夜雨聆风
从 Tools(工具)到 Skills(技能):AI 不是突然会干活的
从 Tools（工具）到 Skills（技能）
AI 不是突然会干活的
它是一步步长出手脚和方法的
最近想认真写一个三篇小连载，把 AI 这几年是怎么一步步从”会说话”走到”能干活”的，尽量用人话讲清楚。
不讲模型算法，不讲参数竞赛，也不讲那些离普通人太远的技术细节。 我更关心的是：AI 到底是怎么一步步变成生产力的。 所以我准备分三篇写：
这是这个系列的第二篇。
上一篇我主要讲的是：大语言模型出来之后，为什么最早看到的生产力爆发，是发生在编程世界。
简单说，就是因为代码这件事太适合 AI 先切进去：它结构化、可验证、能执行、能快速拿反馈。但如果你继续往后看，就会发现，只会写代码还不够。
AI 想真的进入现实工作，光会回答、会生成、会给建议是不够的，它得有手脚、有方法、有流程、能识别任务、还能接入真实系统。
所以这一篇，我想讲的是：
Tools（工具）、Agent（智能体）、Workflow（工作流）、MCP（面向模型的上下文协议）、Skill（技能）这些词，到底是怎么一步步长出来的。
如果说大语言模型解决的是“AI 终于能听懂人话了”，
那接下来所有技术和产品形态的演化，基本都在解决另一个问题：
因为“说”是单步的，
“做”通常是多步的。
“说”停留在文本里，
“做”要进入现实系统。
“说”更多靠模型本身，
“做”则需要模型之外的一整套结构。
所以随着 AI 越来越深入生产场景，大家开始把“让它干活”这件事拆解得越来越细。
于是你就看见了一大堆新词：
-
Prompt（提示词） -
RAG（检索增强生成） -
Memory（记忆） -
Tools（工具） -
Function Calling（函数调用） -
MCP（面向模型的上下文协议） -
Agent（智能体） -
Workflow（工作流） -
Intent Recognition（意图识别） -
Multi-modal（多模态） -
Skills（技能） -
Multi-agent（多智能体）
很多人看到这里会头大。
但如果换一种角度，你会发现这些东西其实不是黑话，而是 AI 从“单步输出”走向“多步执行”过程中，一层一层长出来的结构。
也就是你怎么对模型说话，怎么描述任务，怎么限定格式，怎么给上下文。
因为那时候模型虽然已经很强了，但输出并不稳定。你换一种说法，它可能就给你完全不同的结果。于是很多人开始研究提示词怎么写、上下文怎么给、步骤怎么拆、语气怎么引导。这件事当然有用，但如果说实话，我一直不太觉得“Prompt Engineering（提示词工程）”是什么真正意义上的技术突破。它更像一个过渡期技巧。
本质上是在模型还不够稳的时候，人类用语言技巧去驯化它、哄它、引导它。它有现实价值，但很难说有多少长期技术价值。所以在我看来，提示词工程更像 AI 早期的手工艺，而不是 AI 未来的工业基础。
接下来，大家很快又发现另一个问题：
模型虽然很会说，但它并不知道你手里的资料，不知道你私有知识库里有什么，也不知道你这段时间具体在做什么。
RAG 解决的是“模型知识不够新、不够专、不够私有”的问题。
简单说，就是先帮 AI 检索资料，再让它基于这些资料来回答。
这样它就不只是基于训练时学到的那些通识，而是开始接触具体信息。
Memory（记忆）则更进一步。
它让系统不至于每次都从零开始，而是能在一个更长的时间线上保留上下文，记住之前发生过什么、你偏好什么、事情做到哪一步了。
到这里，AI 已经不只是会说，它开始能接入资料和上下文。
但它依然还有一个很大的问题：
它还是不能动。
Tool（工具）本质上就是给 AI 接外部能力。
比如读文件、写文件、搜网页、发消息、查数据库、执行命令、操作浏览器、获取系统状态。
这一步非常关键。
因为从这里开始，AI 不再只是一个活在文字世界里的解释器，
它开始有机会真的接入现实系统。
你可以把它理解成：
一个原本很聪明、很会说话的人，终于长出了手和脚。
