有两位 Anthropic 的研究员的分享《别开发智能体，而是开发技能（Don’t build Agents, build skills instead）》讲述了AI开发的新阶段。他们提出的核心观点是：在构建智能体的时候，其实并不需要反复重构一个“看起来像通用智能体”的复杂结构。真正重要的是基于已有的上下文和模型推理能力，不断为智能体构建、叠加可复用的 Skills（Agent Skills）。
这对我们很有启发，我们也在做一件类似的事情——如何把 Atypica 可以从用户研究拓展为更通用的企业级智能体结构（我们称它为 GEA = Generative Enterprise Agent）。
在多智能体系统里，我们慢慢形成了一个越来越清晰的判断：
Lead Agent，更像「大脑」；
Sub Agent，更像「手」。
大脑负责理解问题、做判断、规划路径；手负责执行，把事情真正完成。但关键在于——“手”本身是通用的。真正让手变得强大的，是它能不能调用合适的 skills。
Agent 也一样。当它能够根据场景，自由调用不同的 skills，它才会从一个“会说话的模型”，变成一个真正“会做事”的伙伴。
继续往下走，我们遇到了一个更具体、也更工程化的问题：
如何让 AI 在“需要的时候”，加载“需要的能力”？
而不是把所有东西一股脑塞进 context？
我们逐渐收敛出了一个核心思路：
Universal Agent + Skills Library
不是构建越来越多的专用 agent，而是：
一个通用的执行 agent
一组可以被动态加载的 skills
由推理层来决定：
什么时候加载、加载哪些
也就是说——不是让 agent “记住一切”，而是让它学会判断：此刻需要什么能力。当 skills 只有几个的时候，这不是问题。但当它们从十几个，变成几十个、上百个。你一定会遇到新的挑战：
skills 如何被管理？
如何被发现？
如何被复用？
如何被共享？
你需要一个地方，来承载这些能力单元。基于这些真实的实践和困惑，我们把在 Atypica 里反复打磨的一部分 skills，先开放了出来：
👉 skill0.io
十年前创业的时候，我很喜欢一家公司，叫 Skillshare。他们当时有一个让我印象很深的理念：“不论是谁，每个人都有一些技能，可以教给别人；也可以从别人那里学到新的技能。” 我一直觉得这是一个平权、乐观、自驱的世界观。
而到了今天，在 AI 时代，Skillshare 这个概念有了新的含义。它不再只是“人和人之间的技能分享”，而是变成了——智能体之间的 skill 分享。你可以把一个人的经验、方法论、判断路径，封装成一个 skill，让不同的 agent，在不同场景下直接复用。
虽然这个尝试最早来自消费者研究场景，但我们相信——这套以判断为核心、以Agent Skills 为能力单元的架构，理论上适用于任何复杂的知识型工作。
