最近一段时间，AI 圈里有一个词出现得越来越频繁：Skills。
这个词，基本是 Claude 推起来的。
如果你平时关注 AI 相关动态，应该能隐约感觉到风向在变。Claude（Anthropic）这家公司，最近的动作不像是在“修修补补”，更像是在下一盘很大的棋。
先是花了很长时间力推 MCP（Model Context Protocol）。 其实就是一个通用的接口协议，用来解决大模型如何安全、规范地与外部系统交互的问题。你可以把它理解成——给 AI 世界定了一个“USB 标准”。
MCP 解决的是「内外沟通」：
以前每家有每家的接法，现在 Claude 说：大家按这个标准来。
很多人还没完全回过味来，不到一年时间，Claude 又开始基于 MCP 大力推进 Skills。
这套组合拳打下来，意思其实已经很明显了：
❝它不想让大模型只做一个陪你聊天的“大脑”， 而是要开始长出原生的“手脚”。
Claude 的底层思路非常工程师化：
先确认能力，再围绕能力扩展生产力。
- MCP 是第一步： 让模型有“手”，能真正接触现实世界。
- Skills 是第二步： 让模型知道，自己该怎么用这些手干活。
如果一定要概括 Claude 现在走的这条路，我会用一句话来形容：
❝从「大脑外挂手脚」（Workflow 工具）， 向「大脑原生手脚」（Native Skills）的回归。
不过，因为 Claude 在国内的使用门槛比较高，国内很多人其实很少真正用到 Claude，所以对 Skills 这个概念会比较陌生。
那么问题就来了：Skills 到底是什么？
01｜所谓的 Skills，是 Prompt吗？
说实话，包括我在内，很多人第一眼看到 Skills 的时候，都是懵的。 第一反应往往是：
❝“这不就是把 Prompt 写得更详细一点吗？ 告诉模型你要干嘛不就行了？”
我一开始也这么想。
但真正研究了一圈之后，我发现——大家都被误导了，这根本不是一回事。
我们不妨换一个视角来理解。
可以把大模型想象成一个极其聪明的管家。
以前的玩法（Prompt / 知识库）：
你给管家一本《做菜大全》（知识库），然后跟他说： “给我讲讲宫保鸡丁怎么做。”
管家能把菜谱倒背如流，步骤、火候、配料一清二楚。但问题是——他手里没有锅，也进不了厨房。
他只能“说”，不能“做”。
现在的玩法（Skills / MCP）：
Skills 是建立在 MCP 之上的。
你不只是给了他书，而是直接把厨房的钥匙、锅碗瓢盆、电磁炉（各种代码接口）一股脑交给了他。
你只跟他说一句：“我想吃宫保鸡丁。”
接下来，管家会自己走进厨房、开火、炒菜，最后把热腾腾的一盘菜端到你面前。
所以，Skills 的本质并不是 Prompt 的升级版，而是：
❝“代码能力 + 通用协议 + 模型自主决策”
它是程序员事先写好的一段段真实可执行的能力（比如读文件、发邮件、操作系统），通过 MCP 这个“通用插槽”，交到了模型手里。
模型不再只是“会说话”，而是真的能动手了。
02｜一个最真实的例子：为什么它像“降维打击”？
为了更直观地说明 Skills 和 dify、n8n 这些工作流工具的区别，我们来看一个几乎所有打工人都熟悉的场景：
写工作日报。
在 Dify / n8n 的时代
因为模型无法直接触碰你的本地环境，流程通常是这样的：
就算你用上了 n8n，也需要费劲地配置 webhook、权限、路径，把数据在各个工具之间“搬来搬去”。
自动化是有的，但始终很别扭。
在 Skills / MCP 的时代
你只需要在电脑上装好 Claude Desktop（它相当于云端大脑和你本地电脑之间的桥梁），然后配置两个 Skill：
然后，你只需要对它说一句话：
❝“帮我写个日报，发给老板。”
接下来发生的事情，几乎全是自动的：
- 模型自己判断：“写日报，需要知道今天做了什么，我得先看看文件。”
- 直接操作系统：调用「文件读取 Skill」，扫描你今天修改过的文档。
- 思考与总结：“改了 PPT，修了 3 个 Bug，开了一个会。”
- 再次调用能力：使用「邮件 Skill」，生成正文，甚至直接发送。
看出来了吗？关键点在这里：
- Dify / n8n：是我们（人类）先画好流程图，再把模型塞进去
- Skills：是我们只给目标，模型自己决定用什么工具、按什么顺序完成
这是一种角色关系的变化。
❝以前我们是在“用”AI，
现在更像是让 AI “住”进了我们的电脑。
03｜大模型正在做的一件事：收复失地
这件事让我想了很久。
过去一年，Dify、Coze、各种 Workflow 工具之所以火，本质原因只有一个：
大模型本身还不够“完整”。
它没手没脚，没办法直接干活，必须依靠这些外部工具来帮它把能力串起来。
但现在，趋势正在发生变化。
大模型正在把原本散落在外部的能力，一点点往自己身上收。
可以预见的是，未来的生成式大模型，很可能不再只是一个“对话框”，而是变成：
❝强力模型本身 + 原生 Skills 管理器 + 内建调用机制
原来那些完全依赖“流程编排”生存的中间层工具，生存空间一定会被挤压。
因为对用户来说，体验是很现实的：
❝我既然可以直接对模型说
“帮我把这个月的数据汇总后发给老板”，
那我为什么还要自己去画一堆流程图？
04｜悬在头顶的那把达摩克利斯之剑
但是——凡事都有但是。
当我意识到 Claude 可以通过 Skills 扫描我的硬盘、操作我的邮箱时，我的第一反应并不是兴奋，而是——后背一凉。
Claude 在下的这盘棋很大：
❝它试图绕过浏览器，
通过 MCP + Desktop，
直接接管你的操作系统。
这会带来一个无法回避的问题：数据的边界在哪里？
哪怕 Claude 目前采用的是「授权制」（Human-in-the-loop），也就是每一次读取文件、发送邮件之前，都会弹窗询问你是否同意，但依然存在两个现实风险：
数据出境问题
为了写一份日报，你的本地核心文档确实被读取，并传到了云端的大脑中。即便官方承诺不训练、不留存，但数据已经离开了你的物理控制范围。
“只会点 Yes 的用户”
想想我们装 App 的时候，有多少人是连隐私协议看都不看，直接点“同意”的？ 当 AI 足够好用，人是很容易被便利驯化的。一旦你习惯性地无脑点击授权，如果有恶意 Skill 混入，，那你的电脑就真的对大模型（以及背后的攻击者）全开放，那后果是灾难性的。
Skills 是能力的放大器，同样也是风险的放大器。
05｜写在最后
尽管存在风险，但我依然认为：这是一条不可逆转的趋势。
Skill 这个词本身，我其实并不是特别喜欢，听起来太工具化。但它背后折射出的那个终局，我是认同的：
❝未来，我们每个人都会拥有一个专属的 AI 助手。
我们不再反复“训练模型”，
而是把自己的经验、做事逻辑，
甚至某种隐性的直觉，封装成一个个 Skill。
大模型只是那个通用的基座。 而这些 Skills，才是通过一块块积木，慢慢搭建出来的、属于你自己的数字分身。
在这个过程中，我的建议只有两点：
- 保持好奇，去尝试、去配置，亲自感受一次“原生手脚”的威力
因为你交出去的，不只是便利， 还有你整个数字世界的入口。
📌 关注我，一起探索 AI 工具的使用体验与坑
粤ICP备14082021号
免费POC，
零成本试错
