AI 工具都在抄 Skills,却没人管你的痛点

你有没有遇到这种情况：同时用着 Cursor、Claude Code、Windsurf，装了几十个 Skills，结果发现一半悄无声息消失了，另一半在不同工具里版本不一致，最后还得专门下载一个 Skills Manager 来管理这些碎片。

这就是 2026 年 AI 编程工具的现状。

从创新到标配，只用了 5 个月

2025 年 10 月，Anthropic 推出 Skills 系统，让 AI 编程助手能通过模块化的 SKILL.md 文件扩展能力。这个设计挺聪明：用”渐进式披露”机制，AI 只在需要时才读取详细指令，节省上下文空间。

5 个月后的今天，Cursor、Windsurf、GitHub Copilot、VS Code、OpenAI Codex……16+ 个工具都支持了。LobeHub 生态里已经有 21 万+ 个 Skills。

看起来是个成功故事，对吧？

但等等，如果 Skills 真这么好用，为什么会有人专门做一个 Skills Manager 工具，来解决”管理 Skills 是一团糟”的问题？

表面是抄袭，实际是没人管

Skills Manager 的作者在 Medium 上吐槽得很直接：碎片化、版本漂移、团队协作噩梦。

碎片化：每个工具都有自己的存储位置。Cursor 在 ~/.cursor/skills/，Claude Code 在 ~/.claude/skills/，Windsurf 又是另一个地方。你想在几个工具间共用同一套 Skills？抱歉，手动复制粘贴吧。

版本漂移：你在 Cursor 里更新了某个 Skill，结果在 Claude Code 里还是旧版本。团队协作更惨，每个人本地版本都不一样，出了 bug 都不知道是代码问题还是 Skills 配置问题。

技术层面的灾难：Claude Code 有个隐形的字符预算，超过后 Skills 会悄无声息消失——不报错，不提示，就这么没了。更恐怖的是，上下文自动压缩后，AI 会完全失去对 Skills 的记忆，也不会主动重读。开发者明确要求加载 5 个 Skills，结果只加载了 0-3 个，极其不稳定。

这不是个别工具的 bug，而是系统性问题。

哲学悖论：手动配置是倒退还是必要恶？

更深层的争议在于：Skills 需要手动定义，这本身就被批评为”AI 智能不足的遮羞布”。如果 AI 真够聪明，为什么还需要人类写详细的 SKILL.md 告诉它该做什么？

这个批评听起来有道理，但有个反直觉的研究结果：Anthropic 自己的研究显示，过度依赖 AI 辅助会让编程掌握度下降 17%。66% 的开发者说，AI 生成的代码最大的问题是”几乎对，但不完全对”。

手动定义 Skills，反而强制你保持认知参与。你得思考这个任务到底需要什么能力，该怎么拆解步骤，而不是直接丢给 AI 说”帮我搞定”。

这像极了一个悖论：Skills 试图通过增加复杂性（手动配置）来弥补 AI 的智能不足（无法自动理解意图），但这种复杂性本身又成为新的问题来源。

没人关心的真问题

Anthropic 工程师 trq212 最近发推说：”Skills 是所有 agents 会基于的抽象层。”14,000 次浏览，大家都在转发点赞。

但转发的人里，有多少在乎用户装了 60-80 个 Skills 后的管理体验？有多少在解决跨工具同步的问题？有多少在修复字符预算导致 Skills 消失的 bug？

所有工具都在抢着复制功能标准——这确实是好事，就像 HTTP 协议的普及一样。但标准化只解决了”能用”的问题，没解决”好用”的问题。

更讽刺的是，AI 编程工具的职位需求增长了 340%，要求的新技能包括 agent 编排、提示工程、上下文设计。纯实现角色的需求反而下降了 17%。我们正在培养一代”配置 AI 的工程师”，而不是”用 AI 的工程师”。

生态还是插件地狱？

2026 年 2 月，有人在 Skills 生态里发现了 341 个恶意 Skills，包含数据泄露、凭证盗窃等隐藏负载。

官方建议是：每个项目 3-6 个 MCP 服务器就够了。但现实是，开发者常见的工具定义有 60-80 个。

这个数字让人想起浏览器扩展的历史：Chrome 刚推出扩展生态时，所有人都觉得这是创新。几年后，人们发现自己装了 50 个扩展，浏览器慢到打不开网页，才意识到”太多选择”本身就是一种负担。

Skills 会走上同一条路吗？

谁来管？

Anthropic 推出了 Skills 2.0，加入 A/B 测试和评估工具。这是好的方向，但核心问题还在：生态碎片化和用户体验，谁来管？

工具开发商只关心自己的产品支不支持 Skills，不关心用户在多个工具间的切换成本。开源社区在疯狂生产 Skills，但没人负责质量审核和版本管理。Anthropic 定义了标准，但不打算做跨工具的管理层。

最后接盘的，是用户自己。要么手动管理几十个碎片化的 Skills，要么下载第三方的 Skills Manager，用工具管理工具。

这很讽刺：AI 本该让编程更简单，现实却是，你需要先学会管理 AI 的配置，才能让 AI 帮你写代码。

也许这就是技术进步的代价：每一次抽象层的提升，都会带来新的复杂性。只是这一次，没人想承认这个复杂性是自己造成的。