夜雨聆风学习资料网

ARTICLE · 1135666

从“裸用”到会用,只差5大AI工具

从“裸用”到会用,只差5大AI工具

Skill、MCP、应用、连接器、插件,它们之间有什么区别?什么时候该用谁?看完这篇文章,相信你一定能熟练掌握,文末还有思维导图,记得保存。

其实它们都与扩展 AI 能力有关,但解决的问题并不相同。先记住一句话:Skill 给方法,连接给工具,插件做组合,下面一项项说。

01

Skill 把反复交代的方法保存下来

如果你经常让 AI 写文章,可能每次都要说一遍:面向谁、用什么语气、篇幅多长、参考哪些资料、怎么排版。

Skill,就是把这类工作方法整理成可重复使用的说明。它主要回答“这件事应该怎么做”。

按照 Agent Skills 的标准格式,一个 Skill 是一个文件夹,其中必须有一份名为 SKILL.md 的说明文件。简单的 Skill 可以只包含这份文件;复杂一些的,还可以放入参考资料、模板和自动化脚本。

比如写文章,你可以把自己的文风要求、参考文章、常用资料和排版方法整理好,让 AI 帮你做成一个写作 Skill。

以后你只要给主题方向,AI就能按照以往的文风、篇幅把文章写好并排版,不用你重复提需求,AI也不用重复理解,可以节省大量的上下文和token。因此,Skill适用于那些简单、重复、大量的工作流程。

02

MCP、应用和连接器 让 AI 接上外部工具

MCP、应用和连接器可以放在一起说,因为它们其实是同一组概念,主要用来解决“能不能做”的问题。

如果你给AI写的skill里涉及到操作某个软件,但AI没有接入它,那么这个skill就跑不起来,所以MCP、应用和连接器其实是给AI配齐工具,让AI能帮我们查看邮件,整理网盘,回复消息等等。

Claude和WorkBuddy把能被它们接入的软件叫连接器,而在Codex里叫做应用,它们是同一个概念。

而AI之所以能接入软件,是因为这些软件开放了MCP接口,这个接口是通用的,不管是Codex、Claude、WorkBuddy还是别的Agent都能用。和API相比,MCP更直观,不需要像API那样自己开发,而是预先准备好了一整套工具和使用说明,让AI可以直接上手使用。

在连接器或者应用界面,你既可以连接现成的软件,也可以添加自己的MCP服务器,让AI接入你的应用。

Codex添加MCP服务器界面(部分)

比如有些朋友Vibe Coding了自己的工作台,就可以添加MCP服务器来接入AI,让工作台更高效。因此MCP/应用/连接器适用于相对复杂和个性化的工作。

03

插件 把方法和工具打包在一起

当你既需要工作方法,又需要配套工具,而且希望它们方便安装、复用和分享时,就可以考虑插件。它是一个可以分享的“高端能力包”,可以把 Skill、MCP、应用或连接器、UI界面拓展、Hooks定时器等工具自由组合打包,形成一套完整的工作流。

在这里,插件可以理解为一个可安装的能力包。以 Claude 为例,插件可以打包 Skill、MCP 连接,或把两者组合起来;在它的 Code 模式中,还可以包含命令、负责特定任务的子智能体,以及在特定事件发生时执行操作的 Hooks。

但它们不一定全部同时发挥作用,Claude会根据任务需要,自动调用一个或者多个部分来协同工作。

比如你在做自媒体,就可以设计这样一个插件,调用Notion写稿,Chatcut剪辑,Canva做封面,而你的skill则用来指导这一套工作流。如果说skill是给AI提供岗位知识,连接器和应用提供工具,那插件就是你给自己打造了一个经验丰富、工具完备的大牛同事,你几乎可以把最有挑战的工作都交给他。

04

怎么选 从眼前的问题出发

你现在遇到的问题
可以先看什么
每次都要重复交代需求、步骤和标准
Skill,把稳定的方法保存下来
AI 看不到资料,或无法操作某个软件
应用、连接器,或兼容的 MCP 服务
想把多种方法和工具一起安装、复用或分享
插件,把需要的部分组织成能力包

如果你还不太清楚,可以先从 Skill 开始,确实需要连接其他软件时,再补上对应连接。流程已经稳定、需要整体复用时,再考虑打包成插件。

先解决一个反复出现的问题,就足够成为起点。

05

“一切皆插件”

如果说2025年AI比的是智力,那2026年AI比的就是能力。作为一种强大的拓展形态,现在插件化的趋势已经非常明显,而且它的概念也一直在进化,比如 deepseek harness 2026年提出“一切皆插件”,它自身除了一个很小的内核,所有能力都是插件:模型、工具、Skill、会话、连界面都是。想换掉或增加哪一块都行,不用改源代码,只需要改配置。

而Anthropic在10月初提出的Claude Code Mods也可以表明,Claude code正在向deepseek harness的方向发展,逐步变成“一个小核心+用户自己安装的能力”。

除了它们,openai,谷歌,微软,Qwen等也在跟进。未来AI会从一个软件变成一个可以不断安装能力的平台

我的判断是,AI 工具正在朝着更容易按需安装、组合能力的方向发展。以后,我们选择 AI,除了看模型本身的能力,也会越来越在意它能接什么工具、能否沿用自己的工作方法。

对普通人来说,眼下最实用的一步,是找出自己经常重复的一项工作:把方法说明白,把需要的工具接好,再判断是否值得组合成一套。

Skill 给方法,连接给工具,插件做组合。分清它们各自解决什么问题,就知道什么时候该用谁了。

我是安,分享适合普通人的AI用法、工具。

相关学习资料