AI 实践 · 技能
技能不是更聪明的 AI，是被写下来的流程
它有用，不是因为模型变强了，而是因为有人终于把流程写清楚了
CHAPTER 43 · 实践篇
2025 年 10 月 16 日，Anthropic 发布了一个新东西，叫「技能」（Skills）。它的定义简单到近乎可疑：技能就是一个文件夹，里面装着指令、脚本和资源，模型需要时自己去读。官方给出的最短描述是——「一个 Markdown 文件，教会 Claude 一次如何做某件事，之后 Claude 会在相关时自动应用这些知识」。
当天，一位写了二十多年技术博客的资深从业者写了一篇评论，标题就是一句判断：「技能很酷，可能比 MCP 更重要。」他给出的理由不是能力，而是简单：MCP 是一整套协议规范，而技能只是「Markdown 加一点 YAML 元数据，再加几个可选脚本」。
四个月后，有人用数据打了这个判断一巴掌。2026 年 1 月底，一家做前端框架的公司在自己的博客上公开了一份评测结果——在 56% 的评测用例里，技能根本没有被触发。
一个「简单到可疑」的东西，为什么一半时间不起作用，另一半时间却能让人把 6700 笔交易在 7 分 29 秒里做完？
这篇文章想回答的就是这个问题。而答案可能会让你有点意外：技能不是「更聪明的 AI」，它是「被写下来的流程」。
CHAPTER 01
先看它能干什么：三个行业，三种实测
在讨论原理之前，先看三件真事。
法务：把「发布前一天」变成「提前一天」
Anthropic 自己的法务副总演示了一个具体工作流，痛点非常真实。最典型的场景是市场材料的法务审核——
她的原话是：「没有律师喜欢一遍又一遍做同样的重复动作。这类工作枯燥，而且容易出错。」「以前市场团队可能在我发布前一天才来找我，说『我们明天有个特别重要的发布，抱歉博客文章刚定稿，需要你快速读一遍、标出任何可能有问题的地方。』」
于是她做了一件很朴素的事：只对 Claude 说了一次——「帮我建一个工作流，这是我在意的东西」。她的原话是：「让我意外的是，Claude 直接就把它跑起来、搭好了。」
现在的工作流是这样的：市场人员打开自检工具，把稿子粘进去，点「分析内容」。Claude 会识别出需要处理的问题——在她演示的那次里是 5 个：准确性、安全声明、第三方内容的宣传权、合作方考量。它还会给出「哪些地方看起来不错」的肯定，并基于她给的框架给出低/中/高风险信号，然后一键生成给法务团队的 Slack 消息、一键提交工单。
她对这个工具的角色定位说得很准：「它就像我第一遍筛查的眼睛和耳朵。」但她紧接着说了全篇最重要的一句：「我总是努力确保法务团队的人留在回路中。我们知道 AI 系统仍然会产生幻觉。」
会计：6700 笔交易，7 分 29 秒
如果说法律行业的演示还带着「官方宣传」的味道，那会计这一份就是硬碰硬的基准测试。做测试的是一位有 15 年经验的税务专业人士。
01 67 笔 · 三个月对账单分类准确，表格底部的余额和第三个月对账单的期末余额对上了。
02 670 笔 · 12 个月对账单耗时 12 分钟。
03 6700 笔 · 全量耗时 7 分 29 秒，余额和最后一份对账单的期末余额一致。
中间还有一个很能说明问题的优化细节。他发现分类每笔交易是最慢的部分——AI 会为每一笔去「想」，甚至去研究「这个供应商是什么」。于是他做了一个技能：在分类过程中即时创建「供应商映射表」，第一次看到一个新供应商时想一次，之后每次都自动按之前的选择分类。效果是：670 笔的测试从 12 分 10 秒降到 3 分 12 秒。
他还做了两件更狠的事。收据：41 张收据链接到 Excel 里对应的交易并重命名，约 60 秒——而且这些收据是 PDF 里的图片，AI 必须对每一张做 OCR。报税：三份客户税务文件，最厚的一份 57 页，要录入一份 1040 工作底稿，花了近 30 分钟，录入了 349 条记录。他的复核结论是：「我是一个有 15 年经验的税务专业人士，我复核了它做的工作，看起来是对的。」
