AI时代的一个新职业-Skills技能创作者

图片

Hello，大家好，我是人月聊IT。最近聊Claude Skills比较多。前面我抓你吗写过文章来聊Skills技能。

而且当时给出一个简单公式：

Skills = 大模型+方法（worflow+规则)+工具(mcp call)+知识库(rag或其他知识形态）

大家都知道对于大模型，它一直在想方设法地拓展它对外部的一些边界和能力。从最早的Function Call到MCP上下文工程，再到A2A Agent协议，所有的这些都是为了更好的扩展大模型的知识边界，方便大模型和外部的协同。但是实际仍然很难达成满足我们垂直业务场景的需求目标。

技能是真正从知识走向到经验的关键，也是个体经验的显性化过程。如果再给技能一个定义，大家可以看到其是一个复合体，即：

Skills = 提示词工程+参考模板+Python代码+最佳实践+Workflow+MCP调用+审查者

再简单来说技能就是融入了个体经验的一个更加灵活的Agent智能体。从简单的知识走向技能时代将逐步开启。

从知识到技能

为了更好的解释上面的观点，我仍然将Skill翻译为技能，来探究下从知识到技能的过程。首先我们要有一个重要的观点，就是：知识是结果，而技能是应用知识达到结果的方法过程。同样的知识不同的人用，那么最终的结果质量可能千差万别。

图片

如上图，张三有一个技能就是应用知识解决问题。比如应用架构类的知识去进行一个架构设计。但是应用架构类知识实际就包括了两个方面的关键内容，即：

• 显性化知识：架构规范，模板，知识库
• 隐性知识：个人私有经验，最佳实践

那么张三拿到一个需求后实际是如何做这个事情呢？一个方面就是要参考标准规范模板和约束，一个是应用相关的架构设计工具，然后就是自己的私有经验发挥作用。这个私有经验原来并没有显性化。或者说拿到需求到架构设计完成都是张三一个人做这个事，张三甚至连需求的完整结构化描述这个事情都不会做，因为没有必要。这也是我们经常说到的，传统问题解决模式下，由于问题定义和问题解决都是我自己，我甚至没有做好关键的问题定义和问题解决两个工作的分离，但是不影响我最终结果输出。

好了，如果现在张三很忙，需要李四来帮助进行架构设计。这个时候仅仅提供给李四相关的架构规划和模板，李四就能够输出同样质量的架构文档吗？

答案显然不是，因为张三的私域经验没有显性化。

那么为了让李四输出的文档尽量达到我们的希望要求，我们经常做的事情就是张三会单独给李四交代，做这个事情的时候哪些地方是关键点你要注意，哪些历史项目案例你可以参考，输出的架构哪些地方要注意检查，哪些集成点不要疏漏？只有把这些交代清楚，李四可能才能够很好的去做这件事情。

所以你把这个理解清楚后，就更加容易理解，为何当前简单的提示词，RAG库等实际很难让大模型得出我们需要的结果。

知识固然重要，但是应用知识通达目的地的路有千万条，我需要大模型走符合我真实工作或业务场景的路，那么就得将我的私域经验显性化表达出来，类似原来的提示语工程，或者Agent开发的Workflow和规则定义。而现在Skills也是这个思路。方法，工具，技术，知识这些经验都需要你提前定义好，给AI一个更加准确的操作手册，让AI按你的既定轨道运行。

图片

所以Skills实际是隐性经验的极大成者。知识可以解决通用场景问题，但是只有知识+技能才能够更好的解决特定场景下的业务问题。这个和大模型可以解决通用问题，Agent可以解决特定问题是一个道理。

新职业-技能创作者

再简单描述下技能究竟是什么？

大家完全可以将技能理解为一堆结构化文档定义的一个解决特定场景问题的Agent智能体。原有的去做智能体开发的工作，后续将逐步变化为去详细的做Skills的定义。

而且这个发展趋势很快。

包括当前Claude在Github已经发布了官方的Skills技能库。在上一篇文章中我也详细说明如何安装Document技能来实现PPT制作，Word和PDF文档的处理等。

https://github.com/anthropics/skills

除了文档处理技能外，当前还有图片制作，算法可视化等技能，感兴趣的可以安装这个技能库自己在本地进行试验。

说实话，当时在MCP出来后，我就发表过文章谈到MCP生态逐步成熟后通用智能体模式会替代现在的垂直智能体应用的开发工作。而随着Skills技能的推出，这个过程会加快。

