编者按： 在 AI 智能体赛道竞争白热化的今天，为何巨头们会突然放弃私有壁垒，共同拥抱同一套技术标准？
我们今天为大家带来的文章，作者的观点是：Agent Skills 之所以能在 90 天内从私有功能演变为行业标准，关键在于其"渐进式披露"的架构设计解决了 Token 经济学痛点，以及"一次编写，处处运行"的可移植性打破了平台壁垒。
文章详细回顾了 2025 年 10 月至 12 月间，Anthropic 如何通过简单的 Markdown 文件格式推出 Agent Skills，并迅速获得 OpenAI 和 Microsoft 的跟进支持。文中深入剖析了技能加载的"渐进式披露"机制如何大幅降低 Token 消耗，对比了其与微调、Custom Instructions 等方案的优劣，并展示了开发者生态在三周内从 0 爆发至 25,000 个技能的惊人增长。此外，文章还探讨了巨头背后的战略博弈，以及企业应如何布局技能治理与基础设施。
标准化往往是生态成熟的前奏，当定制 AI 能力不再受制于平台锁定时，真正的智能体应用规模化落地才刚刚开始。
作者 | Han HELOIR YAN, Ph.D.
编译 | 岳扬
2025 年 12 月 18 日，AI 行业发生了一件不同寻常的事：OpenAI 宣布将采用由其主要竞争对手 Anthropic 制定的一项标准。短短几小时内，Microsoft 也迅速跟进，把同样的技术标准格式集成到了 GitHub Copilot 和 VS Code 中。而 Google 其实早在两个月前就已推出了类似的系统。到那周结束时，一个开源社区平台上已经列出了超过 25,000 个该新标准的实现方案。
这并非一次新模型的发布。没有基准测试排行榜上的刷分大战，也没有"碾压 GPT-5"之类的标题党新闻。这是一件更具深远意义的事件：一种用于教会 AI 智能体执行专业工作流的通用格式正式诞生。Anthropic 将其称为"Agent Skills"，而在 2025 年 10 月到 12 月这 90 天里，这项技术迅速从一项私有功能演变为事实上的行业标准。
这件事的关键在于：为什么一家并没有最强模型的公司，却能主导整个行业定制 AI 的方式？如果你正在构建 AI 智能体、交付 AI 驱动的产品，或是设计未来需要对接多家 AI 服务供应商的系统架构，那么这件事的重要性，远超过你今年能看到的任何一次基准测试分数提升。
01 2025 年 10 月 16 日：低调发布
Anthropic 于 2025 年 10 月 16 日面向 Claude 用户推出了 Agent Skills 功能。官方公告言简意赅： "Skills 就是一个包含指令、脚本和资源文件的文件夹，Claude 可以在需要时加载它们。"
其技术架构刻意保持简单。每个 Skill 对应一个目录，其中必须包含一个 SKILL.md 文件，该文件采用 YAML 前置元数据与 Markdown 指令说明相结合的格式。
真正的创新在于其加载机制。 启动时，Claude 会扫描所有可用的 Skills，但只将它们的元数据（Skill 名称和 Skill 描述）加载到系统提示词中。这些元数据相当于一个索引目录，每个 Skill 大约消耗 30--50 个 token。当用户请求匹配到某个 Skill 的应用领域时，Claude 才会通过文件系统访问加载完整的指令内容。假如一个代码库中有 100 个 Skills，那么初始只需约 5,000 个 token 存储元数据，而每个 Skill 的完整内容（通常 2,000--5,000 个 token）仅在真正需要时才加载。
Anthropic 在工程博客中将这种设计称为 "渐进式披露"（progressive disclosure） 。这一模式借鉴自信息架构领域，核心思想是只在必要时才引入复杂内容。对 AI 智能体而言，它解决了一个实际痛点：如何让智能体访问大量程序性知识，又不至于在开始工作前就耗尽上下文窗口？
开发者兼 AI 研究员 Simon Willison 在 10 月 16 日写道："Skills 的概念极其简单：一个 Skill 就是一个 Markdown 文件，告诉模型如何完成某项任务，还可以附带额外文档和预先写好的脚本。关于 Skills 的设计，有一点我非常喜欢，它没有任何限制阻止这些 Skills 被其他模型使用。"