最能说明问题的是反向测试。他人为植入了 10 处错误：把一笔 401k 转存改成应税、删掉一个分配代码、把一个 W2 州 ID 号改了一位、改掉州退税的年份、编了一笔 1099 利息、把学生贷款利息改了 20 块、改了一个账号……然后让 AI 去「批改卷子」。不到一分钟，全部找出。
但他也说了全篇最重要的一句：「如果我那家 40 人的事务所有这个，我会改变所里每个人的工作方式。问题是，我还不能放心把敏感的客户信息交给它。」
这不是谦虚。他给出的理由是具体的：这个工具目前处于「研究预览」阶段；「Claude 自己也说，可能还不该用于受监管的工作流。而在美国，至少税务工作肯定是受监管的工作流。」
营销：机构收 5000 到 10000 美元的事，两分钟做完
一位自动化从业者用 15 个技能搭了一个营销审计工具。他先拿一个知名网站跑：五个智能体并行，两分钟出结果——75 分（满分 100），PDF 报告里有执行摘要、内容与信息、转化优化、SEO 与可发现性等各项评分拆解，以及按严重程度分级的关键发现。然后他换了一个本地医美诊所再跑，64 分（C-）。关键发现第一条是「肉毒素套餐定价不一致」——一个页面写「100 单位 1400，省 400」，另一个页面写同一套餐「1500，省 300」。第二条是「全站零元描述」。
他给出的对比是：「营销机构为接下来我要展示的东西每月收 5000 到 10000 美元，而我免费教你搭出来。」他还点破了一个双向痛点：「企业现在极度渴望营销帮助，但他们付不起机构；另一面，有人想开 AI 自动化机构，却没有可交付的工具。」
▲ 同一套方法，在法务、会计、营销三个行业各自跑出实测结果
三个行业，三种完全不同的活，都跑出了结果。但请注意一件事：这三个案例里，真正起作用的都不是「AI 更聪明了」。法务的案例里，起作用的是她把「我在意什么」写成了流程；会计的案例里，起作用的是有人把「怎么分类」变成了可执行的步骤；营销的案例里，起作用的是有人把「怎么审计一个网站」拆成了 15 个模块。
CHAPTER 02
它凭什么有用：简单到能被写下来
Anthropic 官方的说法是：技能是文件夹，里面是「指令、脚本和资源」。它给了四条特性。
· 可组合——技能之间可以互相配合；
· 可移植——同一格式跨 Claude 应用、Claude Code 和 API；
· 高效——只在需要时加载需要的东西；
· 强大——可以包含可执行代码。
官方的比喻是「自定义入职材料」：你把自己的专业经验打包起来，让 Claude 成为你所在领域的专家。
你希望谁来帮你报税？
在 Anthropic 自己的技术分享里，两位讲者用了一个很形象的对比：你希望谁来帮你报税？是一个智商 300 的数学天才，还是一位有经验的税务专业人士？「我每次都会选后者。我不想让数学天才从第一性原理出发去推导 2025 年的税法。我需要的是领域专家的稳定执行。」
他们接着说了一句很关键的话：「今天的智能体很像那位数学天才——才华横溢，但缺乏专业经验。」它们能做成了不起的事，但常常一开始就缺少重要的上下文，也不会随时间学习。
所以技能的设计取向是「刻意简单」。讲者的原话是：「换句话说，它们就是文件夹。这种简单是刻意的。」因为只有足够简单，任何人都能创建——不管是人还是智能体，只要有台电脑就行。
渐进式披露：技能和提示词最本质的区别
会话开始时，模型看到的只是每个技能的名称和描述——大概几十个 token。只有当它判断某个技能和当前任务相关时，才去读完整的 SKILL.md；只有当技能指示要用某个引用文件时，才把那个文件加载进上下文。正因为这样，一个智能体才能同时「拥有」成百上千个技能，而不把上下文塞爆。
▲ 一个文件夹装下专业经验，比一整套协议规范更轻
