曾将调试完美的 Skill（技能指令）分享给同事，结果产出大相径庭：作者运行结论精准、过程可验；同事运行却半数由 AI 幻觉编造。同一工具、同一任务，效果天壤之别。这揭示了一个残酷真相：Skill 本质是伪需求，直接分发 Skill 等于分发草稿。
无论是 Skill 还是 Agent（智能体），都不应直接作为业务场景的最终交付物。其核心症结在于大多数团队误以为在分享 AI 能力，实则是在分发不稳定的个人经验。
Skill 为何天生不稳定
Skill 是一段自然语言指令，看似 SOP（标准作业程序），但执行主体不同：SOP 由人执行，Skill 由模型执行。模型的特性是每次运行都会重新理解指令，对模糊地带做出不同决策，这是方差的第一层来源。
第二层方差源于运行环境。Skill 的真实运行不仅依赖指令文本，还依赖操作者的工作区、全局规则、上下文积累以及实时的纠偏能力。分享 Skill 仅传递了“菜谱”，而缺失了“厨房、食材和手艺”。
第三层在于质检机制。作者运行时可即时识别并纠正偏差，而同事缺乏同等鉴别力与纠偏能力，导致输出不可控。因此，Skill 的不稳定与工具或模型无关，而是其分发模式决定的。
智能体是核武器而非电网
所谓“智能体是核武器”，意指其赋予模型更大的自由度与权限，让它自主决策步骤。但这恰恰放大了“模型现场决定”的病根，导致自由度越大，方差越大，结果不可复现。
组织需要的不是威力巨大但不可控的“核武器”，而是全年稳定供电的“电网”。智能体适合探索性、一次性或边干边想的场景，但将其作为组织的标准化交付物则是错误的。Agent 是许愿，Workflow（工作流）才是管理。
Workflow 的本质定义
判断是否为 Workflow 的核心标准在于流程的主导权：若每一步由代码主导，即为 Workflow；若由模型主导，无论外壳如何，本质上仍是 Agent。
以 VOC（用户之声）评论洞察工具为例，其五道工序中，数据抓取、统计聚合由纯代码完成；AI 仅在特定环节按代码设定的严格规则打标，且生成内容必须附带原文以防幻觉；最终的产品定义单由流程收敛而成。全程顺序由代码锁定，AI 无权更改。
这种模式下，同一批数据无论跑多少遍、由谁操作，结果均一致。Skill 是个人的能力，依赖使用者水平兜底；Workflow 才是组织能力，将半成品转化为可复制的成品。
为何 Workflow 代表组织能力
引用亚当·斯密《国富论》中别针工厂的案例：将手艺拆解为十八道工序，普通工人的协作产能远超全能手艺人。AI 落地同理，Skill 是手艺人模式，产出取决于个人；Workflow 是工厂模式，将判断拆解进工序，确保产出的标准化与稳定性。
三种核心工位
构建 Workflow 的总纲是：代码定流程，AI 干工序，人做拍板。流水线上仅存在三种工位：
- 代码工位：处理规则明确的死逻辑，如数据抓取、计算、汇总。凡能写成规则的，绝不交给 AI。
- AI 工位：处理语义判断，如评论情感分析、异常识别。规则无法写死但标准清晰的任务。
- 人工位：处理责任归属与最终决策，如功能立项、选品投放。此类责任不可外包。
多数 AI 项目失败源于工位错配：将确定性工作交给 AI 导致方差，或将决策权交给 AI 导致黑盒失控。
装配四步法
第 0 步：评估适配性
高频、多人协作、判断已收敛的任务才值得建立流水线。若判断维度多变且未收敛（如全自动选品），强行建流水线只会固化混乱。原则：判断收敛才写死，变化中的判断留给人。
第 1 步：撰写 SOP
将实际操作拆解为一步一令的工序，每步需能用一句话清晰描述输入、处理与输出。这一步必须由懂业务的一线人员完成，避免管理层“臆想”。原则：一句话说不清进出的，不算合格工序。
第 2 步：分配工人
逐句审视工序：规则写死的给代码，标准清晰但规则灵活的给 AI，需担责的留给人。核心原则是"AI 工位越少越小越好”，能用代码解决的绝不用 AI，给 AI 出选择题而非作文题。
第 3 步：预设约束
针对 AI 易发散的环节提前立规。例如限制单次处理数量、禁止无依据编造、强制输出格式校验、要求注明出处等。原则：哪里容易发散，哪里就上约束。
第 4 步：安装仪表
记录每道工序的中间结果。一旦输出异常，可精确定位故障环节，仅替换该环节的指令或模型，而不影响整体流程。原则：哪道歪了查得出，哪道差了换哪道。
图纸比代码更值钱
在 AI 辅助编程普及的今天，写代码已非瓶颈。真正的核心资产是“工位图”——明确工序、顺序、执行者、约束点及中间结果的业务蓝图。
业务专家应扮演甲方角色，绘制图纸；AI 扮演施工队，负责实现。建议分两期实施：首期在本地跑通脚本，由业务人员验收中间产出；二期部署为网页服务，供团队直接使用。
此举实现了能力的集中进化：优化仅需在源头修改图纸，全员即刻同步新版。相比之下，分发的 Skill 无法收敛，改一处需通知百人。组织资产与个人技巧的分界线，正在于此。
最懂业务的人画图纸，AI 负责施工。将问题拆解为动作，将工作拆解为工位，才是 AI 落地的正途。