有必要装这么多 skills 吗?

前两天，我干了件特别无聊的事。

我数了一下自己 Kimi 里的 skills。

不数不知道，一数吓一跳。四十多个。。。

从写作到编程，从数据分析到会议纪要，从 prompt 优化到代码审查，从翻译到邮件润色，从思维导图生成到周报自动写。密密麻麻塞满了一整页，滑三屏都滑不到底。

我当时还特得意。截图发给朋友，说你看我这配置，武装到牙齿，专业得一批。

朋友回了我六个点。

。。。。。。

现在想想，那六个点可能是对我无声的嘲讽。只是我当时没听懂。

因为接下来发生的几件事，让我开始严重怀疑，这四十多个 skills，可能不是资产，是负债。

第一件事，是关于一个产品逻辑的梳理。

我当时在做一个新功能的流程设计，脑子有点乱，想跟 AI 聊聊，让它帮我看看有没有漏掉的环节。我就直接把流程图的文字版贴过去了，说「你帮我看看这个逻辑有没有问题，我总觉得哪里卡卡的」。

正常情况下，AI 会问我「哪里觉得卡」，或者「这个流程的目标用户是谁」，或者「你这里为什么要加个判断分支」。我们一来一回，把问题聊清楚。

但那次不一样。它沉默了两秒，然后给我吐了一份完整的「SWOT 分析」。优势、劣势、机会、威胁，四宫格，排版精致，还带了小标题。

我当场就愣住了。

我说我不需要 SWOT 啊，我就想聊聊天。它说「根据您的输入，我判断这是一个产品分析场景，已调用产品分析 skill 为您生成报告」。

我当时的感觉，就像去便利店买瓶水，店员非要给我办个会员卡，还附赠了一本产品手册。

那是我第一次意识到，skills 可能正在把 AI 变成一台自动售货机。你投币，它吐货。但你没法跟它聊天了。

第二件事，更离谱。

我让 AI 帮我改一段文案。那段文案本身有点口语化，我想让它在保留语气的基础上，把逻辑理得更顺一点。

结果它给我改出来的东西，像一篇高考满分作文。句子工整，结构对称，用词严谨到让人窒息。我读了第一句就知道，它又被某个「文案优化 skill」劫持了。

那个 skill 的预设可能是「输出专业、正式、有说服力的文案」。但我的需求是「口语化、自然、像人话」。两者的方向完全是反的。

我后来检查了一下，发现我同时装了三个跟写作相关的 skill。一个叫「公众号写作助手」，一个叫「文案优化大师」，还有一个叫「内容润色专家」。它们各自有一套对「好文字」的定义，而且彼此不兼容。

这就像一个会议室里坐了三个教练。一个教长跑的，一个教举重的，一个教瑜伽的。运动员站在中间，不知道该听谁的。最后做出来的动作，四不像。

但真正让我下定决心批量卸载的，是第三件事。

写代码的时候。

前段时间我装了一个「Python 代码规范审查」的 skill，想着让 AI 每次生成代码的时候都自动过一遍规范检查，省得我自己再挑毛病。毕竟团队里新来了几个实习生，代码风格乱七八糟，我想着如果 AI 能统一输出规范代码，我 review 的时候也能省点心。

理想很美好，现实很崩溃。

我让它写个简单的爬虫脚本，爬取一个网站的文章标题和链接。这种需求，平时 Claude Code 三秒钟就搞定的事，那次它愣是花了十几秒。

我先以为网络卡了。结果一看输出，它在那逐行检查缩进、检查命名规范、检查类型注解、检查 docstring 格式，把一套流程走完了才给我结果。而且输出的不是单纯的代码，是一份「代码 + 审查报告」的混合体。代码夹在大量的审查意见中间，我得自己从中提取有效信息。

我当时就愣住了。。。

我说你干嘛呢。它说「正在根据代码规范 skill 进行审查」。我说这些规范你自己本来不就懂吗。它说「skill 要求我必须显性输出审查过程，确保每一行代码都符合 PEP8 和 Google Python Style Guide」。

我一下子就反应过来了。。。

这就是纯纯的脱裤子放屁。

Claude Code、Codex 这些工具，底层的训练数据里早就包含了海量的代码规范、最佳实践、设计模式。你不装 skill，它写出来的代码本身就是符合规范的。变量命名是清晰的，函数长度是合理的，异常处理是完整的。你非要给它套一个额外的审查流程，相当于让一个已经有十年经验的老程序员，每次写代码之前先背一遍实习生手册。

不是没用，是多余。多余到拖累效率。

而且这套审查流程还会占用上下文窗口。本来就有限的 token，被这些预设规则吃掉一大块，留给实际业务逻辑的空间就更少了。我后来专门测了一下，同样一个需求，装了代码规范 skill 之后，AI 能处理的代码量直接缩水了差不多三分之一。之前能一次性 review 的模块，现在得分两次才能看完。

这谁受得了。

我把这个 skill 删掉之后，世界瞬间清净了。速度回来了，灵活性回来了，代码质量一点没下降。因为那些规范，AI 本来就会。不仅懂 PEP8，还懂什么时候该打破 PEP8。比如为了可读性，一行稍微超个 80 字符，它知道没关系。但那个 skill 不懂，skill 只会死板地报错误。

这事儿让我重新想了一个问题。

我们到底在装什么。

你想想看，一个 skill 本质上是什么。它是一套用预设 prompt 包装好的行为模式，是有人提前写好了「遇到这个情况，你就这么干」的指令，然后打包成了一个按钮。你点一下，AI 就切换到那个模式。

