 |
ymzV2EX 第 425431 号会员，加入于 2019-06-28 15:57:03 +08:00 |
ymz 最近回复了
3 月 27 日 回复了 Vesc 创建的主题 › 商业模式 › 开一家炒鸡店(鸡公煲)或者自助洗车能否盈利？ |
@stinkytofux 先原地 360 转一圈
3 月 27 日 回复了 Robot2012 创建的主题 › 程序员 › AI 飞速发展的当下，各大厂们为啥都还在卷 IDE？ |
aws 也出了自己 kiro
3 月 19 日 回复了 3297269 创建的主题 › 问与答 › 现在有什么工具/技术路线能把 excel 计算表格转为程序？ |
问 AI 啊，让 AI 给你说怎么解决
3 月 18 日 回复了 lw10645 创建的主题 › 问与答 › 有没有去医院掏过耳朵的，如何实操 |
@Georgedoe 多少
3 月 13 日 回复了 imik 创建的主题 › Vibe Coding › 天才程序员回归！ Antigravity 额度重置时间又变回 5 小时了 |
5 个小时就重置了？
3 月 11 日 回复了 johnman 创建的主题 › Cursor › Cursor 只能用 composer 模型 |
加上分流
3 月 3 日 回复了 SayHelloHi 创建的主题 › 问与答 › 老铁们 你们用啥工具剪鼻毛～？ |
鼻毛剪刀，简单实用，别买电动的，不好用。
1 月 30 日 回复了 aaaaaaaaaasss 创建的主题 › 职场话题 › 吐槽｜实在理解不了 “接裁神”“喜大普奔” 这种话，被裁员到底有什么好恭喜的？ |
魔怔人
1 月 22 日 回复了 angeloli 创建的主题 › 奇思妙想 › 论 Skills 的哲学含义 |
用更简单的话，讲清楚 Skills 到底是什么、为什么重要
一句话版本
Skills 的本质不是“教 AI 多聪明”，而是把组织里“怎么把事做对”的经验，变成可以保存、共享、调用、审计的东西。
一、问题从哪来？
把 agent 真正放进工作中，很快会发现一个现实问题：
它不是不会推理，而是不懂你们公司是怎么做事的。
比如：
报告要按什么结构写，哪些点是领导一定会看？
上线前哪些检查是硬要求，哪些是踩过坑才总结出来的？
哪些话绝对不能对外说，哪些说法必须非常小心？
这些东西：
不在公开资料里
不在模型参数里
通常只存在于老员工的经验、流程文档、事故复盘里
而 Skills ，就是试图把这些“怎么做事的经验”系统地交给 agent 。
二、Skills 到底是什么？（不讲技术细节版）
你可以把一个 skill 想成：
“给新员工写的一份 onboarding 手册，但是给 AI 用的。”
它通常包括：
这件事是干嘛的
一般要按什么步骤做
常见坑有哪些
什么情况下要停下来、找人、升级
AI 在需要的时候：
先只看“目录级简介”
真正相关时，再加载详细内容
甚至可以读附带的文件、脚本
重点不在格式，而在一个变化：
经验第一次变成了一个“可以被安装和调用的东西”。
三、这为什么不只是 prompt 工程？
普通 prompt：
写给一次对话
用完就没了
很难复用、审计、维护
Skills 则是：
有目录、有版本
能共享、能更新、能回滚
像一个“长期存在的经验资产”
换句话说：
Skills 把“经验”从人的脑子里，变成了组织的公共资源。
四、Skills 在哲学上解决的，其实是“会做”的问题
哲学里有个经典区分：
know-that：知道某个事实（比如规则、定义）
know-how：真的会做一件事
很多人其实是：
会做，但说不清
一旦离开老员工的手把手指导，就容易出错
Skills 做的不是魔法，而是：
把能写下来的那部分经验（流程、清单、注意事项）写下来