对比一下 MCP 就更能看出这个选择的代价与收益。MCP 是一整套协议规范——hosts、clients、servers、resources、prompts、tools、sampling、roots、elicitation，还有三种传输方式。那位资深从业者点出了它最要命的问题：GitHub 官方那个 MCP，单独就要吃掉数万 token 的上下文，再挂几个，留给模型真正干活的空间就所剩无几了。而技能只是「Markdown 加一点 YAML 元数据」。
它把难的部分外包给了模型和运行环境，自己只负责「把事情说清楚」。
但「简单」是一把双刃剑。正因为简单，AI 也可能根本不知道什么时候该用它。
CHAPTER 03
那为什么有时没用：56% 的用例里它没被触发
2026 年 1 月 29 日，Vercel 在官方博客上公开了一份评测。他们要解决的问题很具体：Next.js 16 引入了 use cache、connection() 这些新 API，不在模型训练数据里，智能体不知道就会写错代码。两条路：一是做成技能（按需调用），二是把文档索引直接塞进 AGENTS.md（每一轮都在上下文里）。他们原本押注技能——「技能看起来是更对的抽象」。
加了技能和没加一样，通过率都是 53%——和完全没有文档的基线一模一样。更糟的是，在某些细分指标上，技能甚至比基线更差（测试项 58% 对 63%）——作者推测，环境里有个没被用上的技能，可能引入了噪声。
他们不死心，在 AGENTS.md 里加了显式指令：「先探索项目结构，再调用 nextjs-doc 技能获取文档。」触发率升到 95% 以上，通过率到了 79%。但接下来发现的事更让人不安：指令的措辞会大幅改变行为。「你必须调用技能」会让智能体先读文档、锚定在文档模式上，反而漏掉项目上下文；「先探索项目、再调用技能」效果更好。
作者的原话是：「如果微小的措辞调整就能带来巨大的行为摆动，这个方案在生产使用上感觉是脆的。」
最后赢的是「笨办法」。他们把文档索引压缩到 8KB，直接嵌进 AGENTS.md——通过率 100%。作者自己都说：「这不是我们预期的结果。那个『笨』办法（一个静态 Markdown 文件）打败了更复杂的、基于技能的检索。」
▲ 评测发现技能未被触发，而静态文档索引反而拿到满分
不过他们没有把话说死。结论是克制的：「技能不是没用。它更适合垂直的、动作特定的工作流，由用户显式触发」——比如「升级我的 Next.js 版本」「迁移到 App Router」这种明确指令。两种方式互补。
请特别注意这个结论的措辞：「由用户显式触发」。也就是说，技能能不能生效，取决于它有没有被写清楚到能被准确识别。写得含糊，AI 就不知道什么时候该调用它——这正是那 56% 的来源。
CHAPTER 04
到底有没有用：第一份配对评测
有人决定不再靠感觉争论，而是做评测。2026 年 2 月，一篇论文挂上了 arXiv，标题叫《SkillsBench：基准测试智能体技能在多样任务上的效果》。它做了第一件严格的事：配对评测——同一批任务，一组不带技能、一组带精选技能，其他条件完全一致。规模是 87 个任务、8 个领域、18 个模型-脚手架配置，每个任务都配了确定性验证器（不是让模型自己打分，而是有客观的对错）。
结果出来了：精选技能把平均通过率从 33.9% 提升到 50.5%——增加了 16.6 个百分点，归一化增益 25.5%。
01 聚焦的技能胜过更大更全的技能包论文的原话是：「最多三个模块的聚焦技能，胜过更大或穷举式的技能包。」这直接反驳了「把所有东西都写进去」的直觉——因为技能写的是流程，不是资料汇编。
02 带技能的小模型可以匹敌不带技能的更大模型换句话说，技能可以在一定程度上替代模型规模。
第二条结论尤其关键。它说明这 16.6 个百分点不是「模型更聪明了」带来的——是「流程被写清楚了」带来的。
CHAPTER 05
核心：有用的不是技能，是「被写下来的流程」
一位长期推广 Google 工程实践的开发者写了篇长文，给出了最精确的表述：技能不是参考文档，而是工作流。
