技能库成了新入口:从模型厂商到高校、机器人团队都在往里塞能力
技能库成了新入口:从模型厂商到高校、机器人团队都在往里塞能力
2025 年 10 月 Anthropic 把 Agent Skills 作为一套"文件系统即能力"的约定推向社区时,多数人把它理解为提示词工程的收纳盒:把重复的指令从对话框里搬进 SKILL.md,省点复制粘贴的力气。一年多之后,这个判断明显不够用了——模型厂商把自己的官方技能目录当作产品的一部分,云平台把它做成分发入口,高校把整套学科知识灌进去,机器人团队则在把"技能"这个概念从文本世界搬到物理世界。技能库不再是提示词的归档处,它正在变成能力进入 Agent 的唯一入口。
本文以一个极小但信息量很大的仓库为切口——Jane Street 开源的 agent_skills,它只有 6 个文件、1 个技能、102 行说明——去看清三件事:不同玩家往里塞能力的真实动机差异;标准统一到了什么程度、代价是什么;以及独立开发者还剩下哪些位置。
一个只有 102 行的仓库,为什么值得认真看
先看仓库全貌。根目录下只有三份文档和一个技能目录:
README.md
CONTRIBUTING.md
LICENSE.md
socratic-tutor/SKILL.md
README.md 的定义极其克制:"A collection of skills for AI agents and chatbots. Each skill is a directory containing a SKILL.md file with instructions for the agent." 目前收录的技能只有 socratic-tutor 一个,作用是把通用大模型变成一个严格的苏格拉底式私人教师:socratic-tutor/SKILL.md 里定义了诊断性测评、0–5 级技能图谱、一次只问一个问题、间隔复习、最终综合考核。
真正暴露这个仓库性质的,是那些"不该出现在技能库里"的文件。
.ocamlformat 里只有一行 profile=janestreet;.gitignore 的内容是 _build、*.install、*.merlin、_opam——这是 OCaml 工程的标准构建产物清单;而唯一的提交信息是 v0.18~preview.133.03+642。三个信号指向同一个事实:这份代码是从 Jane Street 内部的 OCaml 单体仓库中切片导出的。技能内容本身与 OCaml 毫无关系,但发布流程完整继承了内部工程规范。
再看 CONTRIBUTING.md:贡献必须签署 Developer Certificate of Origin,提交信息必须带 Signed-off-by,明确"用真实姓名,不接受化名或匿名贡献"。许可证是标准的 MIT(LICENSE.md)。
这套组合说明了一件事:在 2026 年,发布技能库已经是一项需要走完整开源合规流程的正式动作,而不是"把 .claude 目录打个包上传"。一个量化交易公司愿意为一个教学技能配齐 DCO、许可证和版本号,说明它把这批文件视为需要长期维护、可被外部审计的资产。这与社区早期"个人开发者 fork 一下 .claude 目录就发仓库"的形态,是两个物种。
三类玩家的动机差异:卖云、做科研、卖硬件
社区盘点里 49 个 Skills 相关仓库合计超过 340 万星,近三个月新建的占比超过 30%。数量本身不说明问题,玩家的构成才说明问题。把主要参与者按商业模式摆开,动机差异立刻清晰。
第一类:卖云、卖模型、卖分发。
Anthropic 官方技能库是这一类的样板:16–17 个技能覆盖 docx、pptx、xlsx、pdf 表单、web-artifacts-builder、webapp-testing、mcp-builder、skill-creator。技能本身免费,但它把"模型能聊天"变成"模型能交付一份格式正确的 PPT、一个填好的 PDF 表单、一份公式全部重算过的表格"。用户消耗的 token 越多,技能带来的可交付物越多,云账单越合理——技能库在这里是把 token 转化为产出物的转换器。
Vercel 走的是另一条路:vercel-labs/agent-skills 提供官方技能集合,vercel-labs/skills 提供 npx skills 命令行工具,一行 npx skills add 就能从任意仓库、分支、子路径拉取技能。它抢的不是模型,是分发入口——技能装在哪、从哪更新、怎么多端同步,这个位置比技能内容本身更值钱。核心机制是基于符号链接的单一真源:一份技能文件,通过链接同时供给 Claude Code、Codex 等多个 Agent,改一处、全部生效。
国内平台的动作同样直接:扣子(Coze)2.0 品牌升级时把 Agent Skills 与 Agent Plan 一起作为新功能发布;有报道称 Google 开源了一套"Agent Skill 超级工具箱",把云、库、引擎与 AI 串成一条线。对云厂商而言,技能库是把自家基础设施封装成 Agent 可直接调用的动作的手段。
第二类:做科研、做学科知识沉淀。
复旦大学上线"百万技能库"这类动作,动机与商业变现关系不大。科研机构的优势是别人没有的领域知识:实验流程、仪器操作规范、论文写作范式、材料科学的表征方法。这些知识过去沉淀在实验室的师兄师姐口口相传里,或者散落在几百页的组内文档里。技能库给了它一个可执行、可版本管理的容器。
一个更具体的例子是社区里被广泛报道的科研技能库:约 27.6k Star、140 多个 Skill,覆盖论文写作与材料科学等方向。它的价值不在于"让模型更聪明",而在于把领域专家脑子里的判断标准外化成模型能遵循的检查项。
