手架与模板
为特定功能生成框架样板代码。
结合自然语言要求和代码模板，处理那些纯代码覆盖不了的配置需求——Auth 预配置、Logging 接入、环境变量初始化这些。
新项目起步或者加新模块的时候，这类 Skill 能省掉大量重复劳动。
6. 代码质量与审查
强制执行组织内部的代码规范并协助 Code Review。最有意思的设计是"对抗性审查"：
Skill 会启动一个子代理专门挑毛病，反复批判性检查，直到问题减少到只剩细枝末节为止。
比人工 Review 更彻底，因为它不会碍于面子放水。
7. CI/CD 与部署
协助代码的获取、推送和部署。 涵盖自动重试不稳定的 CI、解决合并冲突、灰度发布（Gradual Rollout）及回归自动回滚。
这类 Skill 让 Agent 不只是写代码，还能把代码安全地送上线。
8. 运行手册
根据症状（Slack 报警、错误签名）进行自动化调查。
Skill 里定义了"症状 → 调查工具 → 查询模式"的映射关系，最终生成结构化的故障分析报告。
凌晨三点收到报警，Agent 先跑一遍 Runbook 把初步排查做了，工程师醒来看报告就行。
9. 基础设施运营
执行日常维护和具有破坏性的操作（比如清理孤立资源、轮换密钥）。
这类 Skill 的重点是"防护栏"——
引导工程师在执行关键操作时遵循最佳实践，防止手滑删库。
看完这 9 类，你会发现一个规律：Skill 不是"提示词的升级版"，而是"工作规范的封装"。
正如我在即刻发的这篇帖子，skills 的本质是：
一组模型本身能力之外的可复制的可执行的策略。
每一类都对应着一个真实的工作场景，里面包含的不只是"怎么做"的指令，还有脚本、数据、配置和安全约束。
这也是为什么我说 Skill 会替代大量工具——因为很多工具本身做的事情，就是这 9 类中的某一类或某几类的组合。
只不过以前需要一个完整的产品来承载，现在一个 Skill 文件夹就够了。
四、未来怎么搞？从"卖软件"到"卖技能"
这是我最近思考最多的部分。
既然中小型工具会 Skill 化，开发者的盈利模式必然要跟着变。
这不仅是计费方式的改变，更是整个商业底层逻辑的重构——从"占有用户时间"转向"解决用户问题"。
模式一：从订阅制转向按量计费
这是最直接的改变。
当你的工具不再有界面，用户不再登录时，传统的月费/年费制就难以为继了。
计费逻辑变成：
按 Skill 的调用次数、处理的数据量或节省的时间收费。
举个栗子：
如果你封装了一个"精准翻译并排版 PDF"的 Skill，你将不再收 9.9 刀/月，而是 0.1 刀/页。
这降低了用户的门槛——只要 Agent 认为你的 Skill 效率最高，它会在毫秒内完成购买决策。
这也是我搞 Claw0x 时选择 pay-per-call 模式的原因。
Agent 不会去比较哪个工具的 UI 更好看，它只关心：谁更快、谁更准、谁更便宜。
模式二：技能版税模式
类似 App Store 或流媒体平台的分成逻辑。
简单点说，
就是依附大平台，出卖自己的时间，给平台做skills供给。
开发者将 Skill 托管在大型 Agent 平台（OpenAI 的 GPT Store、Anthropic 的 MCP 生态、或者像 Claw0x 这样的 Skills Layer）。
当用户的复杂任务触发了你的 Skill 时，平台根据贡献度分摊收益。
分成方式类似 Spotify 按播放量分钱，抖音的创作者分成等。
Agent 越聪明，调用的"插件技能"越多，开发者获得的使用收益就越像一种被动版税。
模式三：结果导向的"成功费"
这是 AI 时代最具颠覆性的模式。
因为 Agent 代替人可以闭环完成任务，开发者可以直接为"结果"定价，而不是为过程收费。 举几个栗子：
-
• 订票 Skill：成功抢到打折机票，收差价的 5% -
• 退款 Skill：成功帮用户完成购物退款，收手续费 -
• 线索 Skill：帮企业 Agent 过滤并找到一个高意向客户，按 Lead 收费
这种模式的好处是：用户零风险，Skill 不成功不收费。
这对 Agent 的决策逻辑来说非常友好——它会优先选择"成功才收费"的 Skill，因为这降低了它的决策风险。
模式四：数据与 API 的"过路费"
如果你的 Skill 背后连接着独特的私有数据——实时行业研报、特定地区的物流状态、某领域的专业知识库、行业数据——
那么 Skill 只是一个壳，你真正卖的是数据接口。
Agent 本身不产生信息，它需要 Skill 去"买"信息。
只要 Agent 还需要你的数据来做决策，你就拥有定价权。这是壁垒最高的玩法。
所以，从现在开始，积累自己的数据吧！
五、不得不面对的现实
未来会极度内卷：
如果一个 Skill 只是简单的 API 调用（比如调用 GPT 处理文本），这种 Skill 很快会变成零利润的商品。
通用功能巨头会免费自研，你根本竞争不过。
分发权丧失：你的流量生死掌握在头部 Agent 厂商（OpenAI、Anthropic、Apple、Google、豆包、DeepSeek）手里，它们可以通过分发或者推荐排序算法瞬间让你失去订单。
（就像抖音的视频算法、谷歌的网页排名算法一样）
这跟 App Store 的逻辑一样，但更极端——因为用户甚至不知道是"你的"工具在工作。 所以也就不存在你。
品牌消失：用户可能根本不知道是谁的 Skill 在干活。品牌溢价消失，只剩功能竞争。你的 Skill 对用户来说就是一个黑盒里的零件。
未来怎么玩？
小团队未来不应该做"通用的 Skill"，而应深耕长尾的、高专业门槛的专科 Skill。
比如：专跑某个国家财报审计的 Skill、专门处理医疗影像标注的 Skill、针对特定行业合规检查的 Skill、股票分析专业数据skill。
这些领域的知识壁垒高，数据获取难度大， 巨头不会优先覆盖，但垂直领域的收费天花板通常要高得多。
通用提效类 Skill（数据处理、格式转换）会迅速商品化，利润趋近于零。
垂直行业 Skill（法律、医疗、金融、工程）才是小团队的生存空间。
跟 SEO 套利站一个逻辑——不做大词，做长尾。不做通用，做垂直。不做平台站，做专业工具站。
六、写在最后
在搞 Claw0x 这个项目的过程中，越来越确信一件事：我们正在经历从"web?App 时代"到"Skill 时代"的范式转换。
App 时代的逻辑是：用户打开界面 → 操作 UI → 得到结果。
Skill 时代的逻辑是：Agent 理解意图 → 调用 Skill → 交付结果。
中间那个"操作 UI"的环节，对于大量高频、低复杂度的任务来说，是多余的摩擦。Skills 消除了这个摩擦。
当然，这不意味着所有 App 都会消失。
Figma 不会消失，因为设计本身需要视觉与协作交互。
Salesforce 的核心系统不会消失，因为它承载的是复杂的协作流程和数据资产。
但它们会变成 Agent 调用的基础设施，而不是用户直接操作的界面。
未来的产品形态，大概率是这样的：
少数重度工具作为基础设施存在，大量轻量功能以 Skill 的形式融入 Agent 工作流。人负责判断和评估，Agent 负责决策控制，skill执行和交付。
这个趋势已经不可逆了。
问题只是：你是做 Skill 的人，还是被 Skill 替代的人。
以上。