夜雨聆风
从 SaaS 黑盒到 Skill 积木:工具去中心化的未来
这可能是知识工作者最被忽视的机会：学会组装自己的工具。
一、当你用上 AI
这两年，很多专业人士开始接触 AI——律师、财务、审计、咨询、医生、教师……
最典型的场景是这样的：打开一个 AI 产品（无论是大模型套壳还是垂直模型），上传一份合同/报表/病历/教案，等它分析，然后得到一份看起来像那么回事的结果。
你拿着这个结果，继续下一项工作。
流程很顺滑，体验很现代。但用久了，你会发现一个尴尬的事实：
你和其他人，用的是同一套「思路」。
产品给你什么分析框架，你就用什么框架。产品让你先传什么，你就先传什么。产品输出的格式固定，你的产出也就那样。
症结不在工具，在于范式。
二、SaaS 的宿命：最大公约数
市面上几乎所有面向专业人士的 AI 产品——无论是法律、财务、医疗还是教育，都是同一个逻辑：
提供一个界面，你上传材料，它进行分析，给出建议。你在这个闭环里工作，但它的工作流是封闭的、固定的、不可修改的。
为什么会这样？
因为 SaaS 要服务尽可能多的用户，就必须做「最大公约数」。
一个产品要覆盖从交通事故到知识产权、从财务审计到税务筹划、从病历分析到教学设计——它只能提取所有场景的交集，做一个通用流程。
通用流程 = 够用的流程 ≠ 最好用的流程
举一个具体的例子。
假设你拿到了一批执行案件材料（或者财务凭证、病历档案、审计底稿），上百份文件，你想先做 OCR 识别，然后抽取关键字段，再按照某个条件筛选排序，最后生成一份汇总表。
这个需求过分吗？
不过分。这是专业人士的日常。
但你找不到任何一个 SaaS 能完美支持这个流程。
它可能支持 OCR，支持文本分析，支持数据导出——功能都有，但互不相通。
你要先把文件上传到 OCR 模块，识别完下载，再手动导入到分析模块，抽取完复制出来，再粘贴到表格里排序……每一步都要你亲自动手搬运数据。
功能是齐全的，流程是断裂的。
为什么不做打通？
因为做这个的 ROI 太低了——用户量不够大，通用性不够强，凭什么为你一个细分场景定制？
于是你只能接受一个现实：用 SaaS，就是用它的思路。
它不会为你改变。
你只能改变你自己，去适应它的流程。
三、换一个活法：把工作流拆成 Skill 积木
不要把 AI 当成一个「交钥匙」的解决方案。
把它看成一堆可以自由组合的积木。
每一个积木就是一个 Skill——一个原子化的、可以独立运行、可以迭代优化的功能模块。
还是上面那个执行案件材料的例子。
如果你自己来组装，会怎么做？
1. 拆解成四个环节
第一是 OCR 的 Skill。
输入 PDF 或图片文件，调用本地 OCR 识别（paddleocr 或其他），输出结构化的文本。
第二是信息整理的 Skill。
输入 OCR 后的文本，抽取指定字段（被执行人、案号、金额等），输出结构化数据表。
第三是分析报告的 Skill。
输入结构化数据，按条件筛选、排序、生成汇总，输出分析报告。
第四是策略制定的 Skill。
输入分析报告，结合案件情况给出后续行动建议，输出执行策略。
四个 Skill，各司其职，独立运作。你可以用一个总控提示词把它们串起来，形成一个完整的工作流。
2. 这意味着什么？
意味着你可以随时替换任何一个环节。
觉得 OCR 效果不好？换一个 OCR 模型，或者调一下参数。
觉得抽取字段不全？改一下 Prompt，增加字段。
觉得筛选逻辑不对？自己写规则，加条件。
觉得分析深度不够？换一个更强的模型，或者加一轮人工复核。
整个过程是透明的、可控的、可迭代的。
你不再受制于 SaaS 的产品经理。你可以为自己的业务场景「私人定制」。
四、为什么这比 SaaS 更好
对比一下两种路径：
|
|
|
|
|---|---|---|
| 定制化 |
|
|
| 透明度 |
|
|
| 迭代速度 |
|
|
| 数据安全 |
|
|
| 成本 |
|
|
| 所有权 |
|
|
