夜雨聆风过去一年,AI 的世界里,悄悄冒出了一个新物种。
它的名字,叫"技能"——skill。
它不是又一个聊天机器人,也不是又一个大模型。它是一个文件夹:里面装着一套"某件事该怎么做"的说明书、几段脚本、一些范例。把它喂给 AI,AI 就瞬间"学会"了一门它原本并不擅长的专业活。
它正在以惊人的速度繁殖。有平台已经号称,要从二十万个技能里,帮你筛出最趁手的那几个。一家头部 AI 公司,甚至喊出了一句意味深长的口号:停止构建智能体,开始构建技能。
表面上,这是一场工具的狂欢。
可如果你盯着这股热潮多看一会儿,会从里面,品出一丝凉意。因为每造出一个技能,都意味着,有一个人,把自己脑子里那点最值钱的手艺,亲手压成了一个文件——一个谁都能下载、能复制、能让机器跑无数遍的文件。
我们都以为,自己在给 AI 装备。
可换个角度看,我们也在,亲手教 AI,做我们自己的工作。
一、先搞懂,"技能"到底是个什么东西
别被这个词唬住,它的内核其实很朴素。
一个 skill,就是一个标准格式的文件夹,核心是一份叫 SKILL.md 的说明书,外加可选的脚本和参考资料。它干的事,用一句话说就是:把一套专业知识、工作流程和操作经验,打包成 AI 可以随时调用的模块。
有人打了个特别贴切的比方:这相当于,给 AI 发了一本专业手册。AI 不必每次都从零摸索,碰到对口的活,自动翻开对应那一章,照着做。
它要解决的,是 AI 一个由来已久的尴尬:聪明,却"什么都懂一点,但什么都不精"。一个通用大模型,能跟你聊财务、聊设计、聊法律,可一旦真要交付一份专业的活,它就露怯。而一个写得好的 skill,正好补上这一段——把"行业老手才懂的门道",一次性灌给它。
这件事的分量,被很多人低估了。一家头部 AI 公司喊出"停止构建智能体、开始构建技能",短短几周,就长出了三层生态:官方的基础能力、第三方的开发者贡献、企业的定制专用。社区里的技能数量,迅速冲到了数十万的量级。
而这股繁殖的速度,快得有点吓人。一年前,"技能"还只是少数极客手里的玩具;一年后,它已经长成了一个有市场、有标准、连"套件"都能打包出售的产业。有人开始像逛应用商店一样,给 AI"安装"技能——装一个,它就凭空多会一门手艺。
说穿了,skill 是 AI 完成的一次关键转身:从一个能说会道的"通用聊天工具",变成一个能交活的"专业打工人"。
二、一个 skill,就是把"十年手艺",压成了一个文件
要看懂这场变革到底动了谁的奶酪,得先想清楚一件事:在 skill 出现之前,"经验"是怎么存在的?
它长在人身上。
一个老会计怎么调账、一个资深设计师怎么排版、一个老法务怎么审合同——这些本事,都不写在任何一本教科书里。它们是隐性的,要靠十年八年的摸爬滚打慢慢长出来,藏在一个人的直觉和手感里。
正因为它"只长在人身上",它才稀缺。它会随着一个人跳槽而流失,只能靠师傅带徒弟,一点一点地传。而这份稀缺,恰恰就是无数专业人士,赖以安身立命的那道护城河——你会的,别人不会,所以你不可替代。
而 skill,做了一件几千年来头一回的事:它把经验,从人身上"剥"了下来。
它把那个老手脑子里、说不清道不明的"这事该这么做",硬生生固化成了一份白纸黑字、谁都能照着跑的说明书。于是你看到,市面上已经有了打包好的"财务分析套件""设计师工具包",有了自动写 PPT、自动审代码、自动生成报告的技能。
一个个过去非得专门请人、花高价外包的活,正在被压缩成一个个安静躺在文件夹里的文件。
那道靠"我会、你不会"撑起来的护城河,第一次,被人从外面,填平了一段。
三、最反直觉的一幕:我们都在抢着,教 AI 做自己的活
接下来这一幕,才是整件事里,最耐人寻味的地方。
按理说,把自己吃饭的本事教给一台机器,是一件该犹豫的事。可现实恰恰相反——几乎每一个接触到 skill 的人,都在兴致勃勃、甚至迫不及待地,把自己最熟练、最值钱的那套经验,写成技能,喂给 AI。
没有人逼他们。是他们自己抢着上。
原因也不难懂:短期来看,这套交易实在太划算了。你花半天,把一套重复了上百遍的流程封装成技能,换来的,是从此以后,这件事 AI 替你秒做,你彻底从重复劳动里解放出来。效率翻倍,谁能拒绝?
