Skills 是短期紅利還是長期壁壘？
整理版優先睇
Skills 係短期紅利，亦係長期壁壘——但壁壘唔喺 Skills 本身，而係你做 Skills 時積累嘅能力。
呢篇文章係由一位 AI 領域嘅觀察者（之前寫過 Agent 文章）回應網友提問：Skills 會唔會俾更強嘅自主規劃取代？創業者而家佈局 Skills 係短期紅利定長期壁壘？作者用 AI 發展三階段嚟拆解，結論係：Skills 本身係短期紅利，但透過做 Skills 所積累嘅能力（Prompt 工程、上下文工程）先係真正嘅長期壁壘。
第一階段係 AI Chatbot + Prompt，解決生成類問題，Prompt 係短期紅利，但唔係壁壘——而家 AI 輔助寫 Prompt 已經好普遍。第二階段係 AI Agent + 上下文工程，解決同環境交互同完成目標嘅問題，上下文工程係短期紅利，但隨住模型進步同最佳實踐系統化（例如用文件系統壓縮上下文、漸進式披露），壁壘會消失。第三階段係 Agent + Skills，將特定工作流打包成可複用嘅技能包，Skills 係短期紅利，因為未來模型可能唔再需要預先打包嘅技能包。
作者嘅建議係：唔好糾結 Skills 會唔會被取代，反而要問自己透過做 Skills 可以解決咩問題、積累咩能力。每波技術浪潮嘅短期紅利都係下一波嘅入場券。投資喺能力上，而唔係形式上面。
- 結論：Skills 係短期紅利，亦係長期壁壘，但壁壘喺做 Skills 時積累嘅能力，而唔係 Skills 本身。
- 方法：AI 發展分三階段——Chatbot+Prompt（生成問題）、Agent+上下文工程（交互規劃）、Agent+Skills（工作流自動化），每階段嘅紅利都係下一階段嘅基礎。
- 差異：Prompt 工程、上下文工程、Skills 分別對應唔同階段嘅紅利，但全部都可能會被更強模型取代，只有透過佢哋學到嘅能力先會留下。
- 啟發：每一波技術浪潮嘅短期紅利，就係下一波浪潮嘅入場券——投資能力比投資形式更重要。
- 可行動點：專注用 Skills 解決具體問題，同時刻意積累 Prompt、上下文工程等底層能力，為未來做準備。
回應網友：Skills 嘅本質係能力而唔係形式
上一篇文章講過 AI Agent 嘅問題，有網友問得好：「隨住基礎模型繼續進化，Skills 會唔會逐漸被更強嘅自主規劃取代？創業者而家佈局 Skills 係短期紅利定長期壁壘？」
作者嘅睇法係：Skills 係短期紅利，亦係長期壁壘——但壁壘唔喺 Skills 本身。
呢個判斷背後，要從 AI 發展嘅三個階段去理解。
第一階段：AI Chatbot + Prompt——Prompt 係短期紅利
最早嘅 AI Chatbot 加上好嘅 Prompt，已經可以解決好多「生成類」問題：回答問題、情感陪伴、翻譯、寫作、摘要。
嗰陣時 Prompt 就係短期紅利。你識寫好嘅 Prompt，就得到好嘅結果。
作者話佢嗰時花咗大量時間研究 Prompt 工程，確實食到紅利——好多網友就係嗰時認識佢。但要講長期壁壘？冇。
而家俾 AI 輔助寫 Prompt 已經唔係咩難事。
不過呢個階段只能解決生成問題，唔能夠用工具，亦唔能夠同外部世界交互。
第二階段：AI Agent + 上下文工程——Context Engineering 係短期紅利
然後到 AI Agent 出現，Agent 可以規劃、可以調用工具，解決咗「同環境交互」同「完成特定目標」嘅問題。
呢個時候上下文工程（Context Engineering）就係短期紅利。
你知道點樣組織 Agent 需要嘅上下文，點樣喺有限嘅上下文窗口入面塞夠資訊，就係核心競爭力。
但同樣冇長期壁壘——好快模型越嚟越強，上下文窗口越嚟越大，最佳實踐都系統化咗。
例如藉助文件系統壓縮上下文、利用漸進式披露（Progressive Disclosure）解決工具描述佔用太多 token 嘅問題，呢啲方法而家大家都知。
