“传统的五子棋只是把五个子连成一条线，而技能五子棋则是在传统的五子棋中加入了技能”——几个月前，“技能五子棋”出圈。而今年1月，一个以“技能”（Skills）命名的范式也逐渐从硅谷的AI企业中“出圈”到国内，一时间人人都在学习Skills，不只是开发者，不少职场人士也开始尝试通过这一范式，将固定流程任务封装为大模型可调用的“技能”。
Skills推出不久，OpenAI、微软、腾讯等国内外大厂旗下的产品纷纷跟进支持。1月19日，字节跳动旗下AI Agent平台“扣子”更新，上线“技能商店”，成为第一个将Skills翻译成“技能”并推出类似功能的国内大厂。
那么，究竟什么是Skills？让大模型学会“技能”后会有什么效果？新京报贝壳财经记者进行了实测。
全球大厂纷纷跟进Skills
要理解Skills的爆火，首先要回到一个核心问题：通用AI为什么“懂道理却不会干活”？
例如，DeepSeek能写代码，但不知道程序员团队用的是哪个框架、代码规范是什么；Kimi能生成分析报告，却不理解不同公司的财务报销制度、审批链条和表单格式；豆包能构思营销文案，却不知道具体品牌的调性、目标受众的痛点、过往成功案例的规律。
关键痛点在于，这些操作诀窍散落在组织和个人经验中，无法被模型直接调用。它们不是“知识”而是“技能”——只有在实践中反复摸索、总结失败、积累成功才能习得，每个人、每家公司均不同。
在此背景下，Skills出现了，该概念最初来源于以AI编程能力知名的国外AI大模型Claude。2025年10月16日，Claude悄然推出了一项名为Claude Skills的功能。官方的解释是“Skills能教会Claude如何以可重复的方式完成具体任务——比如按照贵公司的品牌规范生成文档、依托组织专属的工作流程分析数据，或是自动化处理各类个人事务。”
新京报贝壳财经记者测试发现，Skills可以简单理解为就是一个能够将多轮prompt（提示词）“封装”到一起的“标准化模块”。
贝壳财经记者使用扣子编程平台生成的一个“技能”模块
以“PDF处理技能”为例，一个提前制作好的Skills会告诉AI：如何识别表单字段、如何处理版式、如何检查错误、遇到问题时如何处理，内部可能还包含Python脚本用于格式转换，以及存放有公司品牌规范、字体要求、表单模板等。当AI需要处理PDF时，会自动识别并加载相关指令和资源，按照既定流程执行。
值得注意的是，“Skills”可以通过自然语言编辑，如同程序员编程一样，没有编程基础的普通人也可以进行尝试，从而沉淀出属于自己的“技能”，这正是其“出圈”的关键点。
最初，该功能只在开发者小圈子里流传，像是一次技术实验。但事情发展得比任何人预期都要快。一个月后的12月18日，Claude所属公司Anthropic做了一个出人意料的决定：将Skills发布为开放标准。这意味着，任何AI平台、任何开发工具，都可以实现Skills标准。
同一个月，ChatGPT悄悄出现了“几乎一模一样的架构”——相同的SKILL.md文件、相同的目录组织等。微软、腾讯等旗下的编程工具也官宣支持Skills标准。就这样，Skills从单一厂商的实验性功能，到全球AI巨头的集体跟进，不到3个月时间。
新京报贝壳财经记者发现，在Github平台上，不少与Skills相关的代码库的星数在不断飙涨，截至1月21日，Anthropic官方Skills库的星数已接近5万。
Anthropic核心工程师Barry Zhang在一个行业论坛上的发言，道出了行业对Skills的共识：“别造Agent（智能体）了，造Skills就行。”
实测“技能”：迭代两轮，模仿出记者文风
Skills如何使用？新京报贝壳财经记者使用集成了Skills能力的扣子来实测“技能”功能。
