我攒了30个AI工具,最后发现最值钱的根本不是工具

前几天我盯着屏幕差点把鼠标摔了——我花了大半年攒的AI工具链，彻底「失控」了。

不是崩了，是它太「勤快」了：我给它接了快20个工具，光模型上下文协议（MCP）服务器就挂了一堆，结果每次派任务，它就像进了自助餐厅的饿鬼，七八种工具挨个摸一遍，每个用30秒，折腾十分钟给我个用脚指头都能想出来的答案。

那一刻我突然反应过来：我们天天喊着给AI加工具，搞不好是在给自己养个只会乱翻抽屉的傻子。

说句不好听的，现在好多人把MCP和技能沉淀（Skills）放一起比，根本就是拿菜刀和菜谱比谁更能做菜——完全不是一回事。

MCP是什么？说白了就是条管道，负责把AI模型和你手里的各种工具、数据源、服务连起来，解决的是「能不能拿到东西」的问题。

Skills是什么？它更像一本写满了「拿到东西之后该怎么用」的手册，是你攒的领域知识、做事偏好、踩坑经验，解决的是「用得好不好」的问题。

打个最糙的比方：MCP是你家的刀具架，挂满了主厨刀、剔骨刀、水果刀、面包刀，要啥有啥。Skills是那本翻得卷边的菜谱，告诉你切肉用主厨刀、剔骨头用剔骨刀，炒青菜要先爆蒜、炖排骨要先焯水。你说哪个重要？没有刀你切不了肉，没有菜谱你切到手了还得怪刀钝。

但现实里绝大多数人的操作，说出来都好笑：疯狂买刀，从十八般武艺的全套刀具到网红款水果刀，买了一柜子，结果菜谱一本都没有，连番茄炒蛋是先放番茄还是先放蛋都不知道。

我前阵子就是这德行：看见新出的工具就想接，什么数据库查询、格式转换、网页爬取，工具列表拉出来能有半屏，结果真要干点细活，AI拿着一堆刀不知道先切哪，我还骂它笨。

我之前干过一件现在想起来都臊得慌的蠢事。

那阵子要处理一批攒了三四年的历史数据，格式乱得像被猫挠过的草稿纸——有Excel的，有TXT的，还有半拉粘在CSV里的。我当时想，这还不简单，给AI把文件读取、格式转换、数据库查询的工具全接上，甩了一句「把数据整理干净」就去摸鱼刷社交平台了。

结果等我回来，差点把嘴里的冰美式喷屏幕上：它在五个工具之间来回横跳，试了三种编码格式，转出来的东西一半是乱码，一半把表头当数据塞进去了，合着折腾半小时，干了个屁。

我当时第一反应是这AI真菜，连个数据都整不明白。后来坐那琢磨了半天才反应过来：我连什么叫「干净」都没说清楚——是要统一成CSV？还是要导进数据库？日期格式要YYYY-MM-DD还是斜杠的？哪些字段是核心不能动？哪些重复数据要删掉？

我啥规矩都没定，可不就由着它瞎试吗？

说白了，Skills根本不是什么高大上的新名词，就是你把自己踩过的坑、定好的标准、要的结果，攒成AI能看懂的「干活说明书」。它不是给AI多添几把刀，是告诉AI「别瞎挥，切菜用这个，剔骨用那个，手指别往刀刃上放」。

我有个在大厂做AI基础设施的朋友，最近跟我聊他们搞的一件事，我听完直接拍了大腿。

他们团队之前乱得离谱：每个小组都自己攒自己的技能库，有的扔Git仓库里，有的塞插件市场，还有更离谱的，直接把常用提示词写在飞书文档里，要用的时候全靠搜聊天记录。想统一管理？门都没有，光找个靠谱的技能都得翻三四个群，问五六个人。

后来他们搞了个特别巧的思路：把Skills直接当成MCP的资源来暴露。说白了就是，让MCP服务器能直接列出来「我这儿有多少干活的手艺」，你要用哪个，就像读本地文件一样，直接调就行。

说起来机制也不复杂：你先查一下服务器上有啥技能，能拿到一串地址列表，每个地址对应一个技能——它是干啥的、依赖啥文件、具体规则是啥，全写得明明白白，真要用的时候，按需取对应的内容就行。

我听完第一反应就是，这不跟当年折腾Linux的挂载点一样吗？不管是本地文件还是远程资源，挂到同一个入口下，用的时候操作全一样。把「技能」做成能找得到、读得懂、能改版本的资源，这才是真的把经验变成了基础设施，而不是躺在某个人脑子里的私货。

但这件事最给我打脸的，是他们踩过的一个坑——做得越多，死得越快。

一开始搞这个方案的时候，他们团队也是野心勃勃，什么复杂参数适配、自动发现机制、嵌套技能引用、各种元数据校验，能加的全给加上了，觉得这样才叫「完备」，才叫「专业」。结果第一次内部评审，反馈根本不是夸他们做得好，全是灵魂拷问：「你这一套东西，谁来维护？」「我们小组就两个人，光适配你这个规范就得花半个月，凭啥？」

最后他们直接砍了八成需求，就留最基础的三个功能：能列有啥技能、能读技能内容、要用的时候再加载。就连目录列表这个看起来很基础的功能，都是最近才补上的——之前干脆就没做。为啥不加？加了就得让所有接入的团队都适配，多一个功能就多一堆边界情况，本来是想统一，最后搞成更碎片了。

我当时听完特别有感触：好多团队做工具链都有这毛病，上来就想一步到位，把所有可能的情况都考虑到，规范写得像天书，谁看都头疼，最后根本没人用，自己把自己圈死了。

一个东西能不能活下去，从来不是看它有多强大，是看它对用的人够不够友好。

说回我自己这大半年的折腾，其实挺感慨的。

前阵子我整理自己的AI工具列表，数了数居然有30多个，今天接个新插件，明天试个新服务，每天都觉得自己在进步，在跟上时代。结果回头一算，我花在「接工具」「找工具」上的时间，比花在「想清楚怎么用工具干好活」上的时间，多了不止三倍。

现在工具的门槛真的太低了——你想给AI加个数据库查询能力，快的话十分钟就搞定了。但「这个业务的数据库哪些表不能碰？查出来的数要怎么校验？哪些情况得人工复核？」这些东西，你再接十个工具也解决不了。

这才是Skills真正的分量：它可能就是几个写满规则的markdown文件，看起来一点都不酷，连个花里胡哨的界面都没有，但它装的是你在这个领域踩过的所有坑、摸出来的所有规律，是你敢把活交给AI的底气。

好多人天天在那比，谁的模型更厉害，谁的工具更多，觉得攒的工具越多，自己的能力就越强。其实比到最后，比的是谁愿意把自己的经验，沉下心变成可复用的判断力。

工具是买完就贬值的快消品，判断力才是能滚雪球的复利资产。

📌 本文为个人观点，仅供参考