把写不清的那部分，留给 AI 的判断 + 人的兜底
它不是消灭“经验感”，而是：
尽量减少“明明知道，但还是忘了/省了/做错了”的情况。
这和医疗里的 checklist 非常像：
医生并不是不懂
但复杂场景下，人就是会漏
五、规则写下来 ≠ 就一定会用对
哲学家维特根斯坦提醒过一件事：
规则本身，并不会告诉你该怎么用。
所以一个好的 skill ，关键不在“步骤写多长”，而在：
边界写不写清楚
什么时候不能继续
什么时候必须找人
慢慢地，成熟的 skill 会变成：
有例子（成功的、失败的）
有边界条件
有“禁止事项”
它更像：
一份“可执行的行为边界”，而不是一篇说明文。
六、Skills 的上限在哪里？
亚里士多德早就说过：
有些东西（流程、技巧）可以写成手册
但真正的“判断力”，写不出来
对应到 Skills：
**能手册化的：**流程、模板、工具用法
**不能手册化的：**在复杂情境下“该不该这么做”
所以高质量的 skill ，反而会明确告诉你：
哪些时候一定要停
哪些时候必须升级
哪些事情宁可慢，也不能赌
这不是削弱 AI ，而是防止它“太听话”。
七、当 Skills 被广泛使用，它其实在“治理组织”
一旦 Skills 成为默认做事方式，它就不只是知识：
它在定义什么是“正确做法”
在引导大家走哪条路径
在让偏离变得显眼
这本身就是一种软治理。
因此，Skills 一定会带来新问题：
谁能写？
谁能审核？
出问题怎么追溯？
能不能回滚？
这不是附加问题，而是 Skills 成熟的必经之路。
八、Skills 和 /prompt 、/command 有什么本质区别？
可以简单理解为：
prompt / slash command
→ 个人快捷方式，用着顺手就行
skills
→ 组织级经验资产，要能传承、审计、演进
Skills 把“我平时是这么做的”，变成：
“我们组织认为应该这么做。”
九、未来：Skills 很可能会变成 AI 时代的“能力包”
就像软件包一样，Skills 可能会变成：
可以安装、升级、锁版本
有依赖关系
有权限声明
有审计和回滚
最终，它会同时服务两类对象：
AI：知道怎么做事
人：知道组织是怎么运转的
最后一个重要提醒
技术哲学里有个警告：
当一切都被写成“可执行”，人可能会忘记“为什么”。
Skills 的危险不在于不够强，而在于：
把需要判断的地方
误写成了“默认就该这么干”
一个成熟的 Skills 体系，应该：
在关键点强制慢下来
要求解释
要求确认
让流程服务判断，而不是替代判断。
总结一句话
Skills 的真正意义，不是让 AI 更聪明，而是改变经验如何被保存、共享、调用，并最终塑造一个组织如何行动。
如果你愿意，我也可以再给你一版：
极简 5 分钟速读版
给非技术管理者看的版本
给工程团队落地的实践版
翻译版
一句话版本
Skills 的本质不是“教 AI 多聪明”，而是把组织里“怎么把事做对”的经验，变成可以保存、共享、调用、审计的东西。
一、问题从哪来？
把 agent 真正放进工作中，很快会发现一个现实问题：
它不是不会推理，而是不懂你们公司是怎么做事的。
比如：
报告要按什么结构写，哪些点是领导一定会看？
上线前哪些检查是硬要求，哪些是踩过坑才总结出来的？
哪些话绝对不能对外说，哪些说法必须非常小心？
这些东西：
不在公开资料里
不在模型参数里
通常只存在于老员工的经验、流程文档、事故复盘里
而 Skills ，就是试图把这些“怎么做事的经验”系统地交给 agent 。
二、Skills 到底是什么？（不讲技术细节版）
你可以把一个 skill 想成：
“给新员工写的一份 onboarding 手册，但是给 AI 用的。”
它通常包括：
这件事是干嘛的
一般要按什么步骤做
常见坑有哪些
什么情况下要停下来、找人、升级