他预测道："我预计我们将看到 Skills 的寒武纪大爆发，相比之下，今年的 MCP 热潮都会显得平淡无奇。"
最初的反响积极但较为克制。GitHub 上的 anthropic/skills 仓库起初只包含 Anthropic 提供的一个示例：用于为 DOCX、PPTX、XLSX 和 PDF 文档创建 Skills。这些并不是仅供演示的简单示例，它们正是 Claude 在生产环境中驱动文档生成功能所使用的 Skills。
02 11 月：悄然增长阶段
在 11 月期间，有趣的事情发生了。开发者们在没有营销推动或激励计划的情况下，开始自发地构建 Skills。Skills 仓库的示例数量增长到 50 多个，覆盖创意设计、技术开发和企业沟通等多个领域。
早期的企业试点项目陆续出现。云内容管理公司 Box 构建的 Skills，能将存储的文件自动转换为符合组织标准的格式化文档。日本电商巨头 Rakuten 部署了用于财务操作的 Skills，此前这类操作需要跨部门人工协调。Canva 则集成了用于品牌合规设计工作流的 Skills。
通过实际使用，Skills 在 token 效率方面的优势逐渐显现。GitHub MCP server 是一种比较流行的将 AI 智能体连接到 GitHub 仓库的方式，仅其工具定义和上下文就消耗约 15,000--30,000 个 tokens。而一个提供类似 GitHub 工作流指导的 Skill，元数据仅需 50 个 tokens，完整加载时也只需 3,000--4,000 个 tokens，token 效率提升了 5--10 倍。
更重要的是，Skills 在 Claude 可用的所有场景都能运行：claude.ai 网页界面、Claude Code（Anthropic 的命令行编码智能体）以及 Claude API。编写一次 Skill，即可立即在所有平台上使用。对于投资 AI customization（即为自身需求专门定制 AI 功能）的企业而言，这种可移植性至关重要。
03 2025 年 12 月 18 日：开放标准正式发布
2025 年 12 月 18 日，三项公告几乎同时发布：
1）Anthropic 在 agentskills.io 上将 Agent Skills 规范作为开放标准发布，包含完整文档、参考版 Python SDK，以及对跨平台可移植性的明确承诺。
2）OpenAI 为其 Codex CLI 和 ChatGPT 采用了完全相同的 SKILL.md 格式。OpenAI 的开发者文档已同步更新，展示对 Skills 的支持，文件结构与 YAML frontmatter 与 Anthropic 保持一致。放置在 ~/.codex/skills/ 目录下的 Skills 会被自动发现并加载使用。
3）Microsoft 与 GitHub 宣布在整个 Copilot 生态中支持 Agent Skills：涵盖 GitHub Copilot、VS Code、Copilot CLI，以及 JetBrains、Eclipse 和 Xcode 等主流 IDE 中的 agent 模式。
与此同时，Anthropic 推出了 Skills Directory ------ 这是一个 Skills 精选市场，汇集了 Notion、Figma、Atlassian、Canva、Stripe、Ramp 和 Sentry 等合作伙伴打造的专业级 Skills。
面向 Team 与 Enterprise 套餐的企业客户，Anthropic 新增了组织级别的管理功能。管理员可为整个团队统一配置 Skills、设定默认启用项，并追踪使用情况。
其战略影响不言自明：Anthropic 的主要竞争对手 OpenAI，竟在该标准开源发布后数小时内便迅速采用；而 Microsoft 当时已有 23 万家企业使用 Copilot Studio（覆盖《财富》500 强中的 90%），正将 Skills 深度集成至其整套开发者工具链中。
04 12 月 19--31 日：市场爆发期
开放标准发布后 24 小时内，社区驱动的 Skills 市场平台如雨后春笋般涌现。独立社区项目 SkillsMP（Skills Marketplace）上线，通过自动抓取 GitHub 公共仓库实现了 Skills 索引自动化。
