夜雨聆风
Skill is All You Need -- skill-only 的 Agentic Engineering
Attention:
这篇文章不会介绍 skill 的渐进式披露机制、frontmatter 等概念 主要实践导向，思考 harness Engineering 这两个月的演进方向
导言：打自己的脸
两个月前，在「丢掉难以迭代的 openspec，按 2026 年的架构编排 sdd workflow」里，我信誓旦旦地说过一句话：
"skill only" 是不科学的事情
当时的理由看似充分：
触发概率性——skill 靠模型语义匹配触发，不够确定性，skill as command 还没适配 上下文隔离缺失——没有 subagent 做上下文隔离，token 压力太大
如果故事到这里就结束了，这篇文章就不需要写了。
但随着 anthropic 官方 skill 仓库的演进、openclaw 对热门 skill 的拆解实践，以及 context:fork、frontmatter 权限控制、evals 验证体系的逐步落地——两个月前让我下这个论断的前提条件，一个一个地被推翻了。
这篇文章就是来记录这个认知翻转的过程：skill 如何从"不够格的候选方案"变成了 Agentic Engineering 唯一需要理解的概念。
变化 - 充分条件：为什么 skill 现在可以
两个月前阻碍 skill-only 的两个核心问题，现在都有了答案。
context:fork -- 上下文隔离的突破
以一个实际的 workflow 仓库为例，v1.0.3 是经典的三层架构：
commands/ # 用户入口层├── clarify.md├── debate.md└── work.mdagents/ # subagent 编排层├── planner.md├── worker.md└── ...4 个 debate agentsskills/ # 核心逻辑层├── clarify/SKILL.md├── plan/SKILL.md├── work-stage/SKILL.md└── review-stage/SKILL.md三层调用链：用户 → command → subagent → skill。
问题在于：planner 和 worker 都是纯文件操作——读 proposal.yaml，写 plan.yaml。为了隔离上下文而启动一个完整的 subagent，就像为了煎个蛋而启动一台蒸汽机。
context:fork 改变了这个局面。它提供了同等的上下文隔离能力，但少了一层调用链。v1.0.5 的重构（+905/-1005 行，17 个文件）一次性把架构从三层砍到两层：
skills/ # 统一入口 + 核心逻辑├── clarify/SKILL.md # 用户层: disable-model-invocation: true├── work/SKILL.md # 用户层├── debate/SKILL.md # 用户层│ └── agents/ # debate agents 迁入 skill 内部├── plan/SKILL.md # 内部层: context: fork├── work-stage/SKILL.md # 内部层: context: fork├── review-stage/SKILL.md # 内部层: context: fork└── review-proposal/SKILL.md # 内部层: context: fork两层调用链：用户 → skill → fork skill。commands 目录删除，planner/worker subagent 删除。
frontmatter 权限控制 -- 触发确定性的解决
第二个问题是触发的确定性。模型会"自作主张"调用不该调用的 skill——比如在对话中自动触发 clarify（v1.0.7 发现的问题）。
frontmatter 的两个属性彻底解决了这个问题：
该触发的才触发，不该触发的触发不了。触发概率性？不存在了。
至此，两个月前的两条理由全部翻篇。skill 具备了作为唯一架构单元的充分条件。
注：截止 2026 年 3 月，cursor 并没有支持
context:fork和disable-model-invocation这两个 frontmatter 属性。跨 agent 平台的标准差异仍然存在，但 anthropic 生态已经证明了可行性。
标准：为什么推荐使用 skill 架构
能用和值得推荐是两回事。skill-only 值得推荐，核心原因是认知简化。
一个概念统一所有概念
初看 skill 取代了 command，细看取代了 mcp，减了一刀后发现，绝大多数工程，还真的可以只理解 skill 一个概念来代替之前的 prompt engineering, mcp, agents, subagents, context engineering, harness engineering, 而遇到具体问题的时候，再查资料，才需要渐进式的披露对应的概念，极其符合人的认知负担。—— skill 做到了思维层面的渐进式披露。
这是对架构师团队最直接的价值。过去我们需要理解的概念清单：
disable-model-invocation: true | ||
context: fork | ||
allowed-tools 声明 | ||
不是说这些概念不重要——它们仍然是 skill 底层的实现机制。但作为架构师的日常思维单元，只需要 skill 一个概念就够了。需要深入的时候再渐进式披露。
跨平台通用性
