装100个技能不如装5个：我实测后搞懂了Skill的正确用法

 

 

 

先说结论：别急着往AI里装一堆Skill，装多了反而更笨。这句话不是我拍脑袋说的，后面有一组很扎眼的实测数据。

 

从一个翻车场景说起

 

我之前一直有个困惑：明明模型能力不差，为什么每次开新对话，它都像失忆了一样，从零开始猜我要什么格式、什么口径。

 

打个比方，一个什么菜系都会的大厨，就是做不出你外婆那道红烧肉。差的就是那份独家秘方。

 

这份秘方，现在有个正式的名字：Skill。

 

 

这个思路其实不新

 

2023年就有一批研究者干过一件事：让AI在《我的世界》里玩，把它学会的本事存进一个技能库，下次遇到类似的活直接调用，不用从头学一遍[1]。

 

 

 

 

只是当时的技能还是一段段代码，只活在论文里。直到两年后，Anthropic在2025年10月把Skill变成普通人不用写代码也能用的格式[2]，现在这个格式已经开放成标准，40多家主流厂商都在沿用[3]。

 

Skill到底是什么

 

说白了就是一份提前写好的工作指南：某类任务按什么步骤做、输出什么格式、注意哪些坑，一次写清楚，以后AI自己识别、自己应用。

 

技术上，一个Skill就是一个文件夹，核心是一份叫SKILL.md的文件，里面全是自然语言。不用写代码，相当于把你脑子里的工作流程翻译成AI看得懂的菜谱。

 

 

你可能会问，这跟提示词有什么区别？

 

区别在调用方式。这就要说到Skill设计里我认为最妙的一点：渐进式披露。

 

为什么不把指令一次全塞给AI

 

直觉上，把所有要求一次性给AI更省事。但实际正好相反：塞太多，AI会变笨。

 

有研究团队测过18个主流大模型，结论很一致：输入越长，模型越容易抓不住重点、被无关信息带偏、漏掉关键细节[4]。

 

 

 

现在的模型都号称支持超长上下文，但装得下和用得好是两码事。上下文窗口是公共资源[6]，你塞进去的越多，分给每条信息的注意力就越少。像一间会议室，谁都多占一点，占满了就开不了会。

 

所以Skill被设计成文件夹的样子：主文件只放主流程，模板、案例、规范这些细节拆到附带资料里。AI接到任务先扫一眼各技能的简介，判断哪个用得上，真用上了才去翻对应的文件。

 

 

用到哪章，才拿哪章。这就是渐进式披露。

 

滥用的代价

 

讲完原理讲坑。装Skill是有成本的：一是占技能菜单位置，装多了菜单变杂物间；二是干扰意图判断，AI干活前得先从一堆技能里挑出该用的那个，技能越多越容易挑花眼。

 

有研究者实测过：可用技能从5个涨到100个，AI挑中正确技能的准确率从29.6%跌到3.3%[5]。

 

 

 

翻译一下：装一百个，大概率不如只装五个。

 

（注意图中数字是挑中正确技能的准确率，不是任务成功率[5]）

 

那什么任务值得做成技能？我的判断标准是三条：

 

重复做的，比如周报、数据整理、会议纪要； 有固定格式或标准的，比如公文模板、审核标准、文案口径； 想沉淀成个人经验的，比如你的判断逻辑和流程方法。

 

跟AI解释过三遍的事，才值得做成技能。一次性的需求，让它过去。

 

实操：怎么创建、怎么获取

 

创建最省事的办法是让千问办公自己写。直接在对话里说“帮我做一个能做某件事的技能”，它会一步步带你完成。

 

更懒的办法：先让它把一件事做好，效果满意了，说一句“把刚才的流程沉淀成技能”，它会自动总结归档。当然也可以自己写文件上传。

 

 

不管谁来写，一个合格的技能要讲清三件事：什么时候用、步骤怎么走、输出长什么样。写得越清楚，发挥越稳定。

 

获取现成的也简单。技能广场里官方加社区的技能有好几千个，看到合适的一键安装。你甚至不用自己逛，直接说“帮我找一个能做某件事的技能”，它替你搜索、替你装。

 

想把技能写得更好，三条经验：

 

触发描述是命门，要说清“做什么”加“什么时候用”，写得含糊它可能永远不会被调用； 正文控制在500行以内，细节资料拆出去单放； 引用资料只放一层别套娃，AI翻目录也会迷路。

 

进阶玩法：专家套件

 

单个Skill是把趁手的工具，专家套件就是整个岗位的工具箱。它把多个技能、数据连接、快捷命令和输出标准打包成一套岗位方案，比如法务套件内置合同审查、法律文书等一系列技能。

 

安装入口在扩展→专家套件，点加号即可；装好后在对话框输入/就能看到全部命令。

 

我觉得对企业最有价值的用法是：让最懂业务的人把岗位流程和判断标准做成套件，全员一键安装。新人的起点，就是老手的标准。

 

参考

 

[1] Voyager: An Open-Ended Embodied Agent with Large Language Models，NVIDIA（联合 Caltech / Stanford / UT Austin），NeurIPS 2023，arXiv 2305.16291

 

[2] Anthropic 工程博客：Equipping agents for the real world with Agent Skills（2025-10-16）

 

[3] Agent Skills 开放规范：agentskills.io/specification（2025-12-18 发布为跨厂商开放标准）

 

[4] Chroma 研究报告：Context Rot（2025-07-14）

 

[5] Demystifying Agent Skills，arXiv 2608.14036（2026-08）

 

如果你正在为团队评估企业级 AI Agent 的选型与落地，可以直接找云巴巴聊聊。云巴巴是腾讯云 AI 智能体示范伙伴、腾讯 WorkBuddy 核心伙伴及官方授权服务中心，汇聚了 WorkBuddy、千问办公、TRAE Work 等多家主流 Agent 工具与方案，能结合你的数据边界、任务形态和团队能力，从选型对比、方案验证到陪跑落地提供一站式服务。欢迎咨询云巴巴，获取专属的 Agent 实施落地方案。