其增长轨迹令人瞩目：
- 第 1 周（12 月 19--25 日）：约 8,000 个 Skills 被索引
- 第 2 周（12 月 26--31 日）：约 17,000 个 Skills 被索引
- 截至 2026 年 1 月 9 日：超过 25,000 个 Skills 被编目
这些并非重复或低质量内容。SkillsMP 设置了质量过滤机制，要求至少 2 个 GitHub stars 和近期更新记录，并扫描其基础质量指标。平台将 Skills 分为四大类：开发与技术类（占总量 40%）、文档类（25%）、企业与沟通类（20%），以及创意与设计类（15%）。
到 2025 年 12 月底，Skills 从 Anthropic 的私有功能演变为跨平台的行业标准，整个过程恰好历时 90 天。
05 技术实况核查：不绕弯子的拆解
5.1 架构本质：Markdown、YAML 与 Progressive Disclosure（渐进式披露）
Agent Skill 的核心设计极其简单：一个文件夹，内含一个带 YAML frontmatter 的 Markdown 文件，外加可选的资源文件。
其创新之处在于加载机制。渐进式披露通过三阶段加载机制实现：
- 第一阶段 --- 启动时：智能体将所有 Skill 的元数据加载到系统提示词中。一个典型 Skill 的描述约 50 个词，消耗 40--50 个 tokens；100 个 Skills 的元数据总计约 4,000--5,000 个 tokens。
- 第二阶段 --- 匹配时：处理用户请求过程中，智能体扫描 Skill 描述，识别相关匹配项。
- 第三阶段 --- 加载时：匹配成功后，智能体通过文件系统工具读取完整的 SKILL.md 文件。此时完整内容才进入上下文窗口，根据复杂度消耗 2,000--5,000 个 tokens。
这种架构使得 Skill 库理论上可以无限扩展。一家企业可维护 1,000 个 Skills，元数据仅占用约 50,000 个 tokens，相当于 Claude Sonnet 4 20 万 token 上下文窗口的 25%。
5.2 Token 经济学：这才是它真正重要的原因
上下文窗口是有限且昂贵的资源。理解其中的 token 经济学，才能明白为什么 Skills 能成功，而其他方案却步履维艰。
5.3 Skills 无法做到的事情（坦诚环节）
- 无法获取实时的外部数据：Skills 是静态文件。若无 MCP 服务器或直接的 API 工具集成，无法拉取实时数据。
- 调用的非确定性：模型是否调用某个 Skill，是基于语义匹配的概率性决策，无法保证一定触发。
- 调试过程不透明：当 Skill 未被触发或执行指令出错时，往往难以完全追溯原因。
- 依赖代码执行环境：包含脚本的 Skills 需要代码执行环境支持（如 Claude Code 或 GitHub Copilot）。
- 平台差异：虽然格式已标准化，但各平台在实现细节上仍有差异（例如文件发现路径）。
5.4 Skills 与其他方案对比 ------ 为什么 Skills 能成，而其他方案都失败了
现在来回溯一下 Skills 崛起的前两年究竟发生了什么。
1）Custom Instructions 时代：过于简单
2024 年 7 月，OpenAI 为 ChatGPT 引入 Custom Instructions。你可以设置"始终用 Python 写代码"或"我是资深工程师，跳过基础解释"。适合个人偏好，但面对复杂场景完全无能为力。
问题在于：你只能设置一套指令，始终加载、无法共享。试着在一个限制为 1500 个字符的文本框里解释你们公司 47 步的代码审查流程。然后看着你的同事手动重复这一过程，因为他们无法访问你的指令。
2）GPT Store 时代：虽接近但仍差一步
2024 年 11 月，OpenAI 推出 Custom GPTs，终于能构建带知识文件的专用智能体并分享出去。GPT Store 于 2025 年 1 月上线，到 6 月已积累 300 万个 GPTs。
那些拥有企业级需求的用户一开始很兴奋，但很快就撞墙了。
平台不互通：你的"API 安全审查 GPT"只能在 ChatGPT 里用，你们团队用 Claude，运维团队用 GitHub Copilot。恭喜，同一套逻辑你得维护三份副本。