第三类:卖硬件、卖机器人。
英伟达开源机器人技能库时,Jim Fan 的评价被概括为"范式变了"。这句话在具身智能语境下的分量,比在文本 Agent 语境下更重:文本 Agent 的技能是"怎么说、按什么顺序做",机器人技能是"看到什么、抓哪里、用多大力"。同一套"技能目录 + 说明 + 可执行件"的组织形式,被移植到物理动作上,意味着技能正在成为跨模态的能力封装格式。硬件厂商的动机最直白:技能越标准化,自家机器人本体越容易被接入别人的工作流。
至于 Jane Street 这类交易公司,无法简单归入上述三类。它的动机只能从发布形态倒推:一个只含单个教学技能的仓库,配齐许可证、DCO 与版本号,更像是在把内部工程规范对外演练一次,同时把"如何结构化地教一门知识"这种能力做成公开可引用的样本。可以确定的是,它不是为了卖云,也不是为了卖硬件。
标准的事实统一,以及统一带来的风险
值得注意的是,这几类玩家并没有坐下来开会投票。他们只是不约而同地接受了同一套约定:一个目录、一个 SKILL.md、YAML frontmatter 里写 name 和 description、正文写流程。
用本仓库的 socratic-tutor/SKILL.md 的 frontmatter 做样本,可以看清这套约定最关键的部件:
---
name: "socratic-tutor"
description: "Structured Socratic tutoring when the user explicitly asks to be taught, quizzed, or drilled to mastery on a topic: diagnostic placement, a skill map with levels 0-5, spaced review, and a final assessment. Trigger phrases: 'teach me', 'tutor me', 'quiz me', 'drill me', 'help me master'. Not for one-off 'explain X' or 'what is X' questions."
---
这段 description 干了两件事:列出触发短语(teach me、tutor me、quiz me、drill me、help me master),并显式声明不触发的场景(一次性的"explain X"、"what is X")。这不是文档修辞,而是路由逻辑——在渐进式披露的第一层,模型上下文里只有各技能的 name 与 description,靠它决定要不要打开这份手册。写漏了反触发条件,技能就会在用户只想问一句"X 是什么"的时候突然开始出题。
这正是事实统一的第一个风险:标准的采用门槛极低,但正确使用的门槛藏在细节里。格式对了不等于技能能用,description 写得含糊,技能会在需要它的时候静默失效;写得过宽,它会在不该出现的时候乱入。两者都不会报错。
第二个风险是验证权的归属。格式统一之后,真正决定质量的是评测。Anthropic 的 skill-creator 已经把这条链路产品化:quick_validate.py 做结构校验,run_eval.py 跑测试提示词,aggregate_benchmark.py 汇总指标,improve_description.py 专门优化触发描述,package_skill.py 负责打包。社区层面的 agentskills 规范也在往平台无关的互操作方向走。表面上看这是生态成熟的信号,实质上是**"什么算合格技能"的定义权,正在从写技能的人手里,转移到提供校验工具的一方手里**。
第三个风险是供应链。技能目录里除了 Markdown,还可以放 scripts/ 下的可执行脚本和 assets/ 里的资源。它既有提示词注入的攻击面(技能文本本身就能改写模型行为),又有代码执行面(脚本会被真的跑起来)。而 npx skills 这类工具主推的符号链接单一真源,在提升一致性的同时把信任范围放大了:一个被污染的源目录,会同时污染所有链接到它的 Agent。社区里已经有文章专门讨论技能安装的"安全审查要点",这本身就说明问题不再是理论上的。
第四个风险是边界模糊。Skills 与 MCP 的关系被反复讨论,比较务实的结论是:MCP 负责"连什么",Skills 负责"怎么做事"。MCP 的问题是连接成本——每个 Server 的全部工具定义必须在对话开始前注入上下文,一个 30 多工具的服务端就可能吃掉近两万 token;在包含 40 多个服务器、300 多个工具的基准环境里,当时最强的模型工具调用准确率也只有 62%。Skills 的渐进式披露恰好绕开了这个成本,但代价是能力被切成了"模型自己读文档决定怎么做",可控性从协议层退回到了文本层。
独立开发者的机会,与被挤压的空间
先说机会,它们是真实的。
分发成本被压到了接近零。 不需要 SDK,不需要上架审核,不需要服务端。一个目录、一份 SKILL.md,用户 npx skills add 就装好了。社区里有单个技能文件做到三万星以上的案例,作者没有维护任何基础设施。
垂直知识的溢价还在。 通用能力(写文档、搭前端、跑测试)已经被官方技能库免费化,但法律条文检索、特定行业的合规检查、某类仪器的操作流程、某个冷门框架的迁移路径——这些官方库不会做,模型也学不精确。科研技能库的 140 多个 Skill 就是这条路线的证明。