skill 已经不是两个月前的 skill 了：随着模型和基于模型实践经验的发展，agent in skill 代替了 agent in workflow 的复杂。
现实问题是：不同 agent 平台对于模型的支持程度不同，claude 并没有在所有领域 sota。对于 gpt 支持好的 agent，对于 skill 之外的标准支持并不好（比如 cursor 不支持导入 git agent）。
但 skill 作为一种声明式的能力描述，是跨平台最容易达成共识的标准。skill-market 规范也已经支持了版本升级，这让 skill 不只是一个文件格式，而是一个可管理的工程单元。
需求 - 必要条件：为什么只能是 skill 作为新 Agentic Engineering 的标准
充分条件说明 skill 能做到，有利行说明 skill 值得做。但为什么是只能是 skill？
答案是一个词：evals。
严格来说，工程化的构建不依赖名词，而是一个系统的、追求质量的学科。只有 skill 提供了 anthropic 官方的 evals 验证支持，可以工程化地调优，而不只是 vibe-writing。
evals.json：skill 效果验证 -- 是否真的能准确执行
以一个 review-description skill 为例，evals.json 长这样：
[ {"id": 1,"prompt": "帮我审查这个 skill 的 description：\n---\nname: deploy-helper\ndescription: 帮助处理部署相关的事情\n---","expected_output": "应识别出 description 过于宽泛模糊，缺乏具体能力描述和触发条件，并直接给出优化后的 description","files": [],"expectations": [ {"text": "简要指出问题：功能描述过于模糊宽泛，缺少触发条件","assertion_type": "semantic" }, {"text": "直接给出优化后的完整 description，包含具体的功能声明和触发条件，而非仅仅是建议","assertion_type": "semantic" }, {"text": "优化后的 description 使用祈使语气，不以填充语开头","assertion_type": "semantic" } ] }]跑一遍：
Eval Results: review-description skill All 7 evals passed -- 23/23 expectations met (100% pass rate) +------+----------------------------------------------------+--------------+--------+ | Eval | Scenario | Expectations | Result | +------+----------------------------------------------------+--------------+--------+ | 1 | Vague description (deploy-helper) | 3/3 | PASS | +------+----------------------------------------------------+--------------+--------+ | ... | ... | ... | PASS | +------+----------------------------------------------------+--------------+--------+ Eval 1：模糊描述（deploy-helper） 输入： "帮助处理部署相关的事情" —— 一个典型的低质量 description。 技能表现： 准确识别了 4 个反模式（过于宽泛、零触发条件、填充语、太短）， 并直接给出了优化版本，包含具体动词短语（编写配置、排查失败）、 显式触发（"要部署应用"）和隐式触发（"上线""发版""推到生产"）。 祈使语气开头，无填充语。 评价： 诊断精准，改写质量高。 Stats: avg 57.9s per eval, ~13K tokens per eval7 个场景，23 个 expectations，100% 通过。这不是 demo，是可重复的工程化验证。
eval_set.json：优化 description 触发概率
evals 不仅验证 skill 执行质量，还能优化触发准确度：
执行用例，对比正例反例判断是否触发 执行 3-5 轮修改，每轮修改后判断是否能正常触发 选择最优的 description 保存下来。
这是一个闭环的质量改进循环。command 没有，MCP 没有，subagent 没有——只有 skill 有。
从 vibe-writing 到 engineering
这就是必要条件的核心逻辑：
结语
两个月前我说 "skill only 不科学"。
两个月后我说：Skill is All You Need。
不是我善变。是 context:fork 补上了上下文隔离，frontmatter 权限控制解决了触发确定性，而 evals 给了 skill 其他所有方案都没有的东西——可验证性。
如果你在 Agentic Engineering 中需要一个起点，那就是 skill。其他概念？等你真正需要的时候再说。
这就是渐进式披露，不只是对代码的，也是对你认知负担的。
参考资料
Claude Code Skills 文档 CodeBuddy Code Skills 文档 Cursor Skills 文档