AI 在需要的时候：
先只看“目录级简介”
真正相关时，再加载详细内容
甚至可以读附带的文件、脚本
重点不在格式，而在一个变化：
经验第一次变成了一个“可以被安装和调用的东西”。
三、这为什么不只是 prompt 工程？
普通 prompt：
写给一次对话
用完就没了
很难复用、审计、维护
Skills 则是：
有目录、有版本
能共享、能更新、能回滚
像一个“长期存在的经验资产”
换句话说：
Skills 把“经验”从人的脑子里，变成了组织的公共资源。
四、Skills 在哲学上解决的，其实是“会做”的问题
哲学里有个经典区分：
know-that：知道某个事实（比如规则、定义）
know-how：真的会做一件事
很多人其实是：
会做，但说不清
一旦离开老员工的手把手指导，就容易出错
Skills 做的不是魔法，而是：
把能写下来的那部分经验（流程、清单、注意事项）写下来
把写不清的那部分，留给 AI 的判断 + 人的兜底
它不是消灭“经验感”，而是：
尽量减少“明明知道，但还是忘了/省了/做错了”的情况。
这和医疗里的 checklist 非常像：
医生并不是不懂
但复杂场景下，人就是会漏
五、规则写下来 ≠ 就一定会用对
哲学家维特根斯坦提醒过一件事：
规则本身，并不会告诉你该怎么用。
所以一个好的 skill ，关键不在“步骤写多长”，而在：
边界写不写清楚
什么时候不能继续
什么时候必须找人
慢慢地，成熟的 skill 会变成：
有例子（成功的、失败的）
有边界条件
有“禁止事项”
它更像：
一份“可执行的行为边界”，而不是一篇说明文。
六、Skills 的上限在哪里？
亚里士多德早就说过：
有些东西（流程、技巧）可以写成手册
但真正的“判断力”，写不出来
对应到 Skills：
**能手册化的：**流程、模板、工具用法
**不能手册化的：**在复杂情境下“该不该这么做”
所以高质量的 skill ，反而会明确告诉你：
哪些时候一定要停
哪些时候必须升级
哪些事情宁可慢，也不能赌
这不是削弱 AI ，而是防止它“太听话”。
七、当 Skills 被广泛使用，它其实在“治理组织”
一旦 Skills 成为默认做事方式，它就不只是知识：
它在定义什么是“正确做法”
在引导大家走哪条路径
在让偏离变得显眼
这本身就是一种软治理。
因此，Skills 一定会带来新问题：
谁能写？
谁能审核？
出问题怎么追溯？
能不能回滚？
这不是附加问题，而是 Skills 成熟的必经之路。
八、Skills 和 /prompt 、/command 有什么本质区别？
可以简单理解为：
prompt / slash command
→ 个人快捷方式，用着顺手就行
skills
→ 组织级经验资产，要能传承、审计、演进
Skills 把“我平时是这么做的”，变成：
“我们组织认为应该这么做。”
九、未来：Skills 很可能会变成 AI 时代的“能力包”
就像软件包一样，Skills 可能会变成：
可以安装、升级、锁版本
有依赖关系
有权限声明
有审计和回滚
最终，它会同时服务两类对象：
AI：知道怎么做事
人：知道组织是怎么运转的
最后一个重要提醒
技术哲学里有个警告：
当一切都被写成“可执行”，人可能会忘记“为什么”。
Skills 的危险不在于不够强，而在于：
把需要判断的地方
误写成了“默认就该这么干”
一个成熟的 Skills 体系，应该：
在关键点强制慢下来
要求解释
要求确认
让流程服务判断，而不是替代判断。
总结一句话
Skills 的真正意义，不是让 AI 更聪明，而是改变经验如何被保存、共享、调用，并最终塑造一个组织如何行动。
如果你愿意，我也可以再给你一版：
极简 5 分钟速读版
给非技术管理者看的版本
给工程团队落地的实践版
翻译版
Select Language