他的原话值得完整读一遍：「技能不是参考资料，不是『关于测试你应该知道的一切』。它是一个工作流：一系列智能体遵循的步骤，带产生证据的检查点，以明确的退出标准结束。」
为什么这个区分是「整件事的关键」？他给了一个极具体的例子：如果你把一篇 2000 字的测试最佳实践文章放进智能体的上下文，智能体会读完它、生成看起来合理的文字、然后跳过真正的测试；如果你放进去的是一个工作流（先写失败的测试、运行它、看着它失败、写最少的代码让它通过），智能体就有事可做，你就有东西可验证。
他把这个原则概括成六个字：过程优于散文（process over prose）。这也顺带解释了一个现象：为什么那么多「AI 规则」仓库在实践中毫无作用——因为那些规则是散文。
▲ 把散文改成带检查点的工作流，并为常见借口预先写好反驳
怎么防止 AI 在流程里「偷懒」：反合理化表
他提出了一个最值得抄的设计——反合理化表。做法是：把智能体（或者一个疲惫的工程师）可能用来跳过流程的借口，配上写好的反驳。他给的例子很真实：
他解释这个设计为什么有效：「大语言模型非常擅长合理化。它们会产出一段听起来合理的文字，解释为什么这个特定任务不需要规格。反合理化表，是写给智能体还没说出口的谎言的、预先写好的反驳。」
不要先写技能，先陪它跑通一次
道理讲完了，但具体怎么把它写出来？一位一线实践者给出了可能比方法论更管用的路径。
他讲了自己的失败案例。他让智能体研究赞助商邮件，判断值不值得合作。结果——「我发的每一封赞助商邮件，它的回答都是『靠谱、靠谱、靠谱、完美、完美、完美』。没有一次拒绝，没有一次说『这家不行』。它根本没做深度研究。」
于是他意识到：模型需要一个逐步指南。但接下来他做了一件很多人不会做的事——他没有立刻去写技能。他说：「很多人会先识别出自己有个工作流，然后立刻跳去创建技能。这是你能做的最糟的事。」
他的做法是：先陪着它一步步走完这个工作流。他会告诉它「查他们的 Twitter、查 YouTube、查 Trustpilot、查有没有融过资；如果其中两项不存在或状态不佳，自动拒绝」。跑通一次、两次之后，他再对 AI 说：「回顾你刚才做的，然后创建技能。」
他把这叫做「递归地构建技能」：技能写出来之后，智能体某个时候还是会搞砸——因为技能里还有信息缺口。当它搞砸时，你把失败反馈给它，让它修好，然后告诉它「带着这个新修复，更新技能，让这件事不再发生」。他的 YouTube 报告生成器从 8 个数据源拉数据，经历了五轮这样的迭代，现在每次都能完美执行。
他还说了一句很诚实的话：「有一段早期投入期，很难受，没人会告诉你。」他花了两周。
技能写好了，放在哪、谁能用、怎么保证同一版
这个问题在 WorkMate 里有一层现成的答案：管理端的「SKILLS 服务管理」接受 .zip 技能包上传（包内需有合法 SKILL.md，YAML 头至少含 name/description/version），后端自动解析并规范化版本号，列表里直接显示最新版本与包状态；授权是按人做的——左侧部门-成员树可以逐人勾选。员工详情里的「Skill 技能」页签会显示每个技能的版本号与启用态。
技能不是一份散落在各人电脑上的文档，而是一件有版本、有归属、有授权范围的组织资产。
CHAPTER 06
边界：写下来的东西，也可以被投毒
但「写下来」这件事，还有另一面。2026 年 2 月，一位安全从业者在技能市场里发现了一件事：当时下载量第一的技能是一个「Twitter」技能——描述、用途、概览，看起来完全是那种你会毫不犹豫安装的东西。
但它做的第一件事，是引入一个名为 openclaw-core 的「必需依赖」，附带看起来像正常文档指针的链接。两个链接都指向恶意基础设施。完整攻击链是：
01 概览技能概览让你装前置依赖。
02 诱导链接指向诱导页。
03 执行命令解码混淆载荷并执行。
04 二段载荷拉取第二阶段脚本。
05 落地脚本下载并运行一个二进制，还移除了 macOS 的隔离属性，以确保系统的 Gatekeeper 不会扫描它。