还有一个关键点：差异化。
当所有人都在用同一个 SaaS 做同样的事情时，你的产出和别人的产出没有本质区别。
但当你用自己的 Skill 组合做出了一套「只有你会用」的工作流，你在这个细分领域里就拥有了别人无法复制的效率优势。
这里的差距，是工具链的差距。
五、去中心化的未来
上面讨论的还局限在「个人效率」。
再往上看一层，会有一个更本质的变化——未来的 Skill，是去中心化的。
什么意思？
现在的情况是：一家公司做一个 SaaS，成千上万的专业人士去用它。权力和利润都集中在平台手里。
但 Skill 不是这样。
一个北京的家事律师可以写一个「离婚案件材料整理」的 Skill。
一个广州的知识产权律师可以写一个「专利申请文件核查」的 Skill。
一个苏州的执行律师可以写一个「批量执行案件分析」的 Skill。
这些 Skill 是「个人经验的封装」，归创作者所有，不归平台所有。
任何人都可以根据自己的场景，修改、定制、组合已有的 Skill，来完成一些原本中心化工具根本无法实现的工作效果。
一个极端的例子：假设你做的是「农村土地纠纷」，这个领域极其细分，全中国可能只有几千个从业者。
没有哪个 SaaS 会专门为你开发一个模块。
但你可以自己写一个 Skill，或者基于别人的改一个。
这就是去中心化的意义——每个人都可以为自己服务，同时把自己的经验分享给他人。
这和传统的「开源社区」有点像，不过有些区别。
开源社区贡献的是代码，而 Skill 贡献的是「提示词 + 工作流 + 业务理解」。
后者更贴近具体的业务场景，更容易上手，也更讲究「方法论」而不是「技术实现」。
谁在这个生态里最先跑通，谁就拥有定义权。
六、Skill 作为数据资产
如果我自己开发了一套 Skill 组合，可以解决某个特定场景的问题，这套 Skill 能不能卖？
答案是：可以，它跟传统软件产品不一样。
Skill 的交付是一套「提示词 + 工作流 + 配置」的组合，不是 API，也不是黑盒。
它是可复制的、可修改的、一次性的。
这带来几个有意思的问题：
一是定价怎么定？
不同于 SaaS 的订阅制，Skill 组合更像是一次性的「解决方案包」。定价逻辑可能更接近咨询交付或模板交易。
二是怎么保护？
提示词可以被复制，工作流可以被模仿。真正有价值的是「为什么这样设计」的思路和方法论，不是某一个具体的 Prompt。
三是激励怎么分？
如果一个 Skill 是由多个人协作开发的，贡献度怎么衡量？Skill 本身可以版本化吗？可以像开源项目一样有社区贡献吗？
这些问题目前没有标准答案。
但正是这种「没有规则」的状态，构成了一个全新的机会领域。
谁先想清楚，谁就能定义规则。
最后
知识工作行业正在经历一场「工具民主化」。
以前，只有大型机构或科技公司能开发自己的系统。现在，每个会用 AI 的人都可以组装自己的工具链。
这还不是全部。
当越来越多的人开始创建、分享、迭代 Skill，一个去中心化的知识网络就形成了。
你的经验、我的方法、他的场景，互相组装。
这是一种思维模式的转变——
从「我去找一个工具来解决问题」，变成「我来定义问题，然后组装工具来解决它」，再变成「我来创造工具，给别人用」。
前者是被动消费者，后者是主动构建者。
最高级的玩家，是让所有人都来用自己构建的东西。
Skill 就是构建者的积木。
它不完美——需要学习、调试、维护。
但它属于你自己，也属于所有人。
这可能是 AI 时代真正值得关注的转变。
谁能教会更多人组装自己的工具，谁就在赋能生态。
无论你是律师、财务、医生、教师，还是任何需要处理专业工作流的人——这个转变都与你有关。
新增微信交流群
如果人满或者过期了，可以添加我微信我手动拉群
作者
杨卫薪律师/专利代理师/律所 AI 部门负责人/ SuitAgent 框架开发者
专注知识产权、数据与 AI
探索法律 AI 工程化、Vibe Working System、Context Engineering
