装了一堆 Skill，为什么最后都删了？

写在前面

最近有个事儿让我挺感慨的。

我一个朋友，花了两周时间，把市面上所有 AI 教程都刷了一遍。从 prompt 工程到 agent 搭建，从 RAG 到 fine-tune，笔记记了上万字。然后呢？

然后他跟我说：“学完了，但不知道能用它干嘛。”

这让我突然意识到一个问题：我们是不是把“学 AI”这件事搞反了？

不是先学工具再找场景，而是先有场景，再让工具为你服务。

这个洞察不是我自己想出来的，是我最近反复听的一期播客给我的启发。他们把 AI Skills 这个话题聊透了，我今天就想结合他们的对话，聊聊我从中悟出的东西——关于 AI 时代，我们作为“人”的价值到底转移到了哪里。

一、装了一堆 Skill，为什么最后都删了？

播客里 settle 分享了一个判断标准，我觉得可以直接拿来用：

一个 Skill 值不值得用，就看两件事：

1. 1. 它是不是在帮你解决“每天都要干的重复性工作”？
2. 2. 它是不是在帮你弥补“你完全不擅长的领域”？

太精准了。

我们来看那些安装量最高的 Skill —— react best practices、tailwind 配套、各种技术栈相关的东西。为什么多？因为它们解决的是“重复性”问题。 你每次写组件都可能犯同样的小错误，有个 Skill 帮你兜底，确实省心。

但说实话，这些只是“锦上添花”。

真正让我产生“卧槽”感的，是那类能帮你完成验证闭环的 Skill。

灰灰在播客里说了一段话我印象特别深：

“只有 agent 能真正自己做真实验证，你的开发任务才能真的闭环跑完。这是整个 loop 里面最关键的一步。”

他指的是 Playwright、Computer Use 这类能做“端到端测试”的 Skill。为什么关键？

因为验证这一步，对人来说太慢了。 你改一行代码，手动打开浏览器点几下看看效果，这件事一天做 50 次，人会疯掉。但 AI 不会，它可以在你喝咖啡的时候，把 50 个 case 全跑完，还把截图给你看。

这就是 Skill 的真正价值：不是“能做某件事”，而是“能帮你省掉某个重复决策”。

（P.S. 这也是为什么那些“网红 Skill”——什么模拟马斯克聊天、各种大厂风格的 PPT Skill——很多人装了又删。不是它们不好，是你不做那件事。你做的东西跟它没关系，它再强也跟你无关。）

二、失控感这件事，我们是怎么一步步放下的？

播客里聊到一个很有意思的心理变化：

一年前，大家担心 AI 失控。一年后，几乎没人提了。

一下说他去年写过一条即刻，说想把每天的灵感、碎碎念一股脑丢给 AI 处理。当时评论区第一反应都是：“这不相当于给自己装监控吗？”

但现在呢？open cloud 权限那么大，大家也默认了。写代码不看 review，让 AI 交叉检查一下就上线，也慢慢习惯了。

但这里藏着一个很深的悖论。

灰灰在播客里补了一句话，我听完后背一凉：

“你以为 AI 可以划跪道歉，但真正出事时，要道歉的是你。”

没错。你在把执行权交给 AI 的同时，并没有把责任也交出去。 信任 AI 的本质，是一种“责任自负”的偷懒。

我自己的做法是：AI 写完代码，我让 claude code review 一遍，再丢给免费的 chatGPT 交叉 review 一遍。它俩都通过了，我基本不看就合入。

效率确实提升了，但偶尔也会慌：如果两个 AI 同时犯同一个结构性错误呢？

概率很低，但责任 100% 在你身上。

所以我的结论是：

越信任 AI，你越要在“关键决策点”上保持清醒。

什么是关键决策点？

• • 需求定义 —— 你到底要做什么？
• • 架构划分 —— 模块边界在哪里？
• • 验收标准 —— 怎么算“做完了”？

这三件事，建议还是自己把关。至于代码怎么写的、测试怎么跑的，交给 AI 就行了。

三、我们都在用差不多的技术栈，但没人愿意承认

这是我从这期播客里悟出的一个“反常识”观点。

AI 推荐的技术栈，高度趋同。你用 claude code 写前端，它大概率给你 react + tailwind + next.js。你用 codex，它也差不多。

