夜雨聆风Skill才是"会做事"的那一层
上一篇聊到，AI怎么连上外部工具——Function Call让它学会"点菜"，MCP把菜单格式统一了。工具接好了，AI能查天气、能查数据、能调接口了。
但说实话，Function Call和MCP这俩词，大众基本没听说过。它们就像手机里的通信协议——你天天打电话，但不会有人跟你说"我在用HTTP"（笑不活了
）。
有意思的是，随着一些AI工具的普及，大众开始感受到一种变化。比如前段时间火出圈的🦞小龙虾、被叫"爱马仕"的Hermes——你用它们会发现，AI"会自动搜索了""会帮你写文案了""会自动整理文件了"。
这就奇怪了——同一个大模型，以前让它干活得手把手教，怎么换个工具它突然就会了？
不是AI突然变聪明了。是这些行为在系统里已经被提前设计成了固定的执行流程。这种把工具调用和操作流程组织成一套可执行能力的设计方式，就是Skill。
但这里有个容易搞混的地方：你看到的不是Skill本身，而是"被Skill包装过的能力结果"。就像你去餐厅吃饭，你看到的是"宫保鸡丁"这道菜，而不是后厨的菜谱和做菜流程。
AI出图
Skill到底是什么？
更准确地说，它是一套把工具和步骤组织起来的"行为规则"——规定AI在什么情况下该用什么工具、按什么流程完成任务。它不是新技术，可以理解为提示词工程的结构化升级，但更进一步——它还包含工具调用编排和执行流程控制。
打个比方。一个新员工第一天上班，公司给他配了电脑、装了系统、开通了所有权限。MCP干的就是这个事——把工具接好，让AI有工具可用。
但工具装好了，新员工就会干活了吗？不会。他坐在那儿，看着一桌子的工具，不知道先干啥。
📚你得给他一份岗位说明书——告诉他遇到什么任务该用什么工具，按什么步骤来，什么先做什么后做，什么情况要注意什么。
Skill就是那套可执行的岗位SOP——不光告诉你做什么，还规定怎么做、用什么工具做、按什么顺序做。当然，SOP只是Skill的一种表现形态，它还包含工具选择策略、执行流程编排、输入输出规范这些更底层的东西。但大白话讲，你可以先把它理解成一套"面向任务的可执行编排机制"。
以前你每次给AI派活，得临时交代一堆要求："先查这个，再分析那个，最后按这个格式输出。"下次再来一个同样的活，你得再说一遍。AI每次都像新员工第一天上班，你每次都得重新培训。
Skill干的事就是把这套流程固定下来。写一次，以后AI遇到同类任务就按这套规矩走。从临时工变成了有SOP的员工。
所以MCP和Skill的关系就很清楚了——
MCP解决"工具如何被标准化接入模型"，是基础设施层的协议规范；Skill解决"在工具之上，如何组织任务执行流程"，是一种应用层的设计模式。一个偏基础设施，一个偏应用逻辑。不是谁替代谁，也不是对等层级——MCP是底座，Skill是可选的组织方式。
先看目录，再翻手册
那Skill具体是怎么干活的？有个设计特别聪明。
你想啊，工具一多，问题就来了。如果AI一上来就把所有工具的完整说明书全读一遍——这个工具怎么用、参数怎么填、什么场景触发——那它的脑子就满了。信息太多，反而不知道该选哪个。就像你给新员工发了五十本操作手册，让他第一天全看完，他不是学会了，是懵了。
Skill的做法是分两步走——准确说，这是工具调用系统的一种常见优化策略，Skill会利用这个机制来管理工具。
第一步：看目录
AI只看每个工具的"名字和简介"——大概就一行字（100个token左右），跟看目录一样。AI扫一遍，决定"这个任务我要用哪个工具"。
第二步：翻手册
选好了，再去加载那个工具的完整说明书——详细的参数、流程、注意事项。没用到的工具，说明书压根不加载。
先看目录，选好了再翻手册。
这个设计为什么重要？因为AI一次能处理的信息规模是有限的——不光是上下文窗口的大小，还有注意力分配和工具选择的机制。你塞进去的东西越多，它能用来思考的空间就越小。工具一多，如果把所有说明书全塞进去，AI不是变聪明了，是被信息淹没了，反而开始犯傻——选错工具、传错参数、张冠李戴。
两阶段加载解决的就是这个问题：不是把所有知识一次性灌进去，是用到什么调什么。AI的脑子留给思考，不被说明书占满。
你看到的不是Skill，是"会做事的人"
好，现在把三层关系串起来看。
MCP是底层——工具怎么被标准化接入模型，做系统的人在搞，大众完全看不到。Skill是中间层——在工具之上怎么组织任务执行流程，开发者和产品在搞，大众看不到Skill本身，但会感受到"AI的能力变强了"。
而第三层，就是你看到的。
你打开一个AI工具，发现它会自动搜索、会帮你写文案、会整理文件——你看到的不是MCP，不是Skill，是"AI像某个岗位的人了"。像一个会做调研的助理，像一个会处理文件的行政，像一个会写文案的策划。
Skill不是让AI多一个工具，是让AI在行为上呈现出"角色化"。
你看到它像助理、像行政、像策划，但本质上它还是任务执行系统，只不过这套系统被Skill编排得像一个"懂行的人"了。
你看到的是结果，不是过程。就像你面对一个干活利索的员工，你看到的是"这人靠谱"，不是他背后那份翻了无数遍的培训手册。Skill就是那份你看不到的手册——它决定了AI在什么场景下该干什么、怎么干，但你感知到的只是"这人真行"。
所以下次你用AI工具，发现它"突然会做某件事了"，别觉得是AI自己开窍了。是有人在它背后，用Skill化的设计方式，把一套工具和流程提前编排好了。AI只是照着流程走了一遍。
需要说明的是，Skill并不是一个统一标准或强制架构——不是所有AI系统都有Skill这一层。有的系统只有简单的工具调用，有的有完整的工作流编排，有的压根没有Skill这个概念。Skill更像是一类"在工具能力之上进行任务编排的设计方式"，在不同AI系统中可能有不同实现，但目标一致：让工具能力变成可复用的任务行为。
说到底
但如果你非要用一句话把这三层关系说清楚，那就是：
MCP解决工具怎么被标准化接入模型，Skill解决在工具之上怎么组织任务执行流程，而用户看到的只是结果——AI"像会做事的人了"。
连上只是入职，培训好了才能上岗。
至于我什么时候能把这些全搞明白——副业嘛，观察自己什么时候能学会#得道大脑