如今 Agent 已经越来越火。回想起来，大概在去年三月初，当时 Manus 发布，相信大家还有印象；没想到才过去一年多，今年整个 Agent 领域就掀起了一波非常普及的浪潮。特别是今年二月，OpenClaw的面世又重新激活了一波市场，很多人都排队去安装OpenClaw。那么在 Agent 时代到来之后，Skill 的定位究竟是什么？
我目前主要有三重身份。第一，我现在担任 YouMind 的 Skill 顾问，他们正在搭建一套基于 Skill 的交易平台，我在其中也有一些参与。第二，我每周还会有一天在另一家公司上班，他们目前也在全力做OpenClaw，包括“OpenClaw Work”这类产品。可以发现，无论是国内的大厂还是创业公司，都在往 Agent 的方向切。那么在 Agent 之上，我们个人的机会又是什么？这正是接下来要和大家探讨的主题。
另外我自己最近还写了一本书，叫《Skill：AI 一人公司》。书里的Skill 几乎都是市面上看不到的。因为我有一个社群，大约有两千名付费用户，从去年十一月开始，我就在教普通人使用 Skill。
而 Skill 在全网真正火起来，大概是今年一月之后的事，所以我们其实领先市场约两个月。我们还举办过好几次黑客松。等一下我会讲到一些普通人制作 Skill 的案例，你们会发现这些在市面上几乎都没见过。总之，Agent 正变得越来越火。
但我判断，有一项非常重要的资产，其实是沉淀在 Skill 之上的。比如大家可能都用飞书，我在飞书上接入了无数个 Agent，但真正持续用下来的，可能就是那一个个 Skill——真正跑在 Agent 上的那些。讲到这里，想做个简单的小调研：现场用过 Skill 的，请举个手——基本都用过了；自己设计、或者通过和 AI 对话开发过 Skill 的呢？也有三分之一，很好。
如果你开发过Skill，就会发现一件很有意思的事：我自己的 Skill，不管原来是在OpenClaw、Hermes Agent，还是等一下大家可能会用到的 Qoder 上，我都可以把它迁移过来，我的 Skill 可以放在 GitHub 上，也可以放在本机上。只要我想切换到一个新的 Agent，一行命令、一句话，就能把它装到新的 Agent 上。所以我认为，无论 Agent 怎么变化、怎么进化，我们的 Skill 始终是个人的资产，这一点非常重要。模型会换，工具也会换——比如 Claude 出来了，后来又被封了、用不了了——但不管它们怎么换，Skill 始终是我们自己的东西。
我印象中，四月份有一段时间特别火的一个话题，就是“把自己沉淀进 Skill”，大家可能都听说过——就是把自己的蒸馏下来，这一度还引发了一些人的恐慌。但事实上，对我们来说，能从公司带走的是什么？无非就是我们的头脑，以及我们的一些数字资产。如果把这些都沉淀进自己的 Skill 里，我们其实就可以带着它去下一家公司入职。所以，这也是理解这件事的另一个角度。
前段时间，我也简单思考过这个问题。我大概从 2010 年就开始做产品经理，一开始还是 PC 时代，后来智能手机越来越普及，进入了移动互联网时代。对比手机时代和如今，我发现其中其实有很多共性。
比如手机时代，我们必须有一部 iPhone 或安卓手机。而在 Agent 时代，正如刚才 Qoder 的产品经理所讲，底层都是模型，对吧？一切都要先谈到模型。再往上，操作系统不就对应着我们的 Agent 环境吗？也就是你用的 Agent 是Hermes Agent、OpenClaw，还是 Qoder。再往上是业务层，也就是 App——现在大家都说跑在 Agent 上，就是装一个又一个 Skill。最下面，则是分发以及个人的沉淀。
比如我刚从萧山机场打车过来，用的是滴滴，那么我的使用习惯、我的数据都存放在滴滴上，但这些数据并不归我所有。大厂把它拿去，说不定还会用来“杀熟”，对吧？而如果是 Skill，它是你自己的东西，你跑出来的数据完全可以沉淀在你自己的文件夹里。这正是新时代与过去不一样的地方。
我们再看另一个对比。比如我打开滴滴，需要去点击，作为人，我要看到一个界面，按下按钮、完成支付，这个功能才得以实现。所以过去 App 的界面是设计给人看的。而现在到了 Agent 时代，要让 Agent 帮我们执行某些特定任务，其实需要把 Skill 交给它，由它来执行。这更像是：我们想做什么，先把它写好、做成一个 Skill，让 Agent 去理解。这就是从过去到现在的变化。你会发现，其中的最小单元也变了——过去是一个个界面、一个个功能。
