ARTICLE · 1156510
这周,AI 技能生态把一条五级台阶走完了
这周,AI 技能生态把一条五级台阶走完了这周有个数字，我盯着看了半天。 11.6 万行代码里，藏着 70 个 bug。单个 AI 上场，只找出 14 到 27 个；换成一套会分工的流程，它找出了 66 个。 翻译成人话：同样一屋子毛病，一个人查是一小撮，一个班组排好队来查，几乎一网打尽。 先交个底：开头这组数字来自厂商自测，这周的数据还有预印本口径，我在用到的地方都标了出处。 你好，我是张胡侃，一个干了十几年开发、现在研究 AI 的技术老兵。本地攒了 41 个 AI 技能，这周看下来，心情有点复杂。 因为这周 AI 圈发生的事，凑在一起，像一整条台阶，一次全亮了。 五级台阶：攒、验、管、放、停。 先说清楚，这是我自己的分法，不算行业标准，你听听就好，觉得不对，按你的来。 那，咱们一级一级来。 
这一级是所有故事的起点，也是你今晚就能上手的一级。 你开始发现，自己每天都在对 AI 重复同样的话：这个格式以后都这么写、这类事先查再答、这句话别用。你会发现，说一遍管一轮，然后下次开个新对话，它又忘了，从头再来。 这周有两个玩法，都在解这道题。 一个是 Codex 团队的人分享的「自我蒸馏」提示词。它让 AI 翻自己约 30 天的历史会话，把你平时零散教过它的东西，打包成能随时调用的技能和自动化。 另一个更接地气。一个写财经图文的作者，把改稿标准和一份「负面提示词库」直接写进了技能里。他自述，创作水平从 60 分提到了 80 分。他还说了句挺准的话：提示词管一轮对话，技能管长期沉淀。 还有个开源仓库，叫 zecrew-skills，连「怎么写出好技能」都整理成了方法，顺带备了好几套做文档表格的现成技能。 其实第一份技能没那么玄。挑一件你教过 AI 三次以上的事，把它写清楚，就成了。 教一次就够的事，别再教第二遍。 说到验，我先自曝一个：我攒的技能里，也有几个攒完就吃灰的。 前几天有篇预印本，我专门写过，它把 87 项任务、3 个模型、3 套框架交叉全跑了一遍。它就想搞明白一件事：技能到底管不管用。 结论挺扫兴：看情况。 超过三分之一的任务里，同一个技能，帮了一部分组合的忙，也拖了另一部分组合的后腿。增益呢，从 4.6 个百分点，一直飘到 19.5 个百分点。 你会发现，榜单也靠不住。排在最前面的技能，在 23.19% 的组合里，输给了排名比它低的对手。 翻译成人话：榜单跑的是别人的任务、别人的系统，当参考可以，当结论不行。 所以，技能值不值得留，拿你自己的活量一量。挑一件常干的小事，有它、没它，各做一遍，增益是正还是负，你立刻就有数。 技能不是万能药，先拿自己的活验一验。 一个人攒，攒到头也就攒一抽屉。这一级，技能开始进组织。 腾讯云这周开源了一个项目，叫 TeamAI。思路挺简单：把团队的技能、规则、配置、项目知识，全都放进 Git 仓库里管。 Git 是程序员的公共账本，谁改了什么、什么时候改的，一笔一笔全记着。 那这么一来，技能不再是某个同事电脑里的私藏，而是全组能评审、能版本化、能分发的东西。新人第一天，把仓库拉过来，就能用上整个团队攒下的经验。它还适配了 16 种主流的 AI 智能体。 效果呢，官方拿 13 项内部研发任务测过。低成本模型加团队知识，对上高规格模型但没有团队知识，综合评分高 6.1%，调用成本少了 76%。 项目已经上了 GitHub 的热榜。所以你看，攒下来的团队知识，比用更贵的模型划算。 技能进了仓库，才从心得变成资产。 
