JasonZhuSkill蓝皮书_140页_5mb
报告摘要
Skill 蓝皮书总结
核心内容
Skill 是一种让 AI Agent 获得“经验”的机制,通过将可写的经验封装为文件夹,使得 AI 可以在不依赖大模型本身的能力下,通过“经验”提升任务执行效果。Skill 的设计旨在让 AI Agent 从“天才实习生”(Mahesh)变成“经验丰富的专家”(Barry),通过“最小摩擦”传递经验,同时避免上下文窗口限制。
主要观点
- Skill 的本质:Skill 是一种“可执行的指令包”,承载的是“怎么做”的知识,而非“能做什么”的能力。
- Skill 的形式:只需一个 SKILL.md 文件,包含 description 和 instructions,其他内容为可选附件。
- Skill 的三层加载机制:description、instructions、resources,分别在不同阶段加载,以减少 token 消耗,提高效率。
- Skill 的生态:Skill 生态在 2026 年 Q1 爆发,单月创建 27,720 个 Skill,是格式化压力形成的工业标准。
- Skill 的挑战:Skill 面临诸多挑战,包括分发机制不成熟、过时风险、经验不匹配等问题。
- Skill 的未来:Skill 有可能成为“下一代知识单位”,并推动 AI Agent 向“有记忆代理”发展。
关键信息
1.1 为什么需要 Skill
- Skill 解决的是 AI Agent 缺乏 Barry 的 30 年经验的问题。
- 它不是替代能力,而是将已有的能力更好地组织。
1.2 Skill 与扩展机制的区别
| 扩展机制 | 本质 | 加载方式 | 典型使用 | 适合场景 |
|---|---|---|---|---|
| System Prompt | 对话开头的长指令 | 始终加载 | 永久人格 | 永久角色设定 |
| RAG | 检索相关文档 | 每次对话按相似度召回 | 问答系统、企业知识库 | 事实查询 |
| Tool Use / Function | 模型调用外部函数 | 永久定义,按需调用 | 查天气、发邮件、调 API | 单次动作 |
| MCP Server | 独立进程提供工具集 | 永久运行,协议对接 | 数据库连接、浏览器控制 | 跨进程动作 |
| Skill | 文件夹里的 description + 指令 + 资源 | 三层按需加载 | 领域任务 | 程序性知识 + 复杂工作流 |
1.3 Skill 生态爆发原因
- 2025 年 Q4,Claude Code 将 skill loading 做成一等公民。
- 2026 年 Q1,Cursor、Windsurf、Codex 陆续支持 skill 格式,格式化压力形成。
- Skill 的门槛低,用户基数大,生态规模化。
1.4 Skill 的野心
- 让 Claude 自己创建 Skills:实现 AI 自我优化。
- 经验的可迁移性:Skill 可在不同 Agent 之间迁移,提升企业级价值。
- 知识的新形态:Skill 是一种“被设计给非人类读者的知识形态”。
1.5 Skill 的限制
- 不是能力替代:Skill 只能提升已有能力的执行效率。
- 不解决 alignment 问题:模型的价值判断仍需外部约束。
- 会过时:Skill 是文本指令,依赖外部工具和数据,容易失效。
1.6 Skill 的设计哲学
- Agent 视角:Skill 应该像一本工作手册,而不是百科全书。
- 迭代优化:Skill 需要持续更新,以保持其有效性。
2.0 三层渐进加载
- L1: description:一句话描述 Skill 的作用和使用场景。
- L2: instructions:详细操作步骤、约束、输出格式。
- L3: resources:代码、模板、示例数据、大型查表等,按需加载。
3.0 Skill 市场全景 2026
- 总 Skill 数量:61,776 个,但 54% 的 Skill 从未被 star。
- 供给爆炸:2026 年 3 月,Skill 创建量激增,是格式化压力形成后的结果。
- 基尼系数:Skill 的基尼系数为 0.983,是已知内容市场中集中度最高的。
- 僵尸王图鉴:Skill 的半衰期可能只有 6 个月,许多 Skill 停更后仍然被使用,导致结果过时或错误。
- 作者画像:Skill 的作者高度集中,Top 10 作者占全部 stars 的 63.6%。
数据说明
-
技能数量:61,776 个。
-
Skill 星级分布:
- 0 star:33,417 个(54.1%)
- 1–9 stars:18,443 个(29.9%)
- 10–49 stars:4,669 个(7.6%)
- 50–99 stars:1,450 个(2.3%)
- 100–499 stars:2,395 个(3.9%)
- 500–999 stars:543 个(0.9%)
- 1K–9K stars:707 个(1.1%)
- 10K+ stars:152 个(0.2%)
-
Skill 的活跃度分布:
- 30 天内有更新:41,385 个(67.0%)
- 30–90 天:16,920 个(27.4%)
- 90–180 天(衰落):791 个(1.3%)
- 180+ 天(死亡):2,686 个(4.3%)
-
作者数量:33,314 个独立作者。
-
作者产量分布:
- 只发过 1 个 Skill 的作者:17,833 个(54.6%)
- 发过 2–4 个 Skill 的作者:13,544 个(41.5%)
- 发过 5+ 个 Skill 的作者:1,289 个(3.9%)
- 发过 50+ 个 Skill 的作者:45 个(0.1%)
未来展望
- Skill 的进化:未来可能会出现第四层“session-level cache”。
- 技能生态的挑战:需要解决分发机制、维护机制、质量评估机制。
- 技能的商业价值:Skill 有可能成为 AI 编程工具的标准,推动企业级应用。
Skill 的发展仍在早期,但已经展现出巨大的潜力和挑战。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载