这个国庆假期，AI编程圈出现了一个有点分裂的场面。
一边是"囤技能"热潮还在加速。Matt Pocock的mattpocock/skills仓库，8月底已收获23.6万星。10月5日它发布v1.3，implement-spec、/pr、/retro三个skill从"进行中"正式转正。还有人把此时已到27万星的仓库里的GrillMe接进了论文写作流程，视频一天468播放。哔哩哔哩哔哩哔哩
Persona周报把职业角色skill更新到了386个工种；微博上有建筑博主晒threejs-architecture-effects，一句话就能重建带拆解过程的三维古建。连机械原理这种冷门领域，都有了能让课本连杆机构"动起来"的专用Skill。微博
另一边，10月5日知乎出现了一篇标题很冲的文章：《你的Codex，可能正在被曾经的Skill和AGENTS.md毁掉！》。它背后的依据不是个人吐槽，而是OpenAI官方在9月11日发布的《Rethinking skills and prompts for GPT-6 Astra》——核心观点一句话：随着模型越来越强，以前为了让AI"别犯傻"写下的那些规则，现在可能反而开始限制它了。知乎
一边疯狂安利安装包，一边官方劝你删。对已经装了一堆skills的中度用户来说，这个矛盾值得算清楚：你囤的到底是资产，还是负债？
每个Skill都在向你收"描述税"
判断Skill值不值得装，先看它的收费方式。
Skill的结构是一个带YAML元信息（name、description）和Markdown正文的文件夹，可以附脚本和参考资料。关键在加载机制：启动时只预载名字和描述，agent判断相关了才读正文，需要时再读附属文件。知乎
这种按需加载对上下文友好，但也意味着：只要你装了，名字和描述就常驻上下文占一个位置。一个不多，几十个堆起来呢？那篇知乎文章把问题说得很直白：Skill数量越多，这些描述本身就越占上下文，数量再涨，描述还会被截短；更麻烦的是不同Skill之间可能重复、重叠甚至互相矛盾，最后一个本来很普通的任务，agent先陷入哲学问题——“我到底该听谁的？”
这不只是定性判断。有人整理过SkillsBench的实证数据——84个任务、11个领域、7308条测试轨迹——结论之一就是：Skill越多，Agent反而越笨，每个任务2-3个聚焦的Skill才是最佳区间。小红书
Matt Pocock在8月那条1.8万播放的视频里给了两个值得抄在墙上的数字。第一，上下文窗口的"聪明区"只有约15万token，超过了就该拆成spec和工单分窗口干活——这是他整套25个skill共用的设计前提。第二，他的大多数技能是用户手动调用的，agent平时根本不知道它们存在，所以上下文占用几乎为零。这就是收费逻辑的核心：自动触发的Skill按会话收税，手动调用的Skill几乎免税。很多人囤完skill感觉agent"变慢变笨"，不是skill写得烂，而是不知不觉装了一堆自动加载的，把聪明区提前吃掉了。税率不由skill的质量决定，由加载方式决定。哔哩哔哩
昨天的拐杖，今天的镣铐
"负债"的另一半来源不是数量，是时间。
OpenAI那篇官方文章点破了一个扎心的事实：大量Skill和AGENTS.md规则，是旧模型能力不足时代的产物。以前模型不太会判断什么时候该做什么，所以大家把Skill写得极细：第一步做什么、第二步检查什么、第三步再做什么；AGENTS.md也一样，模型犯一次错就加一条规则，再踩一个坑再补一条，写到最后，它更像一本"Codex历史踩坑记录"，而不是规范。但模型换代了。GPT-6 Astra在9月初发布，Opus 5.5在9月23日上线，这一代模型对任务边界的判断能力明显更强：涉及数据库就自己去看数据库文档，跟部署没关系就不碰部署资料。于是那些为弱模型准备的防呆规则开始产生副作用——过度具体的分步Skill妨碍模型自己发挥，一堆"不许做这做那"让它过度谨慎。知乎
这就像冰箱里的过期药：当年囤它是因为真有用，现在该清一清了。OpenAI甚至给了一键迁移命令：`openai-docs migrate this project to the GPT-6 model family`，让Codex按新一代模型的标准重新检查整个项目的规则和skills。知乎
资产还是负债？四个问题过一遍
那是不是该一键清空？也不是。我把这周社区信号里三个质量完全不同的案例翻了出来，用四个问题就能分清去留。
问题一：它沉淀的是"流程知识"，还是"防呆拐杖"？