那问题来了：当 80% 的人都用 AI 推荐的技术栈时，你的差异化在哪里？

不是技术栈本身。是你的领域知识、你的审美、你对用户需求的理解深度。

播客里 settle 分享了一个让我拍大腿的方法：

他们做 landing page 的时候，不是直接让 AI 生成代码。而是——

1. 1. 先去 dribble、twitter 上找参考图，找到“想要的感觉”
2. 2. 把参考图丢给 chatGPT，让它生成几版图片风格
3. 3. 挑最满意的那个版本
4. 4. 再让 chatGPT 把图片里的素材分层、提取出来
5. 5. 最后把素材和风格描述丢给 codex，让它实现代码

这个工作流的核心，不是“AI 生成了什么”。而是你在每一步的“选择”。

哪个风格对味？哪个素材该留？哪个细节要保留？

AI 帮你把可能性展开，你做收敛的决策。 这就是未来最核心的人机协作模式。

（P.S. 他们用这个方法做出来的 landing page，真的不像“AI 做出来的”——那种一眼就能看出来的 AI 味儿。因为风格是“抄”人类设计师的，素材是“拆”出来的，AI 只负责最后的实现。）

四、代码品味已死，系统思维永生

播客里一下聊到他现在的工作流，有一个细节让我沉默了：

“我现在基本不看代码细节了。只看 git diff 里的文件改动，是不是落在了我‘架构地图’的合理范围内。API 设计好不好看、命名规不规范，这些以前的‘洁癖’，现在全放弃了。”

这不是偷懒。这是价值转移。

AI 写代码的能力，已经远超大部分人抠细节的水平。但它对“系统”的理解，还是碎片化的。

所以人的价值就转移到了一个地方：

从“代码工匠”变成“系统架构师”。

你不用管那块砖是怎么砌的，但你要知道墙应该在哪、门应该朝哪开、承重结构在哪里。

你可以不看代码，但不能不看架构。代码可以随时重写，架构的偏差会越滚越大。

这不仅是写代码的规律。所有知识工作都这样：

未来最稀缺的能力，不是执行，而是定义“什么是好的”。

五、那些“再也不看”的笔记，怎么被 AI 盘活了？

这是我本期最有获得感的点。

一下提到他做了一件事：

把自己所有播客的文字稿、微信读书的笔记，通过 Skill 自动同步到个人知识库。然后编译成“结构化知识”——比如这期聊了谁、涉及什么产品、核心观点是什么，都独立成篇。

他说了一句让我醍醐灌顶的话：

“我以前在 bearth 里存了好多笔记。因为长时间不看，换软件时连导都懒得导，直接就删了。但有了 Skill，这些‘数字资产’可以被盘活了。”

太真实了。

我们存了多少“再也不看”的笔记？收藏了多少“稍后阅读”的文章？这就是知识的“黑暗资产”——你知道它在那里，但永远不会再碰。

AI Skill 的价值，就是把“存储”变成“可检索、可关联、可激活”。

它让你 5 年前随手写的一句话，在你今天需要时，能被准确推到你面前。

知识的价值不在于占有，在于能在对的时刻被提取出来。

AI 之前的时代，这几乎不可能。AI 之后，做不到的人会被做到的人碾压。

（P.S. 我自己也开始用这个方法了。把之前写在 flomo 里的零碎想法，全部导出来，让 AI 帮我分类、打标签、做关联。3 年前的很多想法，现在已经变成了正在做的产品功能。这种感觉很奇妙——你不是在“生产知识”，你是在“开采”过去的自己。）

总结

这期播客聊了很多具体的东西——Skill 怎么选、工作流怎么搭、哪些有用哪些没用。

但我学到的最重要的一件事是：

AI 最大的改变，不是让你做得更快，而是让你有勇气“不做”。

不看代码细节、不手动部署、不逐字 review——这些“不做”的背后，是信任，也是判断：

知道什么可以放，什么必须抓。

你可以放弃执行的细节，但不能放弃定义的权力；
你可以信任 AI 的能力，但不能推卸人的责任。

这就是 AI 时代，我们作为“人”最后的堡垒。