上下文窗口不够用：GPTs 会预先加载全部知识。给 GPTs 塞 20 个示例文档？用户还没输入，上下文已吃掉 40,000 个 tokens。想维护 50 个供整个团队使用的 GPTs？上下文窗口直接宣告死亡。
缺乏治理：人人都能创建 GPTs，没有审批流程，没有版本控制。某天安全团队发现有人搭了个"SQL 查询助手"，而它把所有数据库凭证都记录了 ------ 好戏就开始了。
到 2025 年年中，拥有企业级需求的那些用户都有一股挫败感：方向是对的，但这条路走不通。
3）2025 年 10 月：Skills 找对了路子
Anthropic 看清了哪些要素行之有效（GPTs 的专业化能力），什么行不通（其他所有尝试），然后将其简化到最本质的内容：
一份 Markdown 文件。仅此而已。
没有绑定平台 ------ 随处可用。没有预加载成本 ------ 用时才付费。天然适配 Git ------ 像普通代码一样做版本控制。具备在中大型企业环境中规模化、安全、合规地部署和使用的能力 ------ 安全团队能直接审查文件内容。
Skills 的采用曲线说明了一切：第一周 8,000 个 Skills，第三周突破 25,000 个。标准发布后 48 小时内，Microsoft 和 OpenAI 相继采纳了这一格式。
当你的竞争对手立刻照搬你的东西时，你就已经赢了。
5.5 关于 MCP，人人都问错了问题
人们总在问："我该用 Skills 还是 MCP？"
这个问题本身就错了。它们干的是完全不同的事。
MCP 负责连接外部系统 ------ 它是智能体的"手"，能伸进 Slack、拉取数据库、调用 API。没有 MCP，智能体就被困在自己的上下文窗口里，寸步难行。
Skills 用于指导工作流 ------ 它是智能体的"训练手册"，告诉它如何做代码审查、什么算好的 API 设计、何时该升级问题。没有 Skills，智能体虽能访问一切，却对你的业务流程一无所知。
5.6 实际应用中是这样的
销售团队问："我们的 pipeline 里有哪些卡住的单子？"
仅用 MCP：
- 智能体通过 MCP 连接 Salesforce
- 返回：47 条 JSON 格式的订单记录
- 用户手动逐条审查
- 耗时 30 分钟
仅用 Skills：
- 智能体无法访问 Salesforce
- 用户手动导出数据
- 智能体用 Skills 中的规则分析
- 耗时 20 分钟
两者结合：
- 智能体通过 MCP 连接 Salesforce
- 自动加载 "pipeline-review" Skill
- 关联 Slack 中的相关对话
- 生成卡单的 Markdown 表格
- 标记出 3 个需立即跟进的订单
- 建议具体的跟进步骤
- 耗时 3 分钟
这正是 Notion 为其"Meeting Intelligence"Skill 搭配 MCP 连接的原因：MCP 抓取日历、相关文档和近期的 Slack 讨论；Skill 则懂得如何将这些信息整合成符合你公司标准的会议准备模板。
这套组合的 token 消耗约 18,000。数字听着不少，但你得意识到，你的助手刚用 30 秒干完了原本要花 45 分钟的活。
5.7 微调 与 Skills 之争
这里正是资金浪费重灾区。
微调方案是通过训练改变模型的权重。你喂给它示例数据，跑昂贵的计算任务，等上好几天，最终得到一个专用模型。单次训练成本在 500 到 5,000 美元之间。
Skills 则只是在运行时注入指令。编辑一份 Markdown 文件，5 分钟搞定，成本几乎为零。
陷阱在于，很多团队总以为需要微调，其实用 Skills 就够了。
如果医疗初创公司希望智能体理解肿瘤学术语，微调确实是合理的，因为你是在教它基础模型原本不懂的专业语言。
但如果你的团队只想让智能体遵循代码审查流程？那该用 Skill。模型本身已经懂代码审查，你只是在指定你们团队的特定标准。
5.8 二八定律
现代基础模型（Claude Sonnet 4、GPT-4o、Gemini 2.0）开箱即用的能力已相当惊人。对大多数团队而言：
- 80% 的需求：一个 Skill 就能搞定
- 20% 的边缘场景：或许才需要微调
真正需要微调的场景：
- 涉及专业术语的医疗报告