评测与审计是空白地带。 现在绝大多数技能仓库没有任何测试。description 改一个字,触发率可能掉一半,但没人测。谁能提供"技能质量报告",谁就站在了标准的上游。
再说挤压,它们同样真实。
通用能力正在被官方库免费吞掉。 文档三件套、PDF 表单、前端脚手架、Playwright 测试、MCP 服务端生成——这些曾经是独立开发者最容易想到的技能选题,现在官方仓库里都有,而且维护得更勤。选题撞车意味着你的技能必须明显更好,否则用户没有理由不用默认的。
分发权重掌握在平台手里。 Codex 的技能目录分 .system、.curated、.experimental 三层,.curated 是人工筛选过的"社区验证"层。这三层的存在意味着:能不能被发现,不是 star 数决定的,是能不能进 curated 决定的。同理,任何提供技能市场的平台,都在事实上掌握着流量阀门。
模型能力上涨会吞掉浅层技能。 那种"告诉模型先读文件、再改格式、最后输出"的技能,随着模型自身规划能力提升,价值会持续下降。技能的价值必须来自模型推不出来的东西:私有的判断标准、私有的数据、私有的流程约束。
发现机制正在失灵。 340 万星分布在 49 个仓库上,单日三个技能仓库合计涨星近 50 万——这个量级的数字已经很难用来区分质量。当 star 变成情绪指标,选型就只能回到"读源码"。
一个技能该长什么样:把 socratic-tutor 当规格书读
如果要在这种格局里做出不会被静默淘汰的技能,socratic-tutor/SKILL.md 是一份很好的反面教材式的正面样本——它几乎没有一句废话,每一段都在约束行为。
第一,它先处理误触发。正文开头就是 Guard: confirm intent before starting,明确要求:如果用户只是问一个一次性问题,正常回答,不要启动教学循环;如果意图模糊,先问一句"要快速答案,还是我认真教你"。文件的注释写得很直白:"A false start costs the user an unwanted quiz; a confirmation costs one word." 这与 frontmatter 里的反触发声明形成双重保险。
第二,它把"严格"写成可执行的判定规则,而不是形容词:
- 等级是挣来的,不是给的:必须在 2 次以上独立检查中表现达标,其中至少一次是无提示回忆;
- 模糊或部分正确的回答不算正确,要追问到确认理解为止;
- 间隔复习失败要降级,而不是"再练练";
- 5 级要求能处理边界或对抗性问题,并且解释清楚到"可以放心让对方去教别人";
- 明确禁止奉承:
"Not quite — why would X happen if Y were true?" beats "Great try!"。
第三,它内置了状态压缩协议。用户可以随时说 save state,技能会输出一个紧凑的状态块(主题、技能图谱与等级、误解记录、已覆盖内容),粘到新会话里用 resume from: 就能续上。这是把跨会话记忆问题,从平台能力变成了技能自身的约定,也是技能能做成"长期服务"而非"一次性工具"的关键。
第四,它给用户留了逃生阀:just tell me 临时关闭苏格拉底模式,harder / easier 调难度,show progress 渲染进度图。一个好的技能不是把流程强加给用户,而是让用户随时能在流程里改档。
第五,它规定了输出格式。技能图谱要求用 ASCII 渲染,每次等级变化都要重绘:
Topic: <topic> overall: ######.... 58%
-----------------------------------------------------------------
subskill A [########..] 4/5 * independent
subskill B [######....] 3/5 <- current focus
这条看似琐碎的规则,实际解决了一个很实际的问题:在多轮长对话里,结构化的进度条比一段"你已经掌握了 A 和 B"的文字更能稳定模型的自我定位。
把这份文件抽象成检查清单,就是一套可复用的技能写法:
| 检查项 | 该问自己的问题 |
|---|---|
| 触发边界 | description 里有没有写清"什么时候不要用我"? |
| 失败路径 | 用户答错/意图不明/工具不可用时,技能规定怎么办了吗? |
| 判定标准 | 成功与否是可观测的行为,还是主观的"感觉不错"? |
| 状态延续 | 会话中断后,能不能用一段文本恢复现场? |
| 用户控制 | 用户能不能中途改档,而不必退出重来? |
| 输出契约 | 产物的格式、字段、顺序是否被写死? |
入口之争才刚开始
回头看不难发现,技能库竞争的从来不是"谁的技能更多"。模型厂商要的是让 token 变成可交付物,云平台要的是分发的必经之路,高校和科研机构要的是把不可复制的领域知识装进可执行的容器,硬件厂商要的是让物理能力以统一的格式被调用。四类玩家各自的算盘不同,却共同把 SKILL.md 这一个目录约定推成了事实标准。
对独立开发者而言,这意味着两件事同时成立:进入门槛降到了历史最低,被替代的风险也升到了历史最高。真正的分水岭不在会不会写 SKILL.md——那只需要半小时——而在于你手里有没有别人写不出来的判断标准,以及有没有能力证明它真的有效。像 socratic-tutor/SKILL.md 那样,把"什么叫学会了"拆成可检验的条件、把失败路径写成明确指令、把状态压缩成可迁移的文本,这些工作没有一句是在教模型知识,全都是在教模型如何不接受糊弄。
技能库成为新入口之后,能留下来的多半是这类东西。