他把这个二进制安全下载后提交 VirusTotal。结论毫不含糊：macOS 窃密木马。这类恶意软件不满足于「感染你的电脑」，它会洗劫设备上一切值钱的东西：浏览器会话与 cookie、保存的凭证、开发者 token 与 API key、SSH 密钥、云凭证。
他写下了一句被反复引用的话：「在智能体生态里，Markdown 不是『内容』，Markdown 是安装程序。」
▲ Markdown 可能是安装程序，所以这一层需要来源、授权与留痕
更麻烦的是，这件事不能靠「用 MCP 兜底」来解决。他的解释很直接：技能根本不需要使用 MCP。Agent Skills 规范对 Markdown 正文没有任何限制，技能可以捆绑脚本，执行可以完全发生在 MCP 工具边界之外。所以——
「如果你的安全模型是『MCP 会拦住工具调用』，你依然会输给一个绕过 MCP 的恶意技能。」
而这不是孤例。据报道，数百个技能被指涉及通过 ClickFix 式指令分发 macOS 恶意软件。他给出的判断是：这不是一次性的恶意上传，而是一场有组织的投放——「用『技能』作为分发渠道，用『前置依赖』作为社会工程的包装」。他还点出了这件事为什么特别容易得手：人们不认为一个 Markdown 文件会危险；人们被训练成快速跟着安装步骤走；人们相信「下载量第一」就等于可信。
这正好印证了前面那位一线实践者的判断：「我不下载别人的技能。」理由有两个——一是「这是攻击别人的一个简单方式」，二是「你的智能体需要『一次成功运行』的上下文，而别人的技能里没有」。
技能从哪来、谁批的、能碰什么
从哪来 · 上传即解析
技能上传需要合法的 SKILL.md 与规范的 YAML 头，上传后由后端统一解析并规范化版本号，列表里直接显示最新版本与包状态。
谁批的 · 按人授权
左侧部门-成员树可以逐人勾选；员工能调用哪些外部系统，是在「MCP 服务」里精确到工具级控制的——服务卡上会显示「启用工具数 x/y」，同一个服务里允许用哪个工具、不允许用哪个，可以分开设置。
能碰什么 · 出站红线
「安全合规」里可以维护关键词黑名单、设定违规动作的拦截或警告，以及基于大模型的语义审查，每一条被拦下的消息都会进拦截日志。
有两点需要如实说明：管理端的「SKILLS 服务审批」目前是预留占位页，页面可正常进入但功能尚未接入；技能列表里的「删除」实际行为是从列表移除并停用，历史包与授权记录会保留，同名技能包重新上传后可以恢复。
CHAPTER 07
写在最后：先陪它跑通一次
回到开头那个问题：一个「简单到可疑」的东西，为什么一半时间不起作用，另一半时间却能让人把 6700 笔交易在 7 分 29 秒里做完？
现在答案应该清楚了。技能不是「更聪明的 AI」，它是「被写下来的流程」。它之所以有用，不是因为模型变强了，而是因为有人终于愿意把自己那套「只有他会做」的东西，第一次写清楚了。
那三组数字，如果换个角度读，意思完全不同：那 16.6 个百分点的提升，不是模型变强了，是流程被写清楚了；那 6700 笔交易 7 分 29 秒，不是 AI 学会了会计，是有人把「怎么分类」变成了可执行的步骤；那 349 条录入和 10 处错误，不是运气——是有人先陪它跑通了一遍，再把它固化成技能。
所以如果你也想开始，路径其实很短：先陪它跑通一次，再把它写成流程。不要一上来就写技能，先做一遍，让它看着你做，然后对它说「回顾你刚才做的，把它写成技能」。
写完之后，问三个问题：谁能用？能碰什么？出问题查得到吗？这三个问题答得上，技能才真的从「一份 Markdown」变成了「一层能力」。
SUMMARY
过程优于散文——有用的不是技能，是被写下来的流程。
先陪它跑通一次，再把它写成流程；写完记得问：谁能用？能碰什么？出问题查得到吗？
先别急着写技能
先陪它跑通一次，再让它回顾、写成流程——这是最短的那条路。
点赞 · 在看 · 收藏 三连，我们下篇见