把那个“技能就是个Markdown文件”的想法从脑子里扔出去——事情早就不是这样了！
2026年的AI圈正在分裂成两拨人：
一拨人觉得技能就是个花里胡哨的提示词包装，直接跟Agent说你要什么它自己会搞定，搞什么复杂框架纯属吃饱了撑的；
另一拨人，比如Y Combinator的CEO Garry Tan，把技能当成自然语言代码来维护和迭代，觉得这是下一件大事。
两拨人都不笨，那问题出在哪？答案很简单：说技能没用的人，他们脑子里想的那个“技能”跟现实世界里的技能根本不是同一个东西。 技能早就不只是Markdown了——它变成了一个夹在提示词和完整程序之间的灰色地带，而这个灰色地带正在悄悄吃掉你的工作流。
技能的定义早就炸了，没人说得清它到底是个啥
官方文档怎么说的？“Skills add reusable knowledge and invocable workflows”。翻译成人话：能重复用的知识和能调用的工作流。这定义宽到等于没定义。一个技能可以只是一个说明文件，也可以是一个带脚本、带工具、带参考文档的完整文件夹。从纯文本到可执行代码，中间全是技能的地盘。
拿三个东西来试试这个定义的边界在哪：
第一个叫Last30days，它帮你追踪HackerNews、Reddit、X上的动态。这玩意儿与其说是传统技能，不如说是一个能被Agent执行的迷你程序——里面除了Markdown还有代码和工具。
第二个叫Symphony，OpenAI开源的一个多Agent编排规范。它就是个Markdown文件，但里面写的是整个多Agent编排器的完整规格说明，推荐的安装方式是让Codex从零把它build出来。一个Markdown文件变成了一个产品的“壳”，每个用户build出来的东西都不一样。
第三个是插件，Claude Code、Hermes、Openclaw这些平台的插件生态已经相当成熟。插件不光包含技能，还有hooks和tools，它们在Agent的不同生命周期节点上介入——有些事你用纯技能就是做不了，必须上插件。
这三个东西放在一起，你还敢说技能“就是个Markdown文件”？所以最靠谱的定义只能往宽了说：技能就是帮助Agent完成任务的信息文件夹。故意模糊，因为这东西本来就没法精确定义。
技能解决的第一个问题：让你发现“原来还能这么玩”
GUI和命令行终端的关系，完美解释了技能在干嘛。命令行什么都能做，GUI能做的事命令行全能做——但问题是你记不住命令。更关键的是，面对一个空白的终端，你根本不知道“能做什么”。GUI把这个问题解决了：它把所有可用的操作明明白白列出来，把“回忆”问题变成了“识别”问题。
技能干的是同一件事。最酷的那些技能，本质上就是在给你看“原来Agent还能这么干”——你之前根本想不到。
比如youtube-notetaker这个技能，把YouTube视频里的幻灯片、笔记、转录文字一次性打包成结构化的笔记；你不是3D设计师？有个技能叫cc-blender-skill，让你用自然语言驱动Blender 5.x建模、材质、灯光、渲染、动画；你不会写HTML？有个WYSIWYG编辑器技能让你直接在页面上编辑和删改AI生成的内容；还有个技能能把Loom录屏视频直接转化成技能。
这些事你给Agent一个提示词它能不能做？可能能。但问题是你根本不知道可以这么问。
技能解决的不是“怎么做”，而是“还能做什么” ——这个区别大了去了。
技能解决的第二个问题：让Agent别再发神经
Agent有个臭毛病：极其不稳定。大多数时候走对路，但偶尔会钻进一个出不来的死胡同。同一个问题问两次，答案的结构、详略甚至结论都可能不一样。闲聊的时候无所谓，但写代码、做报告、搞部署的时候这就是灾难。
技能怎么解决？提供标准操作程序（SOP）。当一个任务看起来有不止一种完成方式的时候，技能告诉Agent“就走这条路”。这些SOP可以被反复打磨然后推送给每一个Agent——就像飞行员的手册，关键任务或者高频任务，我们不希望Agent每次都重新发明轮子。
最典型的例子是那些告诉Agent怎么对接外部资源的技能——没有它们，集成工作经常翻车。比如有Agent无视MCP协议，自己用computer-use去创建API密钥。这就是典型的不稳定——你给它一堆工具，它偏要用自己那套。
Google在2026年8月公开了他们构建、测试和规模化Agent Skills的完整流程。他们怎么保证质量？每个技能入库前必须通过自动化CI/CD流水线：linter检查元数据、目录结构和命名规范；链接检查器确保每个URL都有效；AI辅助检查清单验证指令是否遵循规定的结构模式。提交之后还有持续评估——文档和API会变，模型和Agent框架也会变，今天能用的技能明天可能就废了。