第三階段：Agent + Skills——Skills 係短期紅利，但能力係長期壁壘
而家係 Agent + Skills 嘅階段。Skills 解決嘅問題係：將特定工作流、特定領域嘅能力打包成可複用嘅「技能包」，等 Agent 之上可以長出豐富嘅應用生態。
日常工作中瑣碎但重複嘅任務，藉助 Skill 嘅 Prompt 能力同工具能力，可以被高度自動化，帶嚟巨大效率提升。
投資 Skills 係短期紅利，因為 Skills 作為一種具體形式可能會被更強嘅模型能力取代——如果未來模型夠強，唔需要人類預先打包好嘅「技能包」，佢自己就能規劃出最優路徑。
但問題嚟：邊個最能抓住呢波短期紅利？唔係吹 Skills 嘅自媒體，而係真正識 Prompt、識上下文工程嘅人同團隊。
佢哋可以藉助之前積累嘅經驗，快速做出真正解決問題嘅 Skills。
結論與建議：專註解決問題，積累可遷移能力
所以作者嘅建議係：唔好糾結 Skills 會唔會被取代，而係問自己——透過做 Skills，我可以解決咩問題？積累咩能力？呢啲能力喺下一波浪潮入面仲有冇用？
如果答案係肯定嘅，就值得投入。
呢個道理同樣適用於之前嘅 Prompt 工程同上下文工程——當年投資 Prompt 工程嘅人，後來更容易理解上下文工程；投資上下文工程嘅人，而家更容易做出好嘅 Skills。
上一篇文關於 AI Agent，你最想知嘅 3 個問題——點解我話「垂直 Agent」係個偽命題
有位網友問咗個好問題：
隨住基礎模型繼續進化，Skills 會唔會逐漸被更強嘅自主規劃取代？作為創業者而家去佈局 Skills，究竟係短期紅利定長期壁壘？
我嘅睇法係：Skills 係短期紅利，亦係長期壁壘——但壁壘唔係喺 Skills 本身。
等我用 AI 發展嘅三個階段嚟解釋呢個判斷。
第一階段：AI Chatbot + Prompt
回歸第一性原理：AI 又好，Agent 又好，能夠解決問題先有價值。
最早嘅 AI Chatbot 加上好嘅 Prompt，已經可以解決好多「生成類」問題——回答問題、情感陪伴、翻譯、寫作、摘要。
嗰陣時 Prompt 就係短期紅利。你寫得出好嘅 Prompt，就可以得到好嘅結果。我嗰陣時花咗大量時間研究 Prompt 工程，確實食到紅利——好多網友就係嗰陣時認識我嘅。
但要講長期壁壘？冇。而家叫 AI 輔助寫 Prompt 已經唔係乜嘢難事喇。
不過，AI Chatbot + Prompt 只能夠解決生成問題，唔可以用工具，唔可以同外部世界互動。
第二階段：AI Agent + 上下文工程
然後係 AI Agent 嘅出現。Agent 可以規劃、可以調用工具，解決咗「同環境互動」同「完成特定目標」嘅問題。
呢個時候上下文工程（Context Engineering）就係短期紅利。你知道點樣組織 Agent 需要嘅上下文，點樣喺有限嘅上下文窗口入面塞足夠嘅資訊，就係核心競爭力。
但同樣冇長期壁壘。好快模型越來越勁，上下文窗口越來越大，上下文工程嘅最佳實踐都逐漸系統化——例如藉助文件系統壓縮上下文、利用漸進式披露（Progressive Disclosure）解決工具描述佔用太多 token 嘅問題。呢啲方法而家大家都知喇。
第三階段：Agent + Skills
而家係 Agent + Skills 嘅階段。
Skills 解決嘅問題係：將特定工作流程、特定領域嘅能力打包成可複用嘅「技能包」，令 Agent 之上可以長出豐富嘅應用生態。日常工作中瑣碎但重複嘅任務，藉助 Skill 嘅 Prompt 能力同工具能力，可以被高度自動化，帶來巨大嘅效率提升。
投資 Skills 係短期紅利。Skills 作為一種具體形式，可能會被更強嘅模型能力取代——可能第時模型夠勁，唔再需要人類預先打包好嘅「技能包」，佢自己就可以規劃出最優路徑。
但問題嚟喇：邊個最能夠把握呢波短期紅利？
唔係吹 Skills 嘅自媒體，而係真正識 Prompt、識上下文工程嘅人同團隊。佢哋可以藉助之前積累嘅經驗，快速做出真正解決問題嘅 Skills。
