Agent技能还有多大用处？ - 铁蕾的个人博客

首页 > AI技术 > 正文

Agent技能还有多大用处？
2026-08-24

这是个有争议的话题。

之所以会产生这个疑问，是因为我观察到了两个现象。第一个现象，我发现周围使用agent的人几乎都不怎么使用技能。第二个现象，很多时候网上开源的技能甚至都不一定跑得过baseline，换句话说就是，针对同一个任务使用技能和不使用技能，很多时候效果是差不多的。

技能的分类

要展开分析这个话题，就需要先把技能分分类。

第一种分类方式，是按照技能的用途来分。大体可以分为三类：

经验类技能。
API或命令说明书。
自定义工作流。

先来说第1类。很多行业know-how、方法论总结、惯例、模板、风格描述、专业经验等等，都属于这一类。

Agent Skills这个概念最早是Anthropic的工程师提出来的。它被提出来的初衷就是：本来具有通用知识的模型，加上一个专业的技能，就能让模型从「通才」变成某个领域的「专家」。也就是说，从一开始，技能这个概念就是为了给通用模型加「经验」的。

这些专业经验非常有价值，它让不了解某个领域的人，能够快速复用这些经验。但是，这些经验类的技能实现商业化的途径却非常难。也就是说，技能的贡献者靠这个赚不到钱。

道理也很简单，这类技能承载的「经验」，价值太薄了。这类经验还有一个特点，在你不了解的时候，它们价值巨大，但一旦了解了，比如有人把它们做成公开可以访问的技能了，便立即失去了差异化的价值。不管谁，只要会用AI，大家使用这些技能做出来的东西，都是一个样儿。

此外还有一个更「恐怖」的、也是难以逆转的趋势：这些经验一旦被写进技能分享出来，就有可能被模型吞进去（被模型学会）。等模型几个月后升级换代，这些技能就变得可有可无了。

在这个方面，受AI冲击最大的，可能就是「老法师」们了。积攒了十年、二十年的经验，被模型轻易就学会了。当然了，这些技能也是各个行业的「老法师」们自己贡献出来的。

有些人确实是乐于分享。而另一些情况则是商业逻辑驱动的。不管是大模型公司，还是AI应用公司，他们如果想让自己的产品进入某个领域，必然需要借助于专家的经验。而出于商业上和成本上的考虑，很多公司会聘请行业专家做外援（兼职），把他们的经验从脑子里挖出来，沉淀到技能里面。

这一类技能，能够持续维持价值依赖的唯一可能，也许就是经验本身的变化。随着行业的发展，旧的经验失效了，取而代之的是新的行业规则。毕竟，至少与人类社会有关的知识，它的「标准答案」还是掌握在人类手中（而不是AI决定的）。

再来说说第2类技能，API或命令说明书。

这一类技能，通常是技术提供商自己提供出来的，为了让对外的技术接口、工具更容易被agent调用。比如飞书CLI相关的一系列技能；再比如微软云、谷歌云提供的一系列技能。

这一类技能的用处/价值有两方面：一方面，API的更新换代频率通常快于模型训练迭代的周期，通过技能可以来描述这些变化相对较快的信息。另一方面，对于那些复杂的技术体系，在具体API或命令之外，总是存在一些全局性的信息，需要以技能的方式来承载。

当然，如果是简单的CLI命令，一个足够清晰的“–help”参数可能比一个技能更高效。

总之，第2类技能的价值其实主要在于它背后的服务——API、命令或其他接口形式。这些东西在技能出现之前就存在，在AI时代只不过换了个表现形式。

再来讨论一下第3类技能。所谓的自定义工作流。

每个人的日常工作中总有一些重复性的工作。一旦某件工作发生重复劳动，理论上就应该被自动化。这属于个人的工作流，非常定制化，每个人的工作流都不一样。同理，一个团队也一定有属于团队的、可重复的工作流。

这些工作流，以前如果想变成自动化程序，是成本非常高的。但是在AI时代，这件事变得容易了，所以可行了。

对于通用agent来说，能够承载这一类工作流的概念，只能是技能了。但这其实是某种概念的错位，从名字就能看出来了。「技能」这个词其实具有某种可复用的属性，它是能够稳定完成某类任务的能力。比如说，一个人会画画，可以说这个人有画画的技能；一个人会编程，可以说这个人有编程的技能。

但是，工作流是完全不同的一个概念，它是和场景、目标有关的，而不是指代某种可复用的能力。工作流千差万别，它可以是某种复杂的、自动化的视频生产线，也可能是简单的搜索新闻再写一个简报。

技能还有另外一种分类方式：

A. 公开的技能。
B. 私有的技能。

在前面的分类中，第1类和第2类，通常是公开的；第3类，由于它的个性化、定制化的特点，通常是私有的。

凡是公开的技能，只要是有足够价值的，最终都会被模型吸收进去。所以，只有自动化工作流是真正属于每个人的。

技能的「技术性」弱点

在这里，我们讨论技能的几个难以克服的弱点。

第一，前面我们已经讨论过了，随着模型越来越强，它很可能会学会所有公开的技能。

如此说来，那些公开的技能大部分都会是阶段性的存在。它们一出现就在快速贬值。

第二，很多现实世界的任务并不是一个技能就能解决的，需要跨多个技能组合使用才行。

实际上，有价值的现实世界任务通常是一个工作流。

举个例子，下面这个生成视频封面图的工作流，其实萃取了两个技能的有用部分才得以正确运行：其中一个技能提供了视觉排版方案，而另外一个技能则提供了如何调用image-2文生图模型的技术方法。

第三，公开的技能难以产生差异性的价值。

就算你学会了如何使用一个技能，也顶多是做到和别人一样的效果。通过下载、学习更多技能而获得领先的时间窗口非常短。

第四，要求用户去了解哪些任务应该使用哪些技能，是反人性的。

技能未必是需要用户特别关注的产品概念，而更像是一种底层技术手段，是一个阶段性的概念。

这个观点在我前面介绍Bridgic Agent的设计时已经提到过。如下图，也许我们只需要一个how-to元技能（或元经验），通过它我们可以根据任务的描述找到真正需要的技能（以及其他工具）。在当前阶段，这种方法也许未必能百分之百地解决所有问题，但可优化的手段非常多，还远远没有达到上限。这个元技能本身就相当于一个agent任务（一个自动化工作流）。