- 有特定引用格式的法律文书
- 充斥着领域专业术语的科研论文
- 对速度有极致要求的高吞吐任务
Skills 完全够用的场景：
- 遵循公司内部流程
- 应用标准与模板
- 正确使用内部工具
- 基于既定规则做决策
关键差异：Skills 可即时更新。API 标准变了？改个文件，重启即可。微调则每次变更都得重新训练。按季度重新训练，一年光维持更新就要烧掉 12,000 美元。
06 多家科技巨头围绕 AI 智能体定制化标准展开的战略博弈
6.1 12 月 18 日的妙手
2025 年 12 月 18 日，三家公司几乎在同一时间发布声明。如果你眨眼了，你就会错过今年 AI 基础设施领域最精彩的一场权力博弈。
太平洋时间 9:00：Anthropic 发布 agentskills.io ------ 一套带有参考实现、示例 Skills 和完整文档的开放标准，完全免费。
太平洋时间 11:30：OpenAI 更新开发者文档。Codex CLI 正式支持 SKILL.md 格式。没有新闻稿，只有一条静默的 changelog。
太平洋时间 14:00：Microsoft 为 GitHub Copilot 和 VS Code 增加 Skills 支持。同样悄无声息，某天打开编辑器，它就在那儿了。
三家竞争对手在五小时内集体采用同一套格式？这绝非偶然。
6.2 Anthropic 的布局
来看看 Anthropic 的布局，以及它为何能够奏效。
10月16日：将 Skills 作为 Claude 的私有功能推出，让企业用户上钩。Box 用它自动化文档处理流程，Rakuten 用它简化财务运营流程。
11月：坐观使用量极速增长。Skills 从内部工具演变为生产依赖组件。此时，企业用户已与之深度绑定。
12月18日：将该技术作为开放标准发布。所有人构建的 Skill 依然可用，但现在它们无处不在。
这正是 Anthropic 在 Model Context Protocol（MCP）上用过的同一套打法：
- 2024 年 11 月：为 Claude 推出 MCP
- 12 个月：社区共建生态
- 2025 年 12 月 9 日：捐赠给 Linux Foundation，成为开放标准
作为私有功能发布 → 生态培育 → 开放开源。这正逐渐成为 Anthropic 的标志性策略。
6.3 为何 OpenAI 立刻采用了这一技术
12 月 18 日，OpenAI 面临两个选择：
- 选项 A：无视 Skills，全力推 GPT Store 和 AgentKit，靠平台绑定留住用户。
- 选项 B：采纳 Skills，放弃差异化，以执行能力而非生态壁垒竞争。
他们不到三小时就选了 B。
这正是耐人寻味之处。
OpenAI 正同时执行两套看似矛盾的策略：
私有化路线： 带收入分成的 GPT Store、面向复杂多智能体系统的 AgentKit、定制语音模式 ------ 这些是竞争对手难以复制的护城河。
开放标准路线： 2025 年 12 月采纳 MCP，同日拥抱 Skills，积极参与共享基础设施建设。
这正是"Android 策略" ------ 在采纳开放标准的领域共建生态，同时在平台层构建差异化。OpenAI 清楚：开发者不会为锁定单一供应商的定制方案投入资源。
他们的算盘是：与其独占一个小市场，不如在一个大市场里占据三成份额。
事实印证了这一点：截至 2026 年 1 月，Skills 已可在 ChatGPT 桌面端、Codex CLI 和 API 集成中运行，OpenAI 团队还深度参与了 Skills 标准的后续讨论 ------ 他们不只是采用这一技术，而是在共同开发。
6.4 Microsoft 的选择：拥抱并集成
Microsoft 拥有 23 万家企业用户使用 Copilot Studio，覆盖《财富》500 强中的 90%。当 Anthropic 开放 Skills 时，Microsoft 本是最可能受损的一方。他们花了数年时间搭建 Copilot 的知识连接器、自定义指令、插件体系，一整套企业级基础设施。
他们本可以筑墙自守，却选择了搭桥互通。
12月18日：Skills 支持覆盖整个 Copilot 生态 ------ VS Code、GitHub Copilot、Copilot Studio，以及所有主流 IDE。