投資嘅係能力，唔係形式
Skills 本身唔會成為長期壁壘，但係你喺 Skills 上投入嘅學習同實踐，會成為你嘅長期壁壘。
呢個就好似當年投資 Prompt 工程嘅人，後來更容易理解上下文工程；投資上下文工程嘅人，而家更容易做出好嘅 Skills。
每一波技術浪潮嘅「短期紅利」，都係下一波浪潮嘅入場券。
所以我嘅建議係：唔好糾結 Skills 會唔會被取代，而係問自己：透過做 Skills，我可以解決啲乜嘢問題？累積啲乜嘢能力？呢啲能力喺下一波浪潮入面仲有冇用？
如果答案係肯定嘅，咁就值得投入。
上一篇文章關於 AI Agent，你最想知道的 3 個問題——為什麼我說“垂直 Agent”是個偽命題
有網友問了個好問題：
隨着基礎模型繼續進化，Skills 是否會逐漸被更強的自主規劃取代？作為創業者現在去佈局 Skills，究竟是短期紅利還是長期壁壘？
我的看法是：Skills 是短期紅利，也是長期壁壘——但壁壘不在 Skills 本身。
讓我用 AI 發展的三個階段來解釋這個判斷。
第一階段：AI Chatbot + Prompt
迴歸第一性原理：AI 也好，Agent 也好，能解決問題才有價值。
最早的 AI Chatbot 加上好的 Prompt，已經能解決很多「生成類」問題——回答問題、情感陪伴、翻譯、寫作、摘要。
那時候 Prompt 就是短期紅利。你會寫出好的 Prompt，就能得到好的結果。我那時候花了大量時間研究 Prompt 工程，確實吃到了紅利——很多網友就是那時候認識我的。
但要說長期壁壘？沒有。現在讓 AI 輔助寫 Prompt 已經不是什麼難事了。
不過，AI Chatbot + Prompt 只能解決生成問題，不能使用工具，不能與外部世界交互。
第二階段：AI Agent + 上下文工程
然後是 AI Agent 的出現。Agent 能規劃、能調用工具，解決了「與環境交互」和「完成特定目標」的問題。
這時候 上下文工程（Context Engineering）就是短期紅利。你知道怎麼組織 Agent 需要的上下文，怎麼在有限的上下文窗口裏塞進足夠的信息，那就是核心競爭力。
但同樣沒有長期壁壘。很快模型越來越強，上下文窗口越來越大，上下文工程的最佳實踐也逐漸系統化——比如藉助文件系統壓縮上下文、利用漸進式披露（Progressive Disclosure）解決工具描述佔用太多 token 的問題。這些方法現在大家都知道了。
第三階段：Agent + Skills
現在是 Agent + Skills 的階段。
Skills 解決的問題是：把特定工作流、特定領域的能力打包成可複用的「技能包」，讓 Agent 之上可以長出豐富的應用生態。那些日常工作中瑣碎但重複的任務，藉助 Skill 的 Prompt 能力和工具能力，可以被高度自動化，帶來巨大的效率提升。
投資 Skills 是短期紅利。 Skills 作為一種具體形式，可能會被更強的模型能力取代——也許未來模型足夠強，不再需要人類預先打包好的「技能包」，它自己就能規劃出最優路徑。
但問題來了：誰最能抓住這波短期紅利？
不是吹 Skills 的自媒體，而是真正懂 Prompt、懂上下文工程的人和團隊。他們能借助之前積累的經驗，快速做出真正解決問題的 Skills。
投資的是能力，不是形式
Skills 本身不會成為長期壁壘，但你在 Skills 上投入的學習和實踐，會成為你的長期壁壘。
這就像當年投資 Prompt 工程的人，後來更容易理解上下文工程；投資上下文工程的人，現在更容易做出好的 Skills。
每一波技術浪潮的「短期紅利」，都是下一波浪潮的入場券。
所以我的建議是：不要糾結 Skills 會不會被取代，而是問自己：通過做 Skills，我能去解決什麼問題？積累什麼能力？這些能力在下一波浪潮裏還有沒有用？
如果答案是肯定的，那就值得投入。