没有 Tool（工具），再强的模型也主要只是顾问；
有了 Tool（工具），它才开始有机会成为执行者。
但问题也很快来了。
工具一多，系统反而容易乱。
工具定义不清，模型就会误用；
接口不一致，系统就会混乱；
边界不清楚，调用就会失控。
于是大家开始探索更规范的工具调用方式。
这时候就出现了 Function Calling（函数调用），后来进一步发展出像 MCP（面向模型的上下文协议） 这样的东西。
你可以不用把 MCP 理解成多么神秘的概念。
如果用最容易懂的话来说，它更像是一种 更适合 AI 去理解、发现和调用能力的接口组织方式。
它的价值不只是封装，而是把原来零散、模糊、难以统一的工具层，变成了更像标准件的能力层。
以前是“给 AI 一堆工具，看它能不能用明白”；
后来慢慢变成“给 AI 一套更像工业标准的能力接口”。
这一步特别重要。
因为它意味着 AI 不再只是在试验状态下碰运气调用工具，而是开始向工程化的调用能力靠近。
再往后，当工具、上下文、资料慢慢都有了之后，AI 又往前迈了一步。
这时候，Agent（智能体）、Workflow（工作流）、Intent Recognition（意图识别） 这些词就开始密集出现了。
这是最容易被低估的一层。
因为人说出来的话，不等于真正的任务。
一句“帮我看一下这个文档”，可能是要你总结，也可能是要你润色，也可能是让你判断能不能发客户。
如果系统一开始理解错了，后面调用再多工具也没用。
所以意图识别做的，其实是入口分流。
它在判断：
-
用户是在问问题，还是在下任务 -
是要解释，还是要执行 -
是闲聊，还是要一个可交付结果 -
是一般请求，还是有风险边界的操作
当任务不再是单步完成，而是需要查、读、写、改、执行、反馈、再修正的时候，工作流就自然出现了。
如果说 Tool（工具）是零件，Workflow（工作流）是链路，
那 Agent（智能体）更像一个围绕目标调度这些能力的执行体。
它不只是回答你，而是会判断下一步该不该调用工具、要不要继续执行、是否需要确认、要不要根据结果回头修正。
到了这里，AI 已经不像单纯的聊天对象了。
它开始像一个能组织任务的东西。
不过，即使到了这个阶段，AI 依然大多还是在“临场做事”。
它可以调用工具、可以跑流程、可以根据反馈调整，但很多时候还是很依赖当下的上下文。
能跑起来，不代表能复用；
能完成一次，不代表能沉淀成稳定的方法。
如果 Tool（工具）是工具，
那 Skill（技能）就是经验封装。
如果 Tool（工具）是扳手，
那 Skill（技能）更像一套成熟的维修方案。
它不是在告诉 AI “你手里有哪些能力”，
而是在更高一层告诉它：
-
什么情况下该进入这个场景 -
进入之后按什么顺序做 -
要用哪些工具 -
要遵守什么风格和约束 -
最终结果应该长什么样
而它真正带来质变的一点在于：
它可以开始用自然语言、真正的人话来编写。
以前你想把经验固化下来，往往要写程序、写脚本、写规则引擎。
现在很多经验、方法、流程，开始可以直接被用自然语言描述出来，并参与系统运行。
当然，这里也有边界。
自然语言写出来的 Skill（技能），稳定性和确定性肯定没法和传统程序相比。
它不是严密语法，也不是绝对可预测的逻辑。
过去只有程序员能写规则。
现在很多业务方法、内容方法、操作方法，也开始能被整理成 Skill（技能），保存下来、复用起来、组合起来。
这意味着 AI 开始不只是“会用工具”，
而是“会沿着一种方法做事”。
从 Prompt（提示词）到 RAG（检索增强生成），从 Memory（记忆）到 Tools（工具），从 MCP（面向模型的上下文协议）到 Agent（智能体）、Workflow（工作流
），再到 Skill（技能），
你其实能看见一条很清楚的进化链：
如果一个系统不仅能理解、能规划、能调用、能执行，
还能在真实环境里把这些动作跑起来，并且把经验继续沉淀和复用，那会发生什么？
END