策略很清晰："用我们的执行环境，带你的 Skills 来"。Microsoft 不再试图掌控定制层，而是押注规模效应：更多开发者、更多推理请求、更多 Azure 算力消耗。
这是 Microsoft 云战略在 AI 领域的复制。还记得他们开源 .NET、拥抱 Linux 吗？这是同一套逻辑。当你是基础设施提供商时，你是通过增加总使用量获胜，而非通过锁定格式。
效果立竿见影：对 Skills 的支持直接推动了已投入 Claude Skills 的企业加速采用 Copilot。
6.5 Google 的静默反制
当其他厂商纷纷采纳 SKILL.md 时，Google 走了另一条路。
2025 年 10 月 8 日：Gemini CLI 推出 Extensions。不是 Skills，是 Extensions。不是 SKILL.md，是 GEMINI.md。
二者的结构相似：YAML 头部、Markdown 主体、渐进式加载。但差异足以造成互不兼容。
到 12 月：70+ 个 Gemini Extensions，超 100 万开发者，独立市场平台成型。
所有人都在问：这是格式战争，还是和平共存？
乐观派：两种格式都能存活。格式转换极其简单 ------ SKILL.md 转 GEMINI.md 基本是查找替换。多格式支持终将成为标配。
悲观派：Google 看到 Skills 势头太猛，急需差异化筹码。宁可掌控一个小生态，也不愿在他人的地盘当配角。
现实情况是：截至 2026 年 1 月，尚无融合迹象。Gemini Extensions 与 Agent Skills 服务于重叠但有差异的场景 ------ Extensions 更深度绑定 Google Workspace，Skills 则保持更强的平台无关性。
结局可能如同 IDE 扩展格式之争 ------ VS Code 与 JetBrains 各自以不兼容的格式蓬勃发展。也可能最终迫使行业走向统一标准。现在下结论，为时过早。
6.6 Skills 开放标准发布后，开发者生态爆发式增长
当巨头们在谈判桌上运筹帷幄时，开发者们已全速行动。
12 月 19 日：SkillsMP 上线 ------ 首个独立的 Skills 市场平台。
12 月 31 日：8,000 个 Skills 可用。
2026 年 1 月 9 日：25,000 个 Skills。三大市场平台同台竞争。各细分品类头部作品开始涌现。
这才是真正赢得格式战争的关键。不是企业战略------而是生态势能。
当 25,000 个 Skills 同时在三大主流平台上运行，网络效应便进入自我强化循环：
- 开发者构建 Skills，因为有分发渠道
- 平台支持 Skills，因为有内容供给
- 用户期待 Skills，因为它们无处不在
Google 的 GEMINI.md 拥有 70+ 个扩展，这已相当可观。但 Skills 的数量是它的 350 倍。网络效应就是如此残酷。
6.7 这对 2026 年意味着什么
战略格局已然清晰：
Anthropic：赢下了标准化之战，通过放弃独占性，收获整个生态。这笔交易是刻意为之，他们相信：在足够大的市场中做最好的执行者，远胜于在小池塘里做唯一的主人。
OpenAI：完美对冲。在关键处保留私有功能（GPT Store、语音），在生态系统重要的领域拥抱开放标准（MCP、Skills）。在执行质量上竞争。
Microsoft：走量策略。只要所有推理都跑在 Azure 上，谁的格式胜出并不重要。
Google：两线作战 ------ GEMINI.md 对抗 SKILL.md，Gemini 对抗 Claude/GPT-4。处境虽艰难，但并非没有希望。
6.8 真正的赢家
真正的赢家是开放格式。
在 AI 智能体开发的历史上，你首次能够构建一套定制方案，随处运行。你的代码审查 Skill 能在 Claude、ChatGPT、Copilot 乃至（稍作修改后）Gemini 上运行。
这在 AI 工具史上从未发生过。此前每一代方案，从 Custom GPTs 到插件再到 Actions，都因平台绑定而消亡。
Skills 或许真能长久存在，恰恰因为没人独占它。
07 Skills 市场平台的爆发
7.1 三周内从 0 到 25,000
12月18日：公开市场中 0 个 Skills。