因为我自己也做产品经理，过去我们常讲：用户使用我们 App 的路径是怎样的？他打开页面看到什么、先看到哪个按钮、然后如何一步步点击，而现在已经完全不一样了。举个更直观的例子，比如大家看到的某个 PPT Skill，它内部会沉淀一套美学设计规范；你再把这次要分享的内容上下文丢进去，然后设定一个调用规则，整个 Agent 就能帮你把整份 PPT 做出来。
其实像我这份PPT，其实也是完全以 Agent First 的方式做出来的。我用的是 Codex，把飞书里原先写的一些文档内容给它，还包括我在 YouMind 里沉淀的一些外部看到的优质文章，都是跟 Skill 相关的。我告诉它：今天我要分享的主题是什么，大概想讲哪几个点，你帮我罗列一下。它就直接帮我列出了十几页的要点，我大概和它对了两遍，基本的框架就出来了。我再把这个框架直接丢给它，就能生成这样一份 PPT。整个过程只用了大约十五分钟，非常快。当然，因为里面大部分内容我之前都讲过，所以我比较有把握判断它的质量是不错的。
接下来，我们讲一讲普通人使用 Skill 的三层价值。第一层当然是省时间。在“省时间”这件事上，有一个 Skill 特别抢手——大概在二月份，它拿了黑客松第一名，之后甚至有猎头直接找到作者，想买下这个 Skill。
它是做什么的呢？很多人都会求职，我以前也求过职。求职时，比如你想去魔搭或者 Qoder，你得去研究它的 JD 是什么，对吧？可能还要修改自己的简历，准备一下怎么破冰、对方可能会问哪些问题、我该怎么回答、我的劣势是什么、优势是什么。你可能要专门针对这家公司把这一整套流程准备好，过去大概要花三个小时。但把它做成 Skill 之后，我只需要输入目标公司和它的 JD 让它运行，再把简历交给它，它就会基于我的简历、它看到的 JD 以及目标公司的信息，全面地做一遍搜索。
整理完之后，它会为我准备出五份文档，内容涵盖：这家公司是做什么的，这条业务线是否是公司的核心业务，增长情况如何，等等。比如我要去面试Qoder 的产品经理，过去也许没做过类似的 Agent 产品，但我非常喜欢跟用户打交道，对吧？我自己也有一些粉丝，于是它会给我一些建议：如果你要应聘这个产品经理岗位，应该从哪个角度切入、要避开哪些弱项。所以它非常好用。第一版大约需要十五分钟，后来我们做了优化，让它多路并行地去调研、整理，最终压缩到了六分钟。这就是提效。
我们还有一位群友，在香港的私募基金做投资经理。他说，他们过去每隔几天要出一份报告，需要调研七个国家的各类数据，生成一份非常严谨的报告，过去要花四个工作日。后来用了 Skill 之后，全自动帮他完成，基本上半天就搞定了——原本要四个工作日才能做完的事。我还问了他一个问题：你敢不敢跟你们领导说？他说不敢，只能悄悄地自己用。这就是省时间。
这家公司通过Skill省了很多钱。他们公司是做什么的呢？这是一家药企，直接卖药。他们的药不直接卖给终端，而是卖给中间的供应商。其中有些供应商，为了多卖货，会悄悄地跑到京东、拼多多上去挂、去卖，而这其实是公司明令禁止的。过去，他们要安排四名员工每天轮流上网，搜各种关键词，在京东、拼多多、美团上去搜，光这件事就得四个人来做。
后来我们用Skill，它就能在全网自动抓取。因为它的库里有很多药品、很多供应商，全自动地去抓取并匹配。当它发现某家公司在拼多多上售卖某款药，抓取之后还会查出对应是哪家供应商，再通过飞书把信息发给他们的区域经理去跟进。这原本是四个人干的活，现在用了 Skill 之后，每天全自动运行，就省下了四个人力的成本——哪怕你把这项服务外包出去，道理也是一样的。后来有一次我分享时，一位在上海的外企朋友听到这个案例后特别兴奋，说他也需要这样的服务，因为他们同样有好几个人在做这件事。所以这类重复性工作，完全可以交给 Skill 来做，大家也可以想一想，自己的工作里是不是也有类似的部分。
还有一个特别有意思的案例，是新疆的一位大哥。他做什么呢？他经营的相当于是一座番茄工厂，负责采摘、清洗、整理。他做了一个 Skill，直接连接到他的摄像头，摄像头对着机器，机器上会不断有番茄运送过来。因为那里有一道分拣工序——不成熟的要剔除，成熟的才留下，对吧？这个 Skill 会查看工人是否在岗工作，其次还会检查分拣出来的番茄里有没有绿色的、不合格的。这些都交给 Skill 来完成，非常自动化。
