夜雨聆风上个月帮一个做电商的朋友看数据。
她打开手机给我看：桌面上有 ChatGPT、Kimi、豆包、通义千问、还有两个我叫不出名字的 AI 助手。「你看，」她一个个划过去，「界面长得一模一样。问它们同一个问题，答案也都差不多。所以我留哪个？」
我愣了一下。然后想到一个数据：2025 年底有人对比过主流 AI 应用的聊天界面，相似度 92%。
92% 什么概念？你去应用商店搜「AI」，下载前五个，换个皮肤根本分不清谁是谁。
这不是我朋友的问题。这是 2026 年整个 AI 行业的问题。
模型不再性感了
说一个你可能没注意到的变化。
两年前，谁家发了个新模型，那是大事。GPT-4 出来，全网炸。Claude 出来，全网炸。那时候拼的是谁家模型更聪明——一个 MMLU 跑分高两个点，能把发布会开成演唱会。
现在呢？
2026 年上半年，头部模型在主流基准上的分差不到两个点。你让普通用户盲测，根本说不出哪个是 GPT-5 哪个是 Claude Sonnet 4.6。更狠的是价格——AI 推理成本两年降了超过 95%。
模型变成水电煤了。跟电一样——你家灯亮不亮，不会关心用的是三峡的电还是大亚湾的电。
这对做 AI 应用的公司来说是坏消息，也是好消息。
坏消息：你没法靠「我用的模型更聪明」当卖点了。
好消息：终于有人开始想——如果模型都一样，那什么不一样？
92% 同质化，剩下 8% 差在哪
来看看这一年发生了什么。
2025 年底，Anthropic 发了个东西叫Agent Skills。说人话就是：给 AI 写「技能包」——一个文件夹，里面有说明文档、脚本、模板。你把它丢给 AI，AI 就知道某个特定任务该怎么干。
听起来不新鲜对吧？插件嘛，GPT 早就有。
不是一回事。
插件的逻辑是「给 AI 接一根线」：你能连数据库了，你能查日历了。但连上线之后怎么用，插件不管。
Skill 的逻辑是「教 AI 怎么做一件事」。不光给工具，还给经验。
举个例子好理解：
你让一个新来的实习生「帮我查一下上个月的销售数据」。光给他数据库密码是不够的。你还得告诉他：数据在哪个表里、口径怎么算、哪些是测试数据不能碰、做完用什么格式输出。这些东西不在数据库里，在你的脑子里。
Skill 就是把你脑子里的这些东西打包，放进 AI 的文件夹。
Anthropic 把 Skill 开源成一个标准协议。48 小时内，微软和 OpenAI 宣布接入。
到 2026 年 6 月，开源社区已经积累了超过 3000 个社区贡献的 Skill，涵盖代码审查、PPT 生成、SEO 写作、设计转代码、安全审计……你能想到的工作流，几乎都有人写好了 Skill。skill.sh 这样的 Skill 市场，GitHub Star 数超过 60,000。
这不是插件市场。这是经验市场。
三家公司，三种活法
同是做 Skill 生态，不同的选择决定了不同的路。说三家有代表性的。
开源项目，180,000+ GitHub Star。核心理念：把每个能力拆到最细、最原子，用户自己像搭乐高一样自由组合。
好处是灵活。坏处呢？链路一长容易断。你想「帮我订一张下周三飞北京的机票」，可能要串 7 个 Skill——搜航班、比价格、查日历、填信息、确认、支付、发提醒。一个环节挂了，整个流程失败。
适合喜欢折腾的人。不适合「我就想订个票」。
Cursor 一开始是个写代码的工具。后来他们发现一个有意思的现象：到 2026 年 4 月，使用 Agent 模式的用户数已经反超了单纯用代码补全的用户。日请求量破亿。
为什么？因为 Cursor 不让你操心 Skill 的顺序。它的 Skill 是「上下文感知」的——你打开一个文件，它自动判断你需要什么：这是 React 项目，用这个规则审查；这是 Python 脚本，调用那个格式化工具。
你不需要知道背后有多少 Skill 在工作。它自己知道。
适合想把事干完的人。但 Skill 的边界是 Cursor 定好的，你不能随便改。
我个人觉得最接近「生产环境理想形态」的路线。
Claude Code 的 Skill 可以调用另一个 Skill。一个复杂任务来了，它先调用「任务理解」Skill，拆成子任务；每个子任务再调用对应的专业 Skill；干完后调用「审校」Skill 自查一遍。
不是乐高。乐高是你自己拼，拼错了也不知道。Claude Code 是一条流水线——每道工序有一个专业的人在干，干完下一个接着上。
而且对普通人非常友好。不需要写代码。在文件夹里新建一个 SKILL.md，用自然语言写清楚「遇到 X 情况时，你应该这样处理」，丢进去。AI 就会了。
我一个做设计的朋友，用了两周。现在他有一个专属的「设计师 AI 助手」，知道他的配色偏好、字体习惯、甚至知道他「不喜欢大面积红色」。他说：「我 1 个人现在能干以前 3 个人的活。」
这不是 AI 替代了设计师。是他把自己的经验「复制」了一份。
会自己长技能的 AI
再往深想一层。
现在的 Skill 还是人写的。但方向已经很清楚了：AI 会自己给自己写 Skill。
有个概念叫「自进化 Agent」。逻辑不复杂：Agent 每执行一个任务，如果成功了，它就把这次的成功路径自动封装成一个新的 Skill。下次再遇到类似任务，直接用，不用重新摸索。
就像一个厨子。第一年每天照着菜谱做。三年后他自己写了三百道菜谱，有些是改良的，有些是原创的。你再让他做一道新菜，他不是从零开始——他有一整套已经验证过的方法论。
一个执行了十万次任务的 Agent，它积累的 Skill 数量和质量，不是换个更强模型能追上的。
模型能力是租来的。Skill 积累是自己的。
这就是为什么我说：遍地 AI 应用的今天，Skill 是唯一的护城河。
你该怎么办
说回普通人。
你不用学编程。不需要懂 MCP 协议。没必要追每一个新模型。
但有一件事值得做：试着给你的 AI 写一个技能包。
不用很复杂。就从你最熟悉的一件事开始。
比如你是一个客服主管。你每天处理投诉有自己的一套流程：先安抚情绪、再确认事实、然后给出方案。把这个流程写成一段话，放在一个 SKILL.md 文件里。告诉 AI：「当你帮我处理客户投诉时，请这样思考。」
三十分钟的事。
做过一次你就会发现一个有意思的变化：以前是你配合 AI 的节奏，现在是AI 配合你的节奏。
这才叫「会用 AI」。
2026 年，不缺 AI 工具。缺的是能定义工具怎么用的人。
你不需要变成程序员。你需要变成那个「会写菜单」的人。
📊 本文数据来源
（关注我，下一篇，手把手教你给你的 AI 写第一个 Skill。）
