今天，我在 Simon Willison[1] 的博客上看到一句话：
“Claude Skills 可能比 MCP 更重要。”
Simon 是谁？就是那个做出 Datasette 的家伙。一个非常有判断力的工程师。工程化能力比 99.99% 小伙伴都强的，很多大模型厂商都想邀请他做评测的这位。
这句话我来回看了好几遍。
为什么一个“技能系统”，能比一个通用协议还重要？
难道我们又要重新理解“大模型”的边界了吗？
01. “技能”这东西，到底是什么鬼？
先别急着想象什么高大上的概念。
Claude 的 Skills（技能） ，其实简单得出奇：
一个 Markdown 文件 + 一段脚本。
这个 GitHub 仓库[2]中又很多 anthropics 给到的技能。
这些 skill 都是用 Claude 生成的
文件里写清楚：这个技能能干嘛、怎么用、触发条件是啥。
脚本负责执行具体任务，比如生成图片、操作文件、发请求。
听起来是不是有点像以前写插件？
是的，差不多。但也不完全一样。
不同的是：
模型现在能自己决定什么时候加载这个技能。
当它发现任务符合 skill 的描述，就会“唤醒”那个技能，执行脚本，然后把结果融回自己的思考流程里。
比如你让 Claude 生成一个 Slack 用的 GIF，
它就会自动加载 “slack-gif-creator” 这个技能，生成 GIF，还会检测文件大小是不是超过 Slack 限制。
这整个过程，你不用教它怎么做。
它自己会判断、调用、执行。
突然有点像人了，是不是？
02. 我一开始也以为这没啥
我第一反应是：“哦，这不就是插件吗？写个脚本而已。”
但越想越不对劲。
以前的“插件”，都是被动调用的。
我们写 API、写函数，然后告诉模型：
“当我说 XX，你就调用这个函数。”
可 Skills 不一样，它是主动感知的。
模型先看一眼所有技能的说明文档（只有元信息，不加载代码），
然后在任务触发时才加载对应脚本执行。
也就是说，它不是傻等你命令，而是“知道自己能干什么”。
这中间的区别，非常大。
你想想，人也一样。
如果我知道我有一套 Python 数据处理脚本、一个 SQL 工具包、一个表格模板，
我面对一个“做数据分析”的需求时，根本不用别人提醒我用哪个工具。
我自己会选。
这就不只是“增强”模型能力，而是在赋予模型一种自觉的工作方式。
03. 那 MCP 呢？不是更先进吗？
说实话，我以前挺看好 MCP（Model Context Protocol）的。
它能让模型访问各种上下文、外部数据、环境信息，看起来很全面。
但 Simon 说了一句特别扎心的话：
MCP 的问题在于，它太重了，带来的 token 消耗太高。
我试着想象那种场景：
模型需要加载一堆上下文、权限、配置文件，只为干一件简单事。
像是在家煮个泡面，还得启动 Docker、一堆依赖检测、环境变量……
Skills 的思路就轻得多。
它几乎什么都不需要，你写好一个 skill 文件，放到目录里，模型就能用了。
触发再加载，不浪费 token，也不占上下文。
更重要的是，这种形式极容易被人类理解和维护。
不像 MCP 那样要搞协议、搞连接、搞资源描述符。
这就像从“标准委员会”回到“黑客文化”。
简单、直接、能跑。
04. “模型 + 技能” 这件事，想通了就上头
我越想越觉得，这事有点像人类的学习过程。
我们不会天天更新自己的“大脑模型”，
我们是不断积累技能。
做菜、写代码、沟通、打球……这些技能是我们认知的延伸。
模型也是。
如果说之前的 LLM 像个聪明但没经验的实习生，
那现在，它能主动装上“技能包”，开始动手干事了。
Simon 在文里提了一个很有意思的想法：
未来可能会出现一个“技能市场”。
每个人都可以写技能、分享技能、加载别人写的技能。
想想这种画面——
模型不再靠参数量赢，而是靠技能生态卷。
这就不只是“AI 工具”，
而更像一个“有成长路径的助手”。
有点吓人，但也挺兴奋的。
05. 我开始重新思考“Agent”的价值了
我一直觉得 “AI Agent” 这个词有点被玩坏了。
去年满屏的“自主代理”“链式调用”“长期记忆”，
结果一测，大多都不稳定、跑不完、死循环。
但 Simon 在文中说了一句很有意思的话：
他原本以为 2025 年 Agent 会凉，结果发现自己错了。
原因？Claude Skills。
因为现在的代理不再靠 prompt chain 拼逻辑，
而是靠真实的执行能力在跑任务。
也就是说，Agent 不再是“假装自己能干”，
而是真的“能干了”。
如果再配合 Claude 的 Code Interpreter（能执行 Python 环境），
那简直就是一个「能编程的自动化助手」。
我甚至在想，
我们可能正在见证一件有点像“App Store 出现”的事。
06. 冷静下来想想，也有风险
当然，不是所有事情都这么美好。
Skills 的强大，也意味着风险更大。
模型可以执行脚本、操作文件、读写环境，
这在企业环境里可能带来安全隐患。
比如：
- • prompt 注入，诱导模型去执行恶意脚本
- • 脚本本身不安全，能访问敏感文件
- • 技能库版本混乱，维护困难
Simon 也提醒了：安全沙箱（sandboxing）是关键。
Skill 设计得再好，也得跑在安全的、可控的环境里。
不然，一个“有手有脚的模型”，很可能哪天就“越界”了。
07. 我个人的几个想法
写到这儿，我脑子里冒出几个念头，不一定对：
- • 以后公司内部应该不只是“微服务治理”，
还得考虑“技能治理”：哪些技能能被加载、谁能写、如何审查。 - • 对个人开发者来说，这其实是个巨大机会。
如果未来真出现“技能市场”，早期积累高质量 skill 的人会很吃香。 - • 大模型的发展，可能正在从“扩大脑容量”，转向“扩展身体能力”。
说白了，Claude Skills 不是让模型变聪明，
而是让它有了“手”。
08. 结尾：回到那句话
Simon 那句“Skills 可能比 MCP 更重要”，
我现在完全理解了。
因为 MCP 是“让模型读懂世界”，
Skills 是“让模型能动手改变世界”。
这两者的区别，就像学生和工人。
知道怎么做，和真的能做，是两回事。
而 Claude Skills，让模型跨过了那条线。
最后一句话：
如果你现在还在调 prompt，不妨试着写一个 Skill。
你会发现，比起对话，让模型干事，更有未来感。
引用链接
[1] Simon Willison: https://simonwillison.net/2025/Oct/16/claude-skills/
[2] GitHub 仓库: https://github.com/anthropics/skills