正面案例是机械原理Skill solve-planar-linkages。给它一张课本机构简图，它先确认拓扑——哪些是杆、哪些是铰链，再按几何依赖正向求解，以0.1°步长重验一周共3601个姿态、周期闭合误差为零之后，才生成与位移曲线同步的动画。注意它防的坑：图里两根杆某一瞬间恰好共线，不能据此把它们合并成一根刚体——这种专业判断，模型再聪明也猜不出来，必须靠人沉淀。这类Skill存的是领域知识加验收规则，是资产。而"提交代码前必须先跑测试"这种防呆条目属于拐杖，新模型自己会做，删。知乎
问题二：输入假设明确吗？结果可验证吗？换个同类问题能复用吗？
这是solve-planar-linkages作者自己给出的四条标准：输入与假设是否明确、中间模型能否审查、结果是否有实际验证、换一个同类问题能否复用。漂亮的输出只是第一眼，能解释、能复现、能修改，才有长期价值。装任何第三方skill之前，拿这四条过一遍，能刷掉大半。
问题三：方法论快照过期了吗？
反面参照是GitHub上那个549星的"五平台起号Agent Skill包"，把公众号、小红书、抖音、视频号、X的起号方法论完整写进SKILL.md。它的工程质量其实很好——有单元测试、有frontmatter校验器、甚至有安全扫描——但最后更新停在7月8日。作者自己在README里写得很清楚：平台规则类内容都是"经验假设"，保底不保顶，动手前自己核验当期规则。定位、对标、简报、复盘这套核心框架是慢变量，可以继续用；但三个月前的流量主门槛、处罚边界这些快变量，装进来就是过期资产，用之前先问一句还成立吗。知乎
问题四：有没有工程护栏？
还是说起号包，它的安全扫描值得全行业抄作业：发布前自动检查SKILL.md里有没有本机路径、API key、token、cookie，防止把敏感信息随skill分享出去。反过来，那些连frontmatter都写不齐、来源不明的skill，星标再多也别往主力环境装。知乎
清理动作就三步
判断做完了，落地很简单。
第一步，给存量做一次"审计"。原则就三条：没用的删掉、重复的合并、描述太长的缩短，只保留真正有价值的工作流。Codex用户直接跑上面那条官方迁移命令，让agent先出一版审计清单；Claude Code用户目前没有对应的官方工具，需要手动翻一遍`~/.claude/skills/`和项目里的`.claude/skills/`目录。
什么算"真正有价值"？SkillsBench的对比数据可以当参照：人工策划的Skill比不用skill的基准高出16.2分，模型自己写的反而低了1.3分。审计时的第一道筛子，就是看这个skill有没有经过人工沉淀和验证。小红书
第二步，把"自动触发"尽量改成"手动调用"。参考Matt Pocock的设计哲学：大多数skill不让agent平时感知，要用的时候手动点名。免税额度用足，收税的位置只留给少数真正高频的刚需，比如危险命令拦截这类保命的。
第三步，多工具党注意skill漂移。Skill目前散落在Claude Code的文件系统、Codex的目录、网页端上传等多个路径里，各端并不自动互通；虽然有了agentskills.io开放标准，“家规"属性仍然很强。这周已经有人在做工具了：开源的Bifrost在本地统一管理Claude Code和Codex的Agent Skills，实测把同一个带版本管理的skill同时接入两端，跑通完整工作流。如果你的工作流横跨两个agent，这类工具能避免"改了一边忘另一边”。哔哩哔哩
顺带说一句经常被问的老问题：Skill和MCP到底怎么选？官方帮助中心的边界其实很清楚——MCP负责连接外部服务与数据源，Skill负责教agent拿到工具后按什么规矩把事办成。选型可以很粗暴：接不到系统就先MCP，每天都在重复交代同一套口头流程就先Skill，两边都缺就一起上，不必二选一吵架。知乎
接下来盯两个信号
一是Anthropic会不会跟进。OpenAI已经官方表态"为新一代模型重估skills"，Anthropic目前的动作还是推生态扩张，没见官方清理指引。如果接下来一个季度它也出类似的迁移或审计工具，说明"技能重估"从个案变成行业动作，到时候存量还要再过一遍筛子。
二是模型换代的节奏。GPT-6 Astra和Opus 5.5都是这个9月发布的，间隔不到一个月，这个节奏短期不会慢下来。模型每换一代，旧skill就经历一轮贬值——这是囤技能热潮比"描述税"更现实的长期成本。你以为囤的是资产，其实囤的是有折旧期的资产。
最后总结一下。囤Skill的本质，是想把个人经验固化成可复用的资产，这个方向没有错——起号包作者那句话说得挺对：方法论会过时，但"把方法论固化成系统"这个动作永远保值。错的只是囤的姿势：把手动调用的免税skill当资产囤，把自动触发的收税skill当负债管，模型每换一代就给全冰箱做一次审计。
这笔账算明白，27万星的热闹才是你的热闹；算不明白，囤得越多，agent越笨。
