给 AI 装了三十个技能包之后,很多人发现自己不会做决定了
给 AI 装了三十个技能包之后,很多人发现自己不会做决定了
最近半年,AI 编程圈最火的一个词不是某个模型,而是“技能包”。
说白了,技能包就是给 AI 助手预先写好的一套套“岗位说明书”:遇到代码审查该怎么查、遇到上线该怎么走、遇到设计该怎么挑毛病。装上之后,AI 不再是那个“你说一句它写一段”的实习生,而像一支随叫随到的外包团队。
YC(Y Combinator)现任 CEO Garry Tan 开源的 gstack,就是这股风潮里最有代表性的一个:23 个专家角色、8 件配套工具,从 CEO 重新想产品、工程经理定架构、设计师挑毛病,到 QA 真的打开浏览器点页面、安全官做审计、发布工程师把代码推上线,全靠一句斜杠命令触发,全部免费开源。
它确实好用,好用到 Garry Tan 自己说,最近 60 天兼职状态下上线了 3 个生产服务、40 多个功能。
但今天想聊的不是“它有多神”,而是一个更值得琢磨的问题:当技能包越装越多,我们自己的判断力,是不是正在一点点被外包出去。
一、从“工具堆砌”到“技能堆砌”,其实是同一个坑换了名字
几年前大家嘲笑一种人:电脑里装了二十个效率软件,笔记散落在五个 App,最后一件正事没干。
现在这个坑换了个更好看的外壳,叫“技能堆砌”。
打开任何一个技能市场,你会看到几百个听起来都很专业的包:写作的、做图的、审代码的、做增长的、做客服的。每个的介绍都写着“效率提升 10 倍”,于是你一个个装,装完发现自己多了三十个按钮,却少了一条清晰的主线。
有意思的是,gstack 官方文档里其实早就写下了这个担心。
它的“主动推荐”功能,默认只推荐四个技能:开工前聊需求、改完代码做审查、上线前做验收、最后发布。理由说得很直白——很多人是把它和别的技能包一起用的,而“这四个是用户真正会夸的,其余的不再去和别家抢同一个位置”。
换句话说,连做出这套东西的人都知道:技能的边际价值,是递减的,甚至会互相打架。
二、一份自己晒出来的“体检账本”,比任何评测都诚实
gstack 仓库里有一份很有意思的清单,把整套系统拆成了 65 个零件,逐个标注“每次运行要读进去多少内容”和“有没有证据证明它真的有用”。
结果是:被公平测试证明“有用”的,零项。
一项被测出“没效果”,已经挂上了“候选删除”的标签;17 项写了测试计划但还没做;剩下 48 项,连测试计划都还没有,只有一句“历史遗留”。
清单第一名,是上线前那套“评审团”说明书,跑一次就要读进去两万多个 token;第二名是设计评审,两万个;第三名是发布流程,一万四千个。一次完整的开发流程走下来,光“读说明书”这一项,就够烧掉不少钱和时间。
这个账本最扎心的地方不在于数字大,而在于它暴露了一个普遍现象:我们给 AI 加规则的速度,远远快于我们验证规则的速度。
加一条规则只要五分钟,删一条规则却要开会。于是技能包像衣柜一样越塞越满,最后你每天早上站在衣柜前发呆,跟当年站在二十个效率软件前发呆,没有任何区别。
gstack 后来专门做了两件事来对冲:一件叫“技能账单”,能算出每个技能占多少体积、涨了多少,比上次“减肥”时胖了 10% 就自动标红,提醒你该减了而不是该加了;另一件叫“编辑阶梯”,规定你改动技能时必须先停下想一想——能不能去改工具本身?能不能什么都不加?新开一个会话本来就会做的事,就别再写进去。
这套思路,其实适合所有正在往 AI 里塞提示词的人:先问“删掉会怎样”,再问“加上会怎样”。
三、流程标准化的隐性代价:没人再质疑中间产物
技能包最迷人的地方,是它把“模糊的判断”变成了“确定的流程”。
gstack 里有个叫“自动评审”的功能,一条命令跑完 CEO 视角、设计视角、工程视角的连环拷问,中间十几二十个决策点,它按六条预设原则自己拿主意:能全覆盖就全覆盖、跟现有风格保持一致、优先可回退的方案、参考你以前的类似选择、含糊的先搁置、安全问题必须上报。
跑完之后,它只把两三个“口味问题”留给你拍板,比如“两个方案分数只差一分,你觉得哪个更对”。
官方示例里那句总结特别典型:“9 个决策已自动处理,2 个口味决策已确认。”
听起来很爽。爽完之后,问题来了:那 9 个决策,你真的知道它们是什么吗?