单个来看，这没问题。甚至很美好。你省得每次都写一遍 prompt，一键直达。

但问题在于，当你装了几十个，它们就开始在后台打架了。

AI 的上下文窗口是有限的。大量的空间被这些 skill 的预设规则占满。留给你的真实需求、你的上下文、你的个性化表达的地方，反而越来越少。而且 AI 在匹配 skill 的时候，经常会误判。你以为你在聊家常，它觉得你在做产品分析。你只是想改个句子，它觉得你在写品牌宣言。你想让它写个爬虫，它在那逐行检查规范。

更隐蔽的问题是，skills 会悄悄培养你的惰性。

我以前遇到一个稍微复杂点的任务，第一反应不是「我怎么描述这个问题能让 AI 听懂」，而是「有没有对应的 skill」。没有？那我换个简单的方式问。有？太好了，点一下，等它按模板给我吐出来。

渐渐地，我把自己最该干的那部分活儿外包出去了。

什么活儿呢。是拆解问题的能力，是清晰表达的能力，是在对话中捕捉灵感的能力。你跟 AI 聊天的过程，本身就是一个思考的过程。你把一个模糊的想法试图说清楚，这个「试图说清楚」的动作，就是在逼自己把思路理清楚。而 AI 给你的反馈，又会触发你新的想法。这种动态的共创，才是 AI 真正有价值的地方。

skills 把这个过程截断了。它给你一个黑盒，你输入，它输出。中间发生了什么，你不知道。你跟 AI 之间，隔了一层又一层别人写的 prompt。

这很可怕。

而且我还发现一个更细思极恐的事。skills 正在让人变得越来越懒于思考「问题的本质」。

有一次我想分析一个用户流失的数据，脑子里其实只有一个模糊的方向。正常情况下，我应该先把数据特征描述给 AI，然后跟它讨论「从哪些维度切入比较合理」「什么指标最能说明问题」。这个讨论过程本身，就能帮我理清思路。

但那次我偷懒了。我搜了一下，发现有个「用户流失分析 skill」。我想着太好了，直接让它跑吧。结果它给我输出了一套标准的流失分析框架，漏斗模型、留存曲线、 cohort 分析，看起来特别专业。但问题是，我的业务场景跟标准框架并不完全匹配。有些指标在我的产品里根本采集不到，有些真正关键的变量又被忽略了。

等我意识到这个问题的时候，已经过去半小时了。我盯着那套「专业」的报告，不知道该从哪改起。

那一刻我突然明白了。skill 给我的不是答案，是一个标准的迷宫。我在里面绕了半天，最后发现出口不在我想去的地方。

我知道这话听着有点刺耳。可能有人要说了，那你完全不用 skills 不就行了。

也不是。我到现在还留着几个。一个是代码审查，注意，是审查别人写的烂代码，不是规范检查。因为那种情况需要明确的 checklist，确实有标准化价值。另一个是会议纪要的格式化，把一段杂乱的语音转文字，整理成有结构的纪要。还有一个是翻译，技术文档的中英互译。

但这些都是极端高频、极度标准化的任务。输入和输出的格式基本是固定的，不需要什么创造性的对话。而且我用它们的时候，心里很清楚，这是在用 skill 处理机械劳动，不是在用 skill 替代思考。

而对于那些需要思考、需要探索、需要碰撞的问题，我现在一律不用 skill。

我的做法是，先把问题用最自然的方式丢给 AI，就像跟同事聊天一样。聊几轮，如果发现方向有点散，再考虑要不要加个 skill 来规范一下。而且我给自己定了个规矩，每个月清理一次，使用频率低于两次的，全部删掉。不问原因，不犹豫，直接删。

我现在只剩下五个。效率反而比以前高得多。

因为 AI 变回了那个灵活的对话者。我说什么，它听什么。我偏题了，它跟着我偏。我突然想到一个新角度，它能立刻接上去。而不是每次都先翻一遍技能手册，再决定怎么回应我。

说到底，AI 的最佳实践是什么。

我觉得就一句话。别让它替你思考，让它帮你思考得更好。

skills 在某种程度上，是在第一步就截断了你的思考。你把问题丢给一个封装好的模板，你省事了，但你也失去了跟 AI 一起从零开始梳理问题的过程。而那个过程，恰恰是最有价值的。

你在描述问题时的措辞调整。你在看到 AI 第一次回答后的追问和纠偏。你在反复对话中突然冒出来的新想法。这些才是 AI 能带给你的真正增量。

我有时候觉得，现在大家对 AI 的使用，有点像早期摄影刚普及的时候。

那时候很多人疯狂买镜头、买滤镜、买三脚架、买各种附件。觉得装备越全，照片就越好。相机包里塞得满满当当，出门跟搬家一样。拍之前要先纠结半天，这个场景该用哪个镜头、哪个滤镜、哪个参数组合。等纠结完了，光线没了，人物的表情也僵了。

后来才发现，最好的照片往往是手里只有一台相机的时候拍的。因为那时候你全部的注意力都在眼前的画面上，在光线里，在人物的表情里。你不是在操作设备，你是在观察世界。

AI 也是一样。

空白的 AI，才是最灵活的 AI。你对它足够了解，知道怎么描述问题、怎么引导思考、怎么在对话中迭代，这比装一百个 skills 都有用。

skill 是拐杖。而你需要的是腿力。

当然，我还在摸索。说实话我也不确定这套方法对每个人都适用。可能有些工作场景，确实需要大量的标准化 skill。可能有些人就是需要那些模板来降低使用门槛。这些我都理解。

但我自己的感受是，当你开始减少依赖，重新把思考的主权拿回来的时候，AI 才会真正变聪明。

它不是你的工具箱。

它是你的对话者。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～

谢谢你看我的文章，我们，下次再见。

/ 作者，黄昏果汁