刚才我们讲了几个案例，当然还有更多。借此，我们来理解一下 Skill 的本质到底是什么。其实 Skill 的核心，就是下面这四样东西，你可以把它理解为一个大文件夹。第一是操作手册，明确告诉模型第一步怎么做、第二步怎么做、第三步怎么做，类似于提示词。第二是参考资料，模型在执行时可以读取，比如我要写一篇符合自己风格的文章，就让模型先去读一读我过去写的素材，这些资料就放在这里供它调用。第三，还可以调用一些工具。第四是模板资产，这是什么意思呢？比如下次你还想生成同样格式的 PPT，就可以放几个模板在那里，让它在生成时去读取模板。这样它下次再生成 PPT 时，会读到模板是黑色的、用的是某种字体字号，便据此参考生成，从而保证产出的质量非常稳定。所以你可以看到：它的输入，经过你的经验、你制定的规则，以及一些你让 AI 去做的判断和调用的工具，最终就能产出一个标准化的结果，而且能做到相当标准。
很多人其实分不清提示词和 Skill 的差异到底在哪里。Claude 在发布时也明确说过，Prompt 和 Skill 的区别，更多体现在“一次性”上：Prompt是这一次——今天我告诉它该怎么做、这一步怎么干，它就去做了。而 Skill 是把所有步骤和流程封装好，再交给 Agent，这样它以后每一次执行，都能产出非常稳定的结果。
此外，还有一个“渐进式加载”机制，这里不展开细讲，它能大幅节约模型的上下文消耗。它只在需要时，才从刚才说的文件夹里找出对应的资料，加载到模型的上下文中。刚才有朋友提到，上下文到 300K 左右模型就有些吃力了，这确实存在注意力的问题。所以像 Skill 就采用这种渐进式加载的逻辑：不是一次性把所有资料都塞给模型，而是在需要时再去拉取、再去读取。这样对模型更友好，体验也更好。
接下来讲一讲它的几种玩法。我这里其实有一些 Skill 是全自动运行的，非常爽。比如我有一个网站，会自动抓取我关注的YouTube、小宇宙、B 站上的一些视频，把内容抓下来后，分析它的文稿，再按我的风格改写，改写完直接发布到网上。这一套，过去我可能要七八个 Skill 并行运行，后来逐步精简成了两个 Skill，定时运行——先跑第一个，再跑第二个，把所有数据存到飞书多维表格，前端页面再从多维表格里拉取数据来呈现。这样就实现了 24 小时全自动运营，非常爽。
我自己还有很多Skill。比如我写作比较多，每次写完发出去后，我会去看数据，对吧？看看阅读量好不好。每隔一段时间，我会让AI 帮我总结：哪些地方可以优化。然后把所有这些优化点，又沉淀回我的 Skill 里。所以越往后，它写出来的内容就越容易出爆款，相当于把经验持续沉淀了下来。这件事在过去其实很难实现，但现在做起来，尤其在 Agent 时代做起来，就非常顺手。这里其实还涉及一点进阶内容：Skill 是有层级的。比如在YouMind 上，如果完全是提示词，那它就是一个非常固定的静态流程，没有太多工具可以调用。
但到了第二个层级，比如我有一个 Skill，装在Hermes Agent、接到飞书上，它每天会去抓取我微信里所有的群聊，找出与 AI 相关的高质量信息，拉取上下文，帮我沉淀总结出来，并调用 GPT Image2 生成一张或多张图。我每天早上只需要看这些图，就像皇帝批阅奏章一样，一目了然地知道：昨天我所在的这一百个群里，有哪些关键的、与 AI 相关的高质量信息。这其中其实调用了多个外部工具，首先，它得想办法拿到你微信数据库里的东西；分析完之后，还要调用生图的 API。所以到了第二步，就是增强型的 Skill。
再到第三个层级——它如何在每次使用之后变得更好呢？现场有没有人用过Hermes Agent的 Memory（记忆）功能？有啊。Hermes Agent其实就能做到这一步，它可以自主学习。比如它给我总结完之后，我说“不对，昨天有个群里讲的那件事很重要，你是不是漏了？”
它就会去反思——原来这位用户对这件事很感兴趣，于是把这一点补充进原来的 Skill 里，下一次就不会再漏掉了。这就是自主学习。最后一个层级，是它能够自主进化。等一下我会讲一个很好的例子。一会儿大家也会亲自动手，我觉得这套标准还是挺重要的。
因为很多人一上来就想做大，这有点像过去做开发——上来就要做一个支付宝、做一个淘宝，那肯定很难，因为功能太多了，所以我们做 Skill，也尽量不要一上来就追求大而全。先把你的工作流拆解一下，看看能不能先做一些简单的。像我做内容，最终可能由四个 Skill 整合而成，但我不会一上来就做一个大的，而是拆成几个小的，每一个单独优化、单独运行；跑到后面觉得没问题了，每个节点产出的质量都很好，再让 AI 帮你把它们合并起来，这完全可行。好，这部分我讲得比较快。
