Skill是不是提示词换皮？本周"装上就快一倍"刷屏，先分清谁该装、谁该建、谁别动
假期后的第一周，"Skill"接管了AI圈的讨论：微博上"装完这几个Skill，今天上班直接快一倍"的安利帖拿到143赞、118次转发。知乎"Skill不就是prompt吗？为啥被吹成这样？"的提问这两天还在添新回答；B站近一周的skill教程从漫剧、剪辑、coding一路排到周报和架构图；企业侧也传来动静——9月2日，腾讯WorkBuddy开放平台正式上线，广发证券作为首家入驻券商，一口气上了12项自研Skill和9项专家能力。9月下旬，中信建投自研的"蜻蜓Skill"六大技能也挂上了WorkBuddy技能广场。微博第一财经
如果你是那个已经用AI聊天框、用编码Agent大半年的人，此刻大概率卡在三个问题上：这东西是不是提示词换皮？要不要先照抄博主那6个？为什么有人装了反而说AI变笨了？
先把事实和账算清，再决定动不动手。
一、先把概念分开：Skill不是提示词，也不是MCP
翻了一圈讨论，把各平台科普帖和工程帖里最一致的说法整理成一句：Skill是一个文件夹形态的"能力包"——`SKILL.md`负责索引和主流程（模型唯一必读的文件），`references/`放细节资料，`scripts/`放确定性的脚本。它的关键机制叫"渐进式披露"：平时只有那条几十token的描述（description）挂在模型眼前，命中了你的场景才被完整加载。
这就是它和两个老朋友的根本区别：
对比提示词：提示词是你每次手动贴进去的一段话，用完即走；Skill是把"你做事的方法"打包成文件，靠场景语义自动触发。有人把它一句话定性成"工作流的新载体"——工作流是你的流程，Skill只是让这个流程能被AI稳定加载、稳定执行的那个壳。知乎
对比MCP：MCP的工具Schema是全量常驻的，接入即产生成本；Skill只有索引常驻，使用才产生成本。B站那期《Skill VS MCP，到底有什么区别》讲的正是这个不对称：Skill偏向给AI封装和扩展具体能力，MCP偏向让AI以统一方式连接外部工具和服务。哔哩哔哩
二、反常识事实一：装得越多，AI越"找不到"，而且失效是静默的
这是本周最值钱的一条信息差，主要来自知乎一批做数据分析、企业落地的工程帖。
Skill的命中率靠description的语义匹配。装的越多，索引区分度越被稀释——多个描述相近的Skill会互相"撞车"。一个被反复引用的实测案例：某40个Skill的库里，6个文档类Skill的description高度雷同，撞车率高达40%；按"场景化描述+负样本边界"统一规范后，降到5%以下。规模再上去，50~100个要做分类分层，破100得上"召回+重排"的两级检索——而且每多一个Skill，常驻索引的token成本就线性上涨。知乎
更要命的是：Skill失效是静默的。MCP挂了会报错，Skill没命中不会有任何提示——AI不会失败给你看，它只是"安静地不用你写的SOP"，继续用它自己的松散方式回答。很多人说"装了Skill之后AI反而不听话了"，大概率不是错觉，是撞车了。
三、反常识事实二：第一波"快一倍"清单，装之前先过三道筛
回到那条143赞的安利帖，它推荐的6个是：document-skills（Word/Excel/PPT/PDF一句话处理）、agent-browser（自动开网页搜索填表）、summarize（长文和链接提炼）、local-whisper（会议录音本地转文字出纪要）、tavily-search（查最新资料带来源）、skill-creator（把你的重复流程封装成Skill）。
按社区实测口径帮你分个层：document-skills、summarize、skill-creator这三个边界清晰、通用性强，值得先动；agent-browser、tavily-search、local-whisper依赖外部条件（浏览器控制权限、搜索API、本地模型环境），宣传里的"直接快一倍"是有前提的。
判断一个Skill值不值得装或建，知乎那篇《如何设计一个好的Skill》给了个好用的"三问"：能不能被稳定触发、触发后能不能照做产出正确结果、失效时能不能被发现。自建还有条硬标准：这个能力会被≥3次复用才值得做成独立Skill，否则就下沉为提示词模板。维护账也得算：少写一次代码，可能换来更多适配、辨认、验证和求助。知乎知乎知乎
四、分三类人，对号入座
A类：只用网页版AI聊天框，没有Agent工具的——别装，没地方跑。把重复需求攒成自己的提示词模板就够了，这波热度与你无关。
B类：在用Claude Code、Codex、WorkBuddy、豆包工作这类Agent、Skill库还是空的——先装1~2个高频且边界清晰的（比如周报、录音转纪要），别一次上全家桶。一次装6个，正好是撞车率40%那个案例的开局；那位亲测WorkBuddy三个月的答主说得实在：能省时间，但别指望全自动。知乎
C类：已经有≥3次重复流程、想动手自建的——把功夫花在description上：写成用户会说的场景（“帮我把这份Word转成PDF”），别写成能力标签（“文档格式转换”），并显式写"不适用于×××"划清边界；像写SQL配测试用例一样，改一次跑一次回归。
五、接下来盯这几个信号
平台阵营战：WorkBuddy开放平台（券商、金融机构带着自研Skill入驻）、豆包工作的"Skill+定时任务"流水线、各家编码Agent的skill目录规范——如果Skill生态走成"应用商店"，自建就有长期价值；如果只是各家各写各的，先观望。
SkillOpt这条研究线：有团队开始把Skill文档当"可训练参数"，根据智能体的成功与失败轨迹提出小幅修改，只有在独立验证集上真正提分的修改才会被保留。如果这条路走通，"人肉调description"的时代会缩短。知乎
价值排序争议：有观点认为从业者该盯的价值排序是"环境>数据>Skill>Prompt"，Skill和Prompt只是现阶段的补丁，真正的高价值资产是独有数据和智能生长的环境。这类观点在社区的出现频率，和模型能力迭代速度是反着走的——重投入前，把它当成一个会贬值的资产来算。微博
一句话收个尾：Skill不是提示词换皮，它的真增量在"稳定"两个字——把你的流程和口径固化下来，让AI每次照做，而不是每次许愿。本周动手前，先数一数自己一个月里有多少个"第3次重复"的活儿：那个数字，才是你该装还是该建的唯一依据。