点击该平台“技能商店”选项下的“创建技能”，进入Skills的创建界面。贝壳财经记者首先使用自然语言复述了自己日常撰写稿件的工作流程和文章要求，例如文章结构、标题样式等，很快就生成了一个“贝壳财经科技类文章写作技能”。
不过，当首次使用该“技能”让其撰写文章时，贝壳财经记者发现这一“技能”犯了大多数大模型都会犯的错误：整篇文章虽然符合格式，但充满了编号和定义，写得像“论文”，AI味儿严重。
紧接着向其输入记者本人之前写过的文章，让其学习文章风格，并针对该“技能”首次生成的文章结果进行了针对性点评，让其“避坑”。很快，“贝壳财经科技类文章写作技能”针对提醒进行了迭代，生成了“2.0”版本。
新京报贝壳财经记者在扣子平台上生成“贝壳财经科技类文章写作技能”，并进行了版本迭代。
当再次使用这一“技能”生成文字时，此前存在的问题已经解决。虽然这一“技能”仍然替代不了采访能力，但已经可以做到按照记者的要求，针对不同选题生成基本符合报社调性、带有本人文风的文章。
新京报贝壳财经记者注意到，相比直接在大模型中输入提示词来完成任务，“技能”可以让大模型“记住”此前通过多轮对话沉淀下的记者的要求，这样再次使用这一“技能”时，直接调取即可，不用再输入额外的提示词，省去了重复输入的麻烦。这一过程中，公司的规范和流程以及创造者本人的经验也“沉淀”在了“技能”之中，该逻辑也完全可以推广至其他业务范畴，如有着明确格式要求的公文、研报或者有固定流程的批文任务等。
事实上，新京报贝壳财经记者在扣子平台的“技能商店”中就看到了不少其他用户上传的“技能”，包括创造历史课件、分析股票板块热度、创建新年绘本等。其中，一个名为“花叔的自动化写作”的技能已经有4800人安装。创作者“花叔”表示，该技能已经“运行迭代2个月 20 版以上，产出10篇以上1万+阅读文章。”
扣子平台“技能商店”中的“技能”。
Skills的未来：让大模型更理解用户，但也存在风险
有熟练使用Skills的个人开发者告诉新京报贝壳财经记者，Skills可以“搭配使用”，例如在工作流程中，搜集信息、处理信息和二次审校核验可以分成3个Skills，“这实际上是把工作流程‘原子化’了，未来企业的竞争力有可能直接取决于私有Skills的沉淀数量与质量，取决于能否将隐性知识高效转化为标准化的可执行模块。”
也有声音认为，在这一情况下，Skills将让算力的消耗再上一个台阶。对此，Anthropic创造性地设计了“渐进式披露”（Progressive Disclosure）机制。AI启动时只扫描每个Skill的元数据（约100 tokens）——也就是技能的名称和描述，知道“有哪些技能可用”即可；真正需要时才加载完整的SKILL.md（约3000 tokens）和相关脚本。这意味着一个Agent可以装备100个技能，但平时几乎不占用上下文，只有在干活时才“打开说明书”。
例如，一项流程中，当AI需要处理文档时，会自动识别文档处理的Skills，而处理PDF时，会自动识别支持处理PDF的Skills，加载相关指令和资源，按照既定流程执行。这一机制能有效降低算力消耗，更重要的是，它彻底改变了AI的使用方式：从“每次都得教一遍”，到“学会一遍，终身受益”。
不过，Skills也存在风险。例如，目前GitHub等代码平台上存在着名字、功能五花八门的Skills，但由于许多Skills由个人开发者创造，其中有可能隐藏恶意的代码、脚本，存在信息泄露的风险。因此，创建独属于个人或公司的“技能”最为保险。
“让大模型变得越来越‘聪明’是巨头们的事线上实盘配资，但Skills才是能让普通人也可以拥有‘技能’的落地功能。如何让大模型更理解你，更好地帮你干活儿？建立自己的Skills或是机会之一，这才是AI时代真正的护城河。”上述开发者说。
元鼎证券提示：本文来自互联网，不代表本网站观点。