Google这一套东西说明了一个事实：当技能从个人玩具变成团队基础设施的时候，质量控制就不是可选项了，是必选项。
技能解决的第三个问题：把专家的脑子装进文件夹
有些领域的专业知识，用户自己不具备——网络安全、设计、SEO、营销。技能就是给Agent看的O‘Reilly技术手册。
具体例子到处都是：SEO技能帮你优化搜索引擎排名；网络安全技能做安全审计；营销和文案技能处理市场推广；前端幻灯片技能生成漂亮的HTML演示文稿。Garry Tan把YC的早期创始人多角色review文化编码成了31个Claude Code斜杠命令技能，他的gstack项目在GitHub上几个月就收获了近10万星——本质上是一套用“认知分工”把CEO、工程师、QA、Review各角色显式拆分的Agent工作流。
Anthropic打过一个特别好的比方：报税这种事，你愿意交给一个从第一性原理现推的300IQ数学天才，还是一个填过几千份税表的老手？大多数人选老手——不是因为他更聪明，而是他有积累的专业经验。通用模型就是那个数学天才，推理能力强得一塌糊涂，但缺你公司那套没人写下来的流程。
技能干的事，就是把老手的经验打包，让通用模型变成某个领域的专家。
截至2026年2月，公开可用的Agent Skills已经超过85,000个，支持这个标准的主流平台达到27家。仅官方索引到的仓库就超过15,000个，三大marketplace合计超过49万条目。但别被这些数字唬住——根据agentskillreport.com对673个技能的分析，22%连基本验证都过不了。52%的技能token是非功能性内容，许可证文件、构建产物、schema文件这些东西在技能加载时白白占用上下文窗口。
数量不等于质量，而且绝大多数技能质量堪忧。
技能解决的第四个问题：记住你是谁、你习惯怎么干活
这类技能最个人化——它们积累的是关于特定用户的专属知识。比如自动化销售外呼邮件排期的技能，完全符合用户自己的工作风格。它们的关键在于整合了来自之前Agent执行轨迹和用户反馈的信息。
学术圈有个说法：技能是Agent在决策时可以查阅的情景记忆。Hermes这类Agent框架已经实现了完整的“经验提取→知识存储→智能检索→上下文注入→执行验证→自动改进”闭环。技能不只是静态的说明文档，它们可以从执行中学习、从反馈中进化。
技能正在变成Agent的长期记忆——不是记住你说了什么，而是记住你怎么做事。
技能是一个正在形成的操作系统，问题是谁来制定规则
整体来看，技能让Agent系统在token空间里实现复利和规模化。模型光聪明不够——它们还需要程序性知识和如何在更大系统里工作的上下文。技能提供了这个桥梁。
2026年的格局已经相当清晰了。Anthropic在2025年10月推出Claude Skills，12月就把Agent Skills Specification V1.0开源成跨平台标准。TechCrunch管它叫“AI领域的Dockerfile”。2026年8月，Vercel联合Amazon、Cursor、Microsoft、OpenAI等巨头推出了Agent Plugins 1.0规范，旨在统一AI智能体的技能和工具格式，实现“一次编写，处处运行”。Linux基金会下属的AAIF在管理这个标准。
但热闹归热闹，问题也来了。一个技能让DeepSeek V4 Pro声称在多个基准上超越Fable 5的项目，被社区复测发现完全翻车——非但没提高成绩，还花了更多token。面对质疑，作者不公开评测记录，还删除质疑issue。这说明什么？
技能可以包装任何东西，包括假的。
另一个更棘手的问题：当技能可以把一个同事的工作方法、经验乃至语言特点打包成AI“技能包”，谁来保护被“打包”那个人的权益？经验、数据和收益如何分配？这已经不是技术问题了。
所以回到开头那个分裂：说技能没用的人，他们心里想的技能是一个单薄Markdown文件。而现实里的技能是一个从纯文本到可执行程序的光谱——光谱这头是“提示词”，那头是“软件”，中间一大片灰色地带全叫“技能”。
问题不在于技能有没有用，而在于当这个灰色地带越来越大、越来越模糊的时候，谁来定义它的边界？是Anthropic的开放标准，是Vercel牵头的巨头联盟，还是某个GitHub上突然爆火的开源项目？没人知道。但有一件事是确定的：那个说“技能就是个提示词”的人，他的Agent已经在用技能干活了——只是他自己不知道而已。