在 2026 年元旦演讲中，阳志平老师从巴门尼德讲到赛尔，从哲学中的“意向性”讲到当下的大模型工程实践，试图回答一个根本问题：
AI 大模型是否具备意向性？
演讲本身是完整的：哲学脉络清楚，技术事实准确。
但受限于演讲时长，在哲学与工程之间，有一条关键的解释链路被跳过了，
工程手段究竟是如何“承载”并“实现”意向性的？
因此，在演讲后，讨论区里出现了两个典型困惑：
• AI 会不会学会假装，然后背叛人类？ • 如果 AI 掌控了能源和生产，人类是否会被淘汰？
这些担忧看似是安全问题，实质上却源自一个更基础的误解：
AI 的意向性从何而来。
而一旦这个问题被澄清，许多恐惧会自然消散。
因此，我结合个人对Claude code的使用体验，
把“意向性”这个哲学概念，完整地落到工程层面，并由此解释：
Skill 到底是什么。
意向性不是涌现的，而是被注入的
赛尔（John Searle）将意向性区分为两类：
• 原初意向性（Original Intentionality）：指一种内在的、与生俱来的指向性或“关于性”（aboutness）。它是生物心智自然产生的功能，不需要依赖外部观察者的解释就能获得意义。 • 衍生意向性（Derived Intentionality）：指一种被赋予的、借来的指向性。物体本身没有任何意义，它的意义完全来自于拥有“原初意向性”的心智（也就是人）对其进行的解释或定义。
人类拥有的是前者。
我们的信念、欲望、恐惧、目标，根植于生物体、进化压力和生存需求，是不可外包的。
AI 拥有的，只可能是后者。
而衍生意向性的本质，不是“涌现”，而是注入。
这不是修辞，也不是隐喻，而是一个工程事实。
因为，AI 的信念、目标、偏好、工作方式，并不是它“自己想出来的”，而是人类通过：
• 训练语料 • 对话上下文 • 文档 • 代码 • 工具调用约定
一点点灌进去的。
停止注入，意向就消失。
模型不会感到无聊，不会密谋反叛，也不会“暗中计划”。
它只会停止计算，退化为一堆静态参数。
这就好像，当我们看到精彩的视频或书籍时，也会感慨 “世另我”。
“世另我”是“世界上的另一个我”的缩写 ，作为网络语言，用于形容他人与自己的处境、选择或经历高度相似，形成共鸣的场景 。该词源于观众对作品或视频中产生共鸣的场景的吐槽，后随着某歌曲的流行被广泛使用。其衍生义逐渐从个人体验延伸至表现事件的普遍性，并在二次元文化中用于表达角色间的心有灵犀或组CP互动 。
---来自百度百科
不管，视频剪辑得多么卡点，或者书里的那句话，写得多么戳心，它们在物理本质上只是光点的闪烁或纸上的油墨。
创作者（拥有原初意向性 A）把他的情感压缩进书里，变成了信息（衍生意向性）。
而你（拥有原初意向性 B）看到了这些信息。你的经历与创作者的编码高度同频。你用你的原初意向性，“激活”了这些死板的文字。
那个“另一个我”，其实一直都在你心里，只是借着书本这个“衍生物”镜子，被你照见了而已。
理解这一点之后，所谓“AI 觉醒”“AI 背叛”，基本都可以归为拟人化误读。
于是，真正的问题随之发生了转移：
人类是否具备一种低门槛、可持续、高保真的意向注入机制？
这，是一个工程问题。
决定胜负的两个变量
在所有大模型产品与生态的竞争中，有两个变量起决定性作用。
1. 注入门槛
2023 年 Prompt Engineering 曾短暂成为一项“技能”，原因很简单：
Prompt 是当时人类唯一可控的意向注入接口。
对于理解语言、理解人性、理解模型行为的人来说，通过套话、诱导、结构化表达，可以在一定程度上“控制”模型输出。
本质上，这是用人类的高阶意向性理解能力，去操纵一个尚不具备欺骗能力的统计系统。
问题在于：
这种方式门槛极高，并且每次都要从零开始。
2. 持续性
单次注入不难，难的是持续注入。
• 换一个对话窗口，AI 就失忆 • 换一个任务场景，偏好全部作废 • 每次都要重新解释“不要这样”“请那样”
谁能让注入一次、反复生效，谁就掌握了真正的杠杆。
注入门槛 × 持续性 = 产品与生态的分水岭
容器与脚手架：工程如何承载意向性
要理解 Claude code、ChatGPT 这类系统的差异，可以用一个非常工程化的模型：
上下文窗口是意向容器，工具链是意向注入脚手架。
1. 为什么上下文是“容器”
从理论上讲，人类的意向状态是一个不可计算的巨大集合——
85 亿人每时每刻都在不断产生信念、目标、欲望。
也许偶然某次，你被一段文字集中，发现了“世另我”，但是下一段鸡毛蒜皮的小事，可能让你立即出戏，此时你也许会称赞作者文笔高超，但绝对不会对文字纸张产生任何情绪波动。
而ChatGPT的精妙之处在于，工程上将LLM放置在一个动态的聊天对话框中，基于统计发现，绝大多数人在聊天框中， 8–9 轮对话就会放弃。
于是，只要AI在8～9轮之内的对话保持精准连贯，人脑会自动脑补出一个智能体对象的画面。
一个数学上不可处理的无穷集合，被压缩成了一个有限上下文窗口。
这不是哲学创新，是工程取巧，但极其有效。
2. 脚手架的本质：减少切换，降低确认成本
衍生意向性在表现上是一种“拟态”。
AI 并没有真的在“想”，它只是表现得像在想。
而让这种拟态逼真的关键，并不复杂：
减少切换，缩短反应时。
并不是，Claude的MCP协议，比OpenAI的Function calling好，
而是在上下文窗口中，一旦你被迫跳窗口、点授权、等反馈，意向的连续性就断裂了。
这正是阳老师在演讲中所说的 “确认系数”：
• Hook：自动完成验证 • Agent：并行执行任务 • 测试脚本：替代人工确认
人类的确认成本越低，意向注入的摩擦越小。
Claude code的工程策略并不神秘：
• MCP：自然语言直接调用 • Command：缩略命令，降低表达成本 • Hook：固化流程，确定行为模式 • Agent：扩展行动回路 • Skill：打包封装整体工作方式
工程师并没有在讨论“意向性”，他们只是在消除低效操作。
但效果却出奇的好：基于chat窗口的意向注入变得顺滑、连续、可扩展。
Skill 的本质：意向模式的固化
现在，可以正式回答那个问题了：
Skill 到底是什么？
1. Prompt 与 Skill 的根本差异
Prompt 是单次意图表达。
“帮我写一个排序函数。”
说完就结束，下次还要重说。
Skill 不是这样。
官方定义
A Skill is a markdown file that teaches Claude how to do something specific.
