中英文互联网吵了一整年，我把两边的底牌都翻出来了
第二个变量：写多少。
2 到 3 个聚焦的 +18.6，4 个以上掉到 +5.9，大而全的 -2.9。最佳配置是少而准，不是多而全。
第三个变量：什么领域。
医疗 +51.9、制造 +41.9，软件工程和数学只有 +4.5 到 +6.0。为什么？因为前沿模型已经会写代码、会做数学题了，你再写一份"怎么编程"的 Skill，等于教鱼游泳。医疗数据格式、工厂工艺标准、临床流程这些东西，训练数据里本来就少。
说到底就一条：一个领域需要的组织隐性知识越多、模型越不熟，Skill 就越值钱。反过来就越不值钱。
这也解释了国外那场辩论里，为什么双方说的其实都对——他们说的根本不是同一个东西。而做个人小工具的看的是这个月帮我省几小时，做制造业流程的看的是这条产线的良率能不能稳住。但真正的区别在这儿：前者随时可以换工具，后者的经验换不来。
五、真正要辩的三个问题
前面都是摆事实。下面这三个我给不出结论，我自己也在摇摆，留给评论区。
第一个：Skill 是基础设施，还是临时脚手架？
说它是基础设施的人，拿的是生态数据：开放标准、40 多个产品支持、将近 8 万个 skill、1.58 亿次安装，而且 MCP 的路线已经走通过一遍——1 万多台服务器、9700 万次 SDK 月下载。
说它是脚手架的人，拿的是同类先例：提示词工程师岗位三年蒸发 70% 以上。而且有个信号值得琢磨——到现在为止，没人去做 Skill 的替代品，大家都只是在用。有人说这说明方案是对的，也有人说这说明它太薄，薄到不值得做替代品。
那你凭什么觉得，自己现在写的这批 Skill 三年后不会贬值？
第二个：壁垒是数据资产，还是技能封装？
反方说，AI 时代值钱的是你手里有多少数据——工作记录、用户调研、客户反馈。Skill 会贬值，数据资产不会。
正方的反驳也挺硬：数据堆在那儿不会自己变成结果。MIT 那份报告说得清楚，95% 的失败里根因是系统不保留反馈、不适应上下文。把数据变成流程，需要的恰恰就是封装这件事。
所以到底是"有数据就赢"，还是"能把数据变成流程才赢"？
第三个：Skill 会进权重吗？
如果哪天 agent 能从自己的执行记录里提炼流程，或者干脆把 Skill 编译成微调数据，那对现在这批熬夜写 SKILL.md 的人来说意味着什么？白干，还是提前把地基打好了？
我倾向后者。但我承认我没有证据。
六、我的判断
前面说了不站队，这一段我得表个态。三个判断，都带条件。
未来 3 到 5 年，Skill 会越来越重要。 理由很土：模型确实还不够强，企业流程确实还不标准，这个中间层省不掉。数学摆在那儿，95% 的每步准确率撑不起 20 步的流程，靠"等模型升级"来解决，你等不起。
但它的形态会变。 人手写 → agent 从示范里提炼 → 编译进权重，李曼玲那条连续谱我认为是对的。所以别把"Skill"这个词太当回事，把"把专业知识变成可复用资产"这件事当回事。但真正的门槛不在写，在判断——你判断得出哪条流程值得留下，才有东西可写。
真正会分化的，是有没有隐性知识。 我自己做的业务就卡在这条线上：能卖出去的方案从来不是"我帮你写一套提示词"，而是"我把你厂里那个老师傅的判断标准写成了别人能用的流程"。前者会被模型吃掉，后者不会——因为模型没有你那 20 年的现场经验。
顺带说一个反直觉的结论：SkillsBench 测出小模型加 Skill（Haiku 4.5，27.7%）打赢了大模型裸奔（Opus 4.5，22.0%）。这对预算有限的中小企业是好消息——你不用追最贵的模型，你得先把流程写清楚。付一样的钱，一边在买更聪明的脑子，一边在买更清楚的规矩，而今天后者赢。
评论区，我留了五个问题
这篇我没打算给标准答案，因为现在真的没有。但有五个问题我特别想听人吵：
- 你上次认真写一个 SKILL.md 是什么时候？现在还在用吗？
- 你装了三五个 skill 的 agent，真的比只装一个的干得好吗？
- "让 agent 自己写 skill"这件事，一年内能不能超过人工写的？（SkillsBench 现在的答案是 -1.3%，欢迎打脸）
- 如果只能留一样：你的数据资产，还是你的 skill 库？
- 说句不好听的——如果 Skill 三年后没了，你这三年写的东西还剩什么？
挑一条你最不服的，直接在评论区反驳我，带上数据更好。我看完挨个回。
本文数据来源：SkillsBench（arXiv 2602.12670，2026.02）、MIT NANDA《The GenAI Divide》（2025）、agentskills.io 开放标准文档、Anthropic 官方博客、Hacker News 相关讨论、Gartner 2025 年上下文工程研究，以及 Simon Willison、Richard Sutton、李曼玲等公开访谈与文章。