12月19日：SkillsMP 上线，首发 127 个 Skills。
12月26日：8,000 个 Skills。
1月9日：25,000 个 Skills。
而 Chrome 扩展花了两年才达到 10,000 个；VS Code 扩展用了 18 个月达到 8,000 个。Skills 仅用一周便达成。
这是 AI 工具史上生态增长最快的一次。
7.2 为何爆发得如此之快
开发者早已在等待这样的方案。
GPTs 过于封闭，微调成本太高，自定义指令又太过局限。Skills 是那个"刚刚好"的方案 ------ 强大到足以干实事，简单到一下午就能构建，可移植性又足以产生影响。
此外，每家已经构建了 Claude Skills 的公司都能立即发布它们。Box 的文档转换 Skills？发布了。Rakuten 的财务自动化？发布了。房地产定价分析？发布了。
到 12 月 20 日，Skills 市场平台已被真实企业用户贡献的生产级内容迅速填满。
7.3 人们究竟构建了什么 Skills
细分如下：
40% 开发工具类 ------ 代码审查、API 设计、安全扫描、测试生成。每个工程团队都有自己那一套想自动化的流程。
赢家："API Standards Enforcer" ------ 17,000 次下载。在 PR 审查阶段自动检查 OpenAPI 规范是否符合标准。某团队每周节省 8 小时。
25% 文档处理类 ------ 会议纪要、合同分析、技术写作。遵循固定模式的知识工作。
赢家："Meeting Intelligence" ------ 12,000 次下载。由 Notion 开发，聚合日历、文档与 Slack 讨论，自动生成会议准备材料。每场会议节省 30 分钟。
20% 企业运营类 ------ 销售漏斗审查、财务分析、合规检查。融合多数据源的业务流程。
赢家："Sales Pipeline Analyzer" ------ 9,000 次下载。在销售团队察觉前标记即将停滞的订单。报告称成交率提升 15%。
15% 创意与内容类 ------ 博客结构、内容复用、品牌一致性。营销自动化场景。
赢家："Technical Blog Factory" ------ 6,000 次下载。研究笔记 → 大纲 → 初稿，首稿撰写提速 60%。
7.4 质量问题
到 1 月，三大 Skills 市场平台共收录 25,000+ 个 Skills，问题随之浮现：
寻找优质项目困难：搜索"code review"返回 400 个结果，半数是重复，四分之一无法运行，另四分之一已过时。
缺乏质量信号：不像 npm 或 Chrome 扩展，没有下载量、用户评分等指标，选择如同盲人摸象。
文档混乱：部分 Skills 附带完整示例与测试，另一些仅写"Reviews code. Use for reviewing." ------ 感谢，真帮大忙了。
"版本地狱" ：Skills 本质是仓库中的文件，作者可能无声推送具有破坏性的内容变更，导致两周前还能用的 Skill 突然失效。
市场平台迅速响应 ------ 引入用户评分、下载计数、认证徽章、精选合集。到 1 月中旬，质量信号初具雏形，但距离 npm 这类成熟生态仍有巨大差距。
7.5 利润来源与商业价值所在
大多数 Skills 免费开放。25,000 个中约 21,000 个采用 MIT 或 Apache 许可证。
部分采用免费增值模式：基础版免费，专业版收费。"API Standards Enforcer" 对"无限次检查"权限与自定义规则收取 49 美元/月。
但真正的利润藏在 Skills 周边的企业级基础设施中。
企业不为单个 Skills 付费，而是为以下能力买单：
- 带权限控制的私有仓库
- 全组织范围的部署能力
- 治理与合规支持
- 定制化与技术支持
Box 为 2,000 名员工部署了 40+ 个内部 Skills。他们并未从市场购买，而是自建了管理基础设施。
SkillsMP 看清了这一点，采用免费市场平台，对企业级功能收费：
- 私有团队仓库：200 美元/月
- 企业级管理后台：1,000 美元/月
- 可被企业以自身品牌重新包装并私有化部署的市场平台服务：5,000 美元/月
- 支持 SLA：10,000 美元/月
