万字长文：做了些爆款 Skills 以后，我对 Skills 的看法

用户4242

6月12日修改

原创 歸藏的 AI 工具箱 歸藏的 AI 工具箱 歸藏的AI工具箱2026年6月12日 08:20  北京​

如果看不完的话，可以先帮忙点个赞，收藏一下以后看，感谢。​

我最近几次聊 Skills，有一个越来越明确的判断：

大家现在都在说 Agent，但大多数人其实还没有真正理解 Agent。​

大众理解里的 Agent，往往还是一个聊天框。

你输入一句话，它回答一段文字；你再输入一句，它继续回答。​

这个视角下，AI 好像天然会带来一种平权：以前不会写代码的人可以写代码，不会做 PPT 的人可以做 PPT，不会剪视频的人可以剪视频。​

只要模型足够强，大家的能力差距就会被抹平。

但我越来越觉得，这个判断是错的。Agent 不是简单抹平能力差距，而是在放大能力差距。​

头部用户已经默认理解 Agent 的组成：

文档、规则、memory、loop、MCP、CLI、工具调用、权限、安全沙箱、上下文工程、定时任务、心跳、文件系统、代码执行和 Skill。​

但普通用户只知道"Agent 能写代码""Agent 可以调用 Skill"，并不知道 Agent 的上限从哪里来，也不知道自己应该如何组织目标、资料和流程，才能让 Agent 真正工作。​

Agent ：这里指的不只是聊天机器人，而是能理解目标、规划步骤、调用工具并持续执行任务的 AI 系统。​

Memory ：Agent 用来保存长期偏好、项目状态和历史决策的外部记忆，不等同于模型训练记忆。​

Loop ：Agent 反复"思考、调工具、观察结果、再决定下一步"的执行循环。​

这里就出现了一个很大的认知割裂：头部用户已经在搭系统，普通用户还在问聊天框。​

目标清晰、上下文好、品味和判断强的人，会被 Agent 放大；目标混乱、没有文档、没有判断的人，也会被 Agent 放大混乱。​

所以用户会出现 K 型分化。去年还可以靠产品设计、交互设计和用户教育降低一些门槛，今年我觉得已经很难靠简单 UX 弥合这个差距。​

Skill 则可以弥合 Agent 使用能力差距。

Skill 是能力商品，不只是提示词

我现在对 Skill 的一句话定义是：

万字长文：做了些爆款 Skills 以后，我对 Skills 的看法​