那么在 Agent时代，如何构建一个别人抄不走的竞争力呢？第一，在没有 Agent、没有 AI 之前，你要在社会上挣钱，本来就得有一项安身立命的本事，也就是你的行业经验，这非常重要。第二，你的行业经验能不能固化下来并不断沉淀？这就涉及我们讲的——用 Agent 时代的 Skill，把你所有的经验封装起来，封装成可以持续进化的形态。第三，所谓“Agent 自动化”是什么意思呢？就是如果你的 Skill 能做到跟随 Agent 自动进化，说实话，别人根本抄不走。
举个例子，我之前和一位 MCN 的老板交流，他跟我说：我平常就是培训别人怎么在小红书上做爆款。如果有了Skill，那我岂不是不敢把 Skill 交给学员？因为他一旦拿到我的 Skill，马上就能复刻出我的爆款，对不对？大家想想是不是这个道理？假如我是一个拥有百万粉丝的博主，你拿了我的 Skill，是不是就能做出和我一样的内容？
这个问题怎么解决呢？后来我们聊着聊着，发现了一个很重要的点：他的内容，更多是在小红书靠投流来获客的，而投流这件事是有季节性、有周期性的。比如最近是世界杯。
那么世界杯相关的内容，投流数据可能就会更好。所以他的经验是完全跟投流强相关的，而投流又是周期性变化的——去年有效的投流方案，今年可能就不行了，它在持续迭代。所以我才说，你的 Agent、你的 Skill 能不能跟着 Agent 一起自动进化？每一次投流之后，你得到的反馈是什么？把它封装进你的 Skill；或者让 Skill 自动去抓取它产出的内容在社交媒体上的数据，自行校验，这也是可以实现的。这样它就能实现自动化：别人抄到的，也只是你上个月的 Skill，而他并不知道这个月你的 Skill 已经进化了。沿着这几个方向去做，别人就很难超越你的竞争力。
等一下大家也会动手做 Skill，这里再简单说一下，其实核心就是这五个问题。如果你都清楚，就大致跟 AI 讲一讲；如果有些地方不知道，略过也没关系，AI 会帮你补全。只要把这五个问题都说清楚就可以了。
做出来的就会是一个很好的 Skill。当然，也不必苛求一次就把它做到完美，可以迭代，做出来之后，先让它跑一跑，看看它最后的输出是否合理。如果不合理，是什么问题？可能是模型的问题，可能是我们在描述输入时没讲清楚，也可能是中间这几步该怎么做、最佳方案是什么，我们自己也不知道。那我是不是可以让它去全网搜索，比如到 GitHub 上搜一搜，找到最优方案，来帮我们优化 Skill？另外，什么样的产出算是好的，你也得告诉它。比如过去你的周报、或者给老板的汇报，把五个老板非常满意的版本丢给它，它就会去学习、去理解，所以你可以从这几个方向来评估。
Skill 刚出来时，大概是去年九、十月份，Claude 给它下过一个定义：什么样的任务应该做成 Skill？就是那些过去你已经手工重复做过五次、未来还可能再做十次的任务，把它封装成一个 Skill。所以大家可以找一找自己工作中重复的任务，然后把它做好。
在 App 时代，我们都是把需求交给软件。而像Qoder，他们过去都是以 Coding 为主的，但你会发现，他们也已经从 Coding 慢慢转向了通用 Agent，对吧？通用 Agent 意味着人人都能用，而人人都能用，也就意味着类似 Skill 这样的世界即将到来。因为你只给它一句话，它也能干，但不一定能干得最好——它不知道你背后那些经验，只能去网上找一个较优解，而你可能掌握着最优解。所以，Skill是非常有价值的。
另外，Skill 的商业化也很有意思。年初我给某个大厂——不是咱们这边的公司——定制过一个Skill，收了几万块钱。最近，我还有一位朋友把 Skill 卖给了一个应用企业，价值几十万。所以你会发现，最优质的 Skill 其实具有很高的商业价值。这也正是我在 UMI 和他们一起构建 Skill 交易市场的原因。
我认为 Skill就是未来的 App，只是现在还没有非常普及，因为 Agent 还没有真正进入老百姓的生活，目前主要还是在座的我们在玩，所以它还是一件比较小众、圈层化的事情。但一旦 Agent 普及开来，比如大家都用千问、用豆包、用 DeepSeek，而且都要在上面用最好的 Skill，那你的 Skill 就值钱了。