最关键的一个词是： Teach，而不是 Tell
Tell 是告诉 AI 这一次该做什么。
Teach 是教会 AI 一种做事方式。
当你每次抱怨，"别给我TODO"、"别自作聪明优化"
其背后，都是一个潜在的Skill。
与其每次都要喊"别给我TODO！"，
不如写一个coding-style的Skill，规定输出后，必须通过hook检查为Full Code，否则重新生成。
Skill是操作性知识的固化，为了消除重复。
2. Skill 包含了什么
一个完整的 Skill，至少包含四类信息：
1. 信念：什么是“好”的结果 2. 标准：如何判断对错 3. 流程：你通常如何一步步完成 4. 偏好：格式、风格、禁忌
这些合在一起，不是答案，而是工作方式本身。
Prompt 是一句话，Skill 是一部分你自己。
Skill不能单独看，要和Prompt、MCP、Command、Hook一起看。
逻辑不复杂：编码中的快捷操作，多了、稳定了，就变成工作流；
工作流固化下来，就是Skill；
Skill足够复杂、能自动处理一连串任务时，就变成Agent。
演进路径：裸Prompt → 快捷操作 → 工作流 → Skill → Agent
传统软件工程，其实也是这样的，
• 一开始，程序员最初通过单行 CLI 指令解决问题， • 后来，为高频操作建立快捷指令（Alias），用管道（Pipe）串联数据流， • 接着，将稳定的管道逻辑封装，标准化输入输出（StdIn/StdOut）， • 当函数足够丰富，能自动调度资源、处理复杂状态时，就有了框架与系统（Framework）
但在AI时代，有个反常识的设计哲学：
少抽象，多具象。
Text is All You Need。
为什么？
• 对AI友好：LLM基于文本预测。纯文本的Skill，AI理解无损耗，幻觉最少。 • 对人类友好：相比代码文件，文件夹和文本更加符合直觉。目录即流程，人类工作记忆极其有限。复杂流程如果每次都要重新“想一遍”，成本极高。 • 降低修改门槛：如果Skill是编译型插件，你没动力去改。但它只是文本文件，编译即验证，发现AI又"自作聪明"了，打开加一行字就能修好。
面对真实世界的复杂问题，
不是每个人都能一次性架构好，想清楚。
但我们任何人都可以按习惯先试试，
试着试着，结果好了，形成经验，下次调用；
结果不好，保存成反例，同样是经验，下次避免。
经验多了，就变成行为模式。
Skill不是代码，是渐进式创造，是对操作者行为习惯的持续萃取。
从 Prompt 到 Skill：范式已经切换
旧的范式是prompt工程： 优化每一句话，让AI更好地理解你这一次的意图。这就像每次见面，都要重新自我介绍。
新的范式是意向注入： 你的经验知识、习惯品味，被固化下来的意向插件，让AI继承你的工作方式。这才是真正的杠杆。
从目前来看，skill已经初步具备了，稳定可验证，复用可迁移的特性，
• 作为作者：你把自己的工作方式注入给 AI， • 作为使用者：你调用别人已经注入过的方式，
对话即生产，认知即现实。
从 Prompt 到 Skill，并不是一次技术演进，而是一场认知结构的改变。
Prompt 对应的是“即时表达的意图”，
Skill 对应的则是“可传承的意向模式”。
当意向可以被固化、被版本控制、被他人继承时，
它就不再只是心理现象，而成为一种工程事实。
这也意味着，AI 的问题从来不是“会不会产生自己的意图”，
而是：人类是否已经准备好，面对被自己工程化的意向。
Skill 的出现，标志着一个拐点：
人类第一次可以把“如何思考、如何判断、如何行动”
作为一个整体，交付给非人智能。
从这一刻起，
AI 的边界，不再由模型决定，
而由人类愿意注入什么、又是否愿意承担后果来决定。
对个体而言，这意味着一个现实而具体的变化：
未来最重要的能力，不再是“如何把一句话说对”，
而是是否能把自己的工作方式，写成可被反复调用的结构。
这，才是范式真正切换的地方。