可如果把时间轴拉长,另一面就浮现了出来:你把那套手艺封装得越彻底、越好用,它就越不再是"只有你会"的东西。
你是在用自己最宝贵的经验,亲手为自己,造一个不知疲倦、不要工资、还能被复制成千上万份的"分身"。 而这个分身,记下的每一招,都曾经是你议价的底气。
更微妙的是,这场交换里,跑得最快、最积极的,往往恰恰是各行各业里最资深的那批人。因为只有他们,才攒下了足够厚的经验值得封装;也只有他们,最清楚怎么把一件事的"门道",讲到机器能听懂。换句话说,越是高手,越有能力、也越有动力,把自己压箱底的那套绝活,第一个交出去。
顺着这条线想下去,会撞见一个反常识、也有点发凉的结论:这一轮,最先被"复制"掉的,从来不是流水线上的体力活,恰恰是那些过去最稀缺、最贵、要熬十年才出得了师的"专家手艺"。
AI 不从最简单的活下手,它从最贵的活下手。因为越贵的活,经验越密集、含金量越高,也就越值得被一次性榨干、封装成文件。我们总担心 AI 抢走的是低端工作,可它真正盯上的,是金字塔的尖儿。
四、但 skill 也划出了一条线:"怎么做"在贬值,"做什么"在升值
讲到这里,如果你已经开始焦虑,先不忙下结论。因为 skill 在抽走一些东西的同时,也悄悄抬高了另一些东西的价码。
这里有一个特别值得玩味的数据。2026 年的一项基准测试发现:那些由人精心策展、反复打磨的高质量技能,确实能大幅提升 AI 干活的成功率;可如果让 AI 临时自己写一个技能,平均下来,几乎带不来什么稳定的收益。
这个对比,泄露了天机。
它说明:能被清清楚楚写进文件里的那部分"怎么做",正在迅速贬值——因为机器自己,也快能批量生产了;而真正还稀缺、还值钱的,是另一样东西:判断该做什么、定义什么算好、以及,为最后的结果负责。
AI 可以完美地执行一个流程,却没法告诉你,这个流程本身值不值得做、方向对不对、做到什么程度才算"好"。它能写出技能,却定义不了"好的技能"长什么样——那个标准,依然得由人来定。
于是,价值正在发生一场静悄悄的搬家:从"执行",流向"判断";从"我会做",流向"我知道该做什么、以及什么是对的"。
这也解释了一个正在上演的悖论:AI 越强,"纯执行"的人越慌,"做判断"的人却越吃香。一份报告,AI 几秒就能写完;可"要不要写这份报告、它该说服谁、敢押上一个什么样的结论",这些问题,AI 给不了答案。技术替你按下了一万个按钮,却把"该不该按、该按哪个"的责任,原封不动地,留还给了你。
但先别松一口气,以为站到了"判断"这一边,就从此高枕无忧。因为"执行"和"判断"之间,从来没有一道永恒的墙,只有一条被 AI 一年年往前推的战线。今天还得靠人拍板的"判断",明天可能就被人总结成又一个 skill,变回机器的"执行"。你此刻觉得安全,很多时候,只是因为那条战线,还没推到你的脚下。真正能一直站住的,不是"会判断"的人,而是那种能不断长出新判断、跑得比封装更快的人。
五、真正的分水岭:你是被封装的经验,还是封装经验的人
把这一切连起来看,这一轮浪潮真正的分水岭,从来不在"你会不会用 AI"那么表面。
它在于,你究竟是哪一种人。
第一种人,他的全部价值,是"我会做一件大多数人不会做的事"。在过去,这足以让他衣食无忧。可在 skill 时代,他赖以为生的那套手艺,正在被一个文件,一点点地复制、稀释、抹平。
第二种人,他的价值,是"我能判断什么该做、能定义什么是好、能为最后的结果担责"。这种人,第一次,拥有了一根前所未有的杠杆——他可以把自己的判断力,写成标准,封装进无数个 skill,让机器替他执行一万遍。他没有被技术稀释,他被技术,放大了一万倍。