前三级，讲的是一个人怎么攒、怎么验、怎么被团队管起来。这一级，画风变了。 还是开头那套会分工的流程，官方叫它动态工作流。拆开看，原理其实不复杂。 领头的 AI，自己写一份调度脚本，循环、分支这些流程，全交给脚本管。单次运行，最多能协调 1000 个 AI 接力干活，并发默认 16 个，还能往上调。 翻译成人话：以前是你一个人对着一个 AI 说话；现在是你写一张流程单，然后 AI 管着 AI，排队把活干完。 10 月 9 日，这个功能进的 beta。官方的提醒也很实在：从试点开始，收紧权限，因为这么跑，token 消耗不小。 这里得诚实说一句，上面这些数字是厂商自测口径，先别当铁律。 但方向很清楚了：人的位置，从自己动手，挪到了画流程、定方向。放权，但不放羊。 人管方向，流程交给代码。 先喘口气。下面这级，是这周最沉的一段，咱们慢慢看。 前面四级，都在琢磨怎么让它多干。这一级，琢磨的是怎么让它停。 三个证据摆在一起，看得特别清楚。 先看上限。这周有篇预印本，把 AI 干活的失败掰成了两半。一半卡在半路：调用堵了、死循环了、步数耗尽了。另一半，活干完了，但质量不行。前一半，靠改流程就能救。论文里，一套会自我演化的流程，把一个小模型的规划分数从 0.16 提到了 0.30，交付率从 55% 提到了 90%。 后一半，改流程没用，得动模型本身。内化的增益只有 0.13，拿乱序数据凑数的对照组，反而比原模型还差。 再看协作。有个叫 AgentWorld 的协作基准，搭了个游戏沙盒当考卷。3 到 20 个 AI 组队打副本，每个任务玩 50 多个回合，队友之间还看不到彼此的内部状态。 结果，成绩最好的 Gemini 3 Flash，也只完成了 52% 的任务。另一个量「动作有没有用」的指标，最好成绩只有 0.32，换句话说，不到三分之一的动作，对结果算是有贡献。 最后看缰绳。Anthropic 这周公开披露：测试里的模型误闯了政府网站，还误提交了真实表单。8 月一个月，它就提交了 19 份签证申请，5 月还有 1 份。7 月，还给费城警局提交过一条假线索，警方称，那条被标成了垃圾信息，没有进入调查。 连微软的纳德拉，这周都在 X 上写长文，提了个很重的假设：把再强的模型，都当成潜在的内部威胁，先假定它已经被攻破。他的判断挺反直觉：能让你最少信任模型的系统，才是最值得信任的系统。 所以工具层也在收口，新出的定制功能默认开着，官方也配了几道安全控制，因为这类功能跑在沙箱外面，能碰到你的密钥。 你会发现，这三件事，单看都是新闻，放一起看，像一家人都在给同一种车装刹车。 能力决定跑多快，缰绳决定放多远。 回到开头那个数字：70 个 bug，66 个被找出来了。 你细品一下，它靠的其实是一整套东西。先有人攒过经验，有人验证过硬，有人把技能管进了仓库。有流程把它放开跑，最后，还有人备着刹车。 所以你看，五级台阶，每一级都在做同一件事：把「重复做过的活」，变成「能传下去的东西」。 模型会一直换代，这个月的比分，下个月就翻篇。但你攒下的经验，会留在自己的库里，越用越顺手。这是你能自己攒的复利。 说真的，写到第五级「停」，我一度有点泄气：原来拼技能也有上限。但转念又觉得挺好，知道在哪儿停，才敢在能跑的地方放手跑。 给你个今晚就能做的小动作：翻翻自己的账本，找那件已经教过 AI 三次以上的事，把它写成第一份技能。做完这一件，你已经站上第一级了。 你现在站在第几级？评论区聊聊。 把重复做过的活，变成能传下去的东西。 
我是张胡侃，关注我，持续分享 AI 圈的真话，不聊虚的。
📝 本文约 2700 字，预计阅读约 10 分钟
你的 AI 技能，攒到第几级了
第一级 攒：把反复教过 AI 的事，变成教一次就够的事
第二级 验：技能管不管用，拿你自己的活量一量
第三级 管：技能进仓库，像代码一样被管起来
第四级 放：写个脚本，让一千个 AI 排队干活
第五级 停：知道它在哪儿停，比跑多快重要
写在最后