他们卖的不是 Skills，而是基础设施。
7.6 下一步将发生什么
到 2026 年年中：
市场洗牌：三大市场将收敛为一个市场主导平台和一个专注于企业客户的平台。历史将不断重演，npm 战胜 Bower，Chrome 商店胜过 Firefox 附加组件。
质量门槛提升：缺乏文档、测试或维护的 Skills 将被淘汰，专业级作品成为主流。
企业工具成熟：公司在 Skill 管理上的投入将超过 Skills 本身。出现类似 Artifactory 的内部 Skill 仓库。
垂直领域深化：医疗、金融、法律等行业的专用 Skills 成为利润高地。
格式升级：现行 SKILL.md 将增加版本控制、依赖管理、安全元数据。GitHub 与 Anthropic 已启动 v2 规范讨论。
爆发期即将结束，专业生态系统阶段正在开启。
关键是，从杠杆率最高的工作流切入。严格衡量成效。放大有效实践。果断淘汰无效尝试。
08 你需要知道的关键信息
我们刚刚见证了 AI 基础设施史上最快的普及进程：三周内从 0 到 25,000 个 Skills。五小时内四家巨头向同一标准收敛；整个生态在多数人还在忙着节日购物时悄然成型。
下面说重点。
8.1 战略层面的真相
Skills 能赢，恰恰因为它比较无聊。
没有区块链，没有复杂运行时，没有私有协议。就是 Git 仓库里能被任何智能体读取的 Markdown 文件。2025 年最具颠覆性的 AI 基础设施，本质上不过是一种文本文件格式。
真正能被广泛采纳的基础设施，靠的不是炫目的技术革命，而在于能否降低整个生态的协作成本。HTTP 战胜了 Gopher，JSON 战胜了 XML，REST 战胜了 SOAP，Markdown 在文档领域碾压一切。
Skills 再次证明：在开发者工具领域，无聊的方案反而更容易胜出。
8.2 这对你意味着什么
如果你在用AI智能体构建产品：
在 AI 工具领域，标准化问题长期无解 ------ 过去每家平台都筑起围墙，定制化方案换个地方就得重写一遍。如今，Skills 首次真正破局：一次编写，处处运行。你的 Skill 写完后，无需修改即可在 Claude、ChatGPT 和 Copilot 间无缝流转。这种可移植性将直接重塑你的架构决策。
如果你是架构师，Skills 现在已是非选不可的基础设施，不再是锦上添花。你需要一套策略来应对：
- 如何管理内部 Skills（自建仓库？）
- 如何审核第三方 Skills（安全审查流程？）
- 如何治理（谁批准新 Skill？）
- 如何与现有工具集成（CI/CD、监控？）
2025 年初想清楚这些问题的公司，将比 2026 年才起步的对手领先整整一年。
如果你是技术负责人，这是个自研还是采购的决策 ------ 无论你是否意识到，你已经在做选择了。
- 自研：针对公司特有的工作流构建内部 Skills ------ 企业标准、合规规则、领域专长。这才是你的竞争优势。
- 采购：管理 Skills 的基础设施 ------ Skill 仓库、安全扫描、部署系统。别自己造轮子，通用基础设施交给专业厂商。
预算参考：
- Skill 开发：中型团队每年 50K--200K
- Skill 基础设施：每年 100K--500K
投资回报率高得离谱 ------ 某家房地产公司通过 8 个自动化房产分析工作流的 Skills，每年节省了 200 万美元。你的数据可能没这么夸张，但哪怕只有十分之一，几个季度就能回本，不用等上好几年。
8.3 接下来会发生什么
爆发阶段已经结束，专业生态系统阶段正在开启。到 2026 年年中，预计 Skills 市场平台将出现整合、Skills 质量门槛将会提高、企业级工具将成熟，并出现垂直领域专业化（医疗 Skills、金融 Skills、法律 Skills）。
格式本身也会演进。现行 SKILL.md 将增加版本控制、依赖管理和安全元数据。GitHub 与 Anthropic 已启动 v2 规范讨论。但核心概念 ------ 带 YAML frontmatter 的 Markdown 文件，会继续保持"无聊"。而这正是它能长久存在的原因。
END
本期互动内容 🍻
你所在的公司或团队，已经开始整理自己的"Skills仓库"了吗？如果还没有，你觉得最大的阻碍是认知不足、工具缺失，还是根本用不上？
原文链接：