同一项技术,落在这两种人头上,是两种截然相反的命运:对前者,它是替身;对后者,它是分身术。
AI 给所有人,发了同一根杠杆。它把"懂得封装经验、定义标准"的人,撑得很高;也让那些"只靠一门手艺吃饭"的人,第一次,感到了脚下的松动。
所以,真正该问自己的,从来不是那句被问烂了的"AI 会不会取代我"。
而是一个冷得多的问题:我手里攥着的,究竟是一份迟早能被打包进文件的手艺,还是一种,暂时还打包不进任何文件的判断。
往更大里说,人类几千年的知识传承,靠的都是"老带新"——经验在人与人之间,缓慢地、带着损耗地流动。恰恰是这份"难传",无形中,护住了每一代手艺人的饭碗。而 skill,第一次让经验可以零损耗、无限速地复制。我们一边为"提效"欢呼,一边没太意识到,自己正在亲手,拆掉那道"经验难以复制"的天然护栏——那道护栏,守着人类劳动的价格,守了几千年。
这不是要劝谁去拒绝 AI,那既不可能,也不明智。而是想说:当人人都忙着把经验喂给机器,一个人最该攥紧的,反倒是那点暂时喂不进去的东西——你的判断、你的品味、你为一件事死磕到底、并愿意担责的那股劲。
前者,正在变得越来越便宜。
后者,正在变得越来越贵。
风险提示:
数据来源:
[1] 菜鸟教程 / Anthropic 官方文档(Agent Skills 定义:将专业知识与工作流固化为模块化的 SKILL.md 文件夹,含可选脚本与参考资料,支持自动触发与团队共享;官方技能仓库 github.com/anthropics/skills)
[2] CSDN《停止构建智能体,开始构建技能:Agent Skills 的范式变革》(2025-10,某头部 AI 公司提出从构建通用智能体转向构建技能;约五周内形成基础能力、第三方生态、企业定制三大类型)
[3] 葡萄城开发者空间 / 知乎《2026 最新 Claude Skills 教程》(2026-01,Skills 为可复用指令包,封装团队工作流、业务逻辑与领域知识;采用渐进式披露按需加载;"掌握 Skills,就是掌握了将组织智慧规模化的能力")
[4] Claude 技术指南 · SkillsBench(2026,高质量、人工策展的技能通常能显著提升智能体完成任务的成功率,而模型临时自写的技能平均并不能带来稳定收益;技能质量高度依赖工程设计)
[5] 博客园 / 刀法如飞《2026 最值得安装的 10 个 AI 技能》(2026-05,技能生态已达数十万量级,find-skills 工具从约 20 万个技能中筛选;skills.sh 等以类插件市场方式分发)
[6] 知乎《Claude Skills 完全指南》(Skills 让 AI 从"什么都知道一点,但什么都不精",转变为"在特定领域有深度专业能力"的专业助手)
[7] 博客园 · 狂师《Superpowers + Claude Code 教程》(2026-04,将 TDD、代码审查等软件工程最佳实践封装为技能,使大模型从"代码生成器"趋近"真正懂工程的初级工程师")
[8] CSDN(技能市场生态:免费开源、付费专业、认证与技能组合 Bundle 并存,如"财务分析套件""设计师工具包",分发方式类似 NPM 与插件市场)
[9] 公开报道整理(2026 年出现 Open Agent Skills 等开放标准,推动技能跨平台、零配置分发)
— END —