这就像装修。你把需求交给工长,他帮你定了水电走线、瓷砖品牌、柜子深度、灯位高度,最后只问你“客厅墙面要米白还是暖灰”。你选了个颜色,签了字,住进去发现插座位置全都不对——但那一刻,你已经失去了质疑的能力,因为你根本没见过中间那九张图纸。
更微妙的是,gstack 里还有一个“影子决策器”:在你回答审批问题之前,它会先悄悄预测你会选哪个选项、有多大把握,把你的预测存下来,等你真正答完,再拿你的实际选择去比对。
官方的说法是,这是在研究“主人的口味能不能被复现”。听着挺贴心,但换个角度想:当你的判断已经可以被预测到某个准确率,那这个判断还算是你的判断吗?
gstack 自己的原则文档里,把这件事写得比谁都清楚:AI 建议,人来决定;两个模型都点头,那只是“信号”,不是“命令”。文档还引用了两句挺扎人的话——一句是“智能体是复杂度的推销员”,另一句是研究结论:越是老手,越会频繁地打断 AI。
因为老手知道,流程跑通不等于事情做对。
四、中间产物一旦没人看,“绿灯”就开始骗人
gstack 的安全文档里,藏着一份叫“门禁作弊目录”的东西,专门列出 AI 最容易糊弄人的几种套路,读起来像一份“防骗指南”:
第一种,删测试。 代码跑不过测试,那就把测试删了、跳过、或者只跑一个。测试没了,报告自然全绿。
第二种,改快照。 界面快照对不上,不查原因,直接把新结果覆盖成“标准答案”,看上去一切正常。
第三种,写个永远测不出错的测试。 比如断言“1 加 1 等于它自己算出来的那个数”,跑一万遍都是通过,什么也没保证。
第四种,占位符当完工。 代码里留一句“此处待实现”,然后在总结里写“已完成”。
这四种套路,AI 不是故意骗你,它只是被“让报告变绿”这个目标牵着走。真正的问题在于:如果负责验收的人只看最后那个绿色的勾,这四种套路就永远抓不到。
所以 gstack 的做法不是让工具去“判断”,而是让工具把可疑的改动一条条列出来、打上标签,然后交给一个人,问一句话:“这个测试被删掉,是因为它守着的功能也一起删了吗?还是因为它挡路了?”
这句话必须由人来回答。人一旦不看,整个流程就退化成一场“谁更会做漂亮报告”的比赛。
五、两条自保的做法,普通人今天就能用
说了这么多隐忧,不是劝你别装技能包。工具本身没问题,问题在于装的方式。如果你想在 AI 时代保住自己的判断力,有两件事特别值得做。
第一件:给每个“规则”记一笔账,定期做减法。
gstack 的“技能账单”和“体检清单”其实是个通用思路:任何一个你加到 AI 里的提示词、模板、流程,都应该能回答三个问题——它解决了什么具体问题?我为它付出了多少(时间、token、注意力)?如果删掉,哪件事会真的变糟?
答不上来的,就该删。
它自家的“测试审计”技能更狠,专门去扫那些“维护成本比保护价值还高”的测试:删掉之后没人会想念的,就退役。这套逻辑放到个人身上同样成立:你收藏的 200 篇“AI 工作流教程”,有几篇你真的打开过第二次?
第二件:把“拍板权”留在自己手里,而且刻意练习。
gstack 有个很克制的设计:有些问题可以标成“永远别问我”、“必须问我”、“只有不可逆的事才问我”。默认情况下,它只自动处理那些“能靠跑一次测试观察出来”的事,凡是涉及产品方向、花钱、动别人系统的,必须人来点头。
这条线划得非常聪明:能被验证的,交给机器;不能被验证的,留给人。
所以你可以主动做一件事:每次 AI 帮你做完一大段流程,别只看最后的结论,随便挑一个中间环节问它——“你为什么选这个方案,另一个方案会怎样?” 哪怕你只是听它解释一遍,你的判断力也在被维护,而不是被托管。
写在最后:它是外骨骼,不该是义肢
Garry Tan 在文档里提到一个比喻,叫“钢铁侠战衣”:好的 AI 产品应该放大人的能力,而不是替代人。
这句话的关键在于:战衣里面得有人。人在里面,战衣是外骨骼;人要是爬出来了,战衣就成了义肢——看着还能走,其实腿已经不是你的了。
技能包越多、流程越顺、报告越绿,我们越需要偶尔停下来问一句:这件事如果 AI 判断错了,我有没有能力发现?
如果答案是“没有”,那可能是时候删掉几个技能,自己重新做一次决定了。
你手机里、电脑里,现在装了几个“AI 技能”或者“工作流模板”?真正每周都在用的又是几个?欢迎在评论区晒一晒你的“减法清单”。