技能的核心是私有经验的显性化抽取，技能的核心是复用价值。也就是说通过显性化的技能定义，真正实现了高手的数字化分身能力，而这个里面的关键点就在于Skills模板的定义。

这也是我标题的内容，在AI时代会逐步诞生大量的Skill技能定义的业务需求，而逐渐取代Agent开发的业务需求。而且这些结构化的Skill定义更加容易迁移，容易维护，也更加容易组合。

注意不是说你是专家你就一定可以自己完成技能定义，技能定义本身是要给结构化需求梳理和分析的过程，仍然需要有IT背景基础知识积累才能够更好的完成，技能创作者可以很好的帮助你完成自我经验的显性化过程。让你个体的生产效率成倍提升。

包括我昨天又试验了一个简单场景，比如AI写作，我需要AI结合当前的技术热点某个主题帮我写一篇图文并茂的文章，同时又明显有我个人的文章写作风格，那么我初步提示词如下：

帮我输出一个热点事件写作顾问的Claude Skills。这个skills能够实现自动搜索互联网上关于我主题的技术文章，并归纳整合为一篇图文并茂的新文章。

具体的要求如下：

1. 必须要符合Claude Skills的编写规范要求，document-skills目录下的有一些案例你可以参考
2. 我一般写技术文章，因此我需要你搜索主流的尽量信息实时，权威，有技术含量的技术网站，确保文章质量。
3. 搜索到的可用文章需要download到本地一个目录存储，最好是存储为markdown格式文件。
4. 如果搜索到的文章中有可用的配图图片，可以先下载图片到本地，方便后面整合文章使用。
5. 基于我提出的问题主题重新写一篇新文章，字数在2500到3500字，分4到6个小标题。每个小标题里面400到600字，尽量用50到150字的段落来组织文字。
6. 文章要逻辑清晰，通俗易懂。因此我需要你参考我当前项目markdown目录下的个人历史文章风格，让新文章符合我个人的日常写作风格。
7. 分析文章是否需要配图，如果需要配图，我需要你搜索类似Unsplash，Pexels等免费的图片网站，根据文章关键段落文字核心含义，搜索匹配的图片下载到本地，对文章进行配图。
8. 最终输出一篇完整的图文并茂的markdown格式文章给我，文章中有图片超级链接链接本地可以访问的图片。
9. 最终对整个文章进行二次审查和修订。
10. 我需要采用Sequencial-thinking mcp工具对任务进行规划，分解和执行。
11. 注意整个写作过程中可能涉及到需要python代码进行处理，比如下载文件到本地存储为markdown格式文件等，你需要根据需要在skill中详细定义这块内容，并提供python代码给skills使用。
12. 注意skills的定义严格参考Claude skills的标准，对于目录结构，标准，规范，模板，最佳实践，包括运行代码的python程序都需要拆分定义为不同的文件。
13. 基于以上要求，我现在需要你帮我生成一个完整，详细的写作Skills，存储到Skills目录下面。

基于以上要求，AI输出完整的技能定义如下：

而原来可能整套工作我们都是通过AI Agent定制开发来完成的。但是现在不需要了，直接应用Skills就能够完成，而且方便后续AI优化和调整。一切需求，一切问题都可以提前结构化定义。一切隐藏的个体经验都可以显性化表达，这才是你后续应用好AI的关键。

包括最近Cursor 2.0新版本推出的Composer多代理并行模式，我可以拆分出需求，设计，编码，测试多个代理并行工作，最终再进行集成。而每个代理如何能够更好的按照我已有的工作方法习惯，标准规范进行工作？这个里面重点仍然是对每个代理详细定义Skills规则。

• 一个复合场景能力 = 多个单一技能的组合
• 一个单一技能 = 大模型+MCP+知识库+Workflow+规则

大家再回顾下我前面讲的参考SOA参考架构思路的知识组装模式。具体如下图，所有的业务场景都可以拆解到业务活动，业务活动拆解到功能，功能拆解到底层方法逻辑，层层组装复用。

场景无法穷尽，但是底层技能，底层方法逻辑是可以穷举的，这个可复用的技能库的构建才真正能够做到举一反三。