死的、活的、
和会长的 skill

我经常用一个类比来解释这件事。

一套方法论写成一本书，定价五十块，谁都能买。但买回去能不能用，取决于你自己的理解力、执行力和应用场景的匹配度。绝大多数人买了书，翻了几页，觉得“说得有道理”，然后放在书架上落灰。

同样一套方法论，放在麦肯锡手里，收费可能是五百万。为什么差了十万倍？因为麦肯锡卖的不是知识本身，而是“把知识变成结果”的能力——它帮你诊断问题、适配方法、执行落地、交付成果。你不需要理解方法论的每一个细节，只需要接收最终的结论和方案。

书是静态的知识，咨询公司是可交付的能力。两者的底层资产是同一套方法论，但价值差了十万倍。

差距在哪里？在“执行层”。书没有执行层，咨询公司有。

现在，AI 正在创造第三种形态——介于书和咨询公司之间，但有可能比两者都大的东西。这个东西叫 Skill。

我把 Skill 分成三种状态，对应三种完全不同的价值量级。

第一种是“死 Skill”。一个写好的 Prompt、一份方法论文档、一个静态的工作流模板，它和一本书没有本质区别——信息是完整的，但它不会动。你需要自己去读懂它。

第二种是“活 Skill”。它可以被 Agent 直接调用。你给它一个输入，它自动执行方法论的逻辑，输出一个结果。你不需要理解它是怎么工作的，只需要看结果对不对。这就像一个 API——你不用知道服务器内部的代码逻辑，只需要发送请求、接收响应。

第三种是“会长的 Skill”。它不仅可以被调用，还能在使用中积累数据、优化自身。每一次被调用，它都变得更精准、更适配、更有价值。它不是一次性消耗品，而是一个可以自我进化的能力单元。

从第一种到第三种，价值差距可能又是十万倍。

我做过一件具体的事情，让我对这三种状态有了非常直观的理解。

一位浙大的教授，他参与了一个叫“好设计”的项目，积累了十三年的获奖案例——从微信到复兴号高铁，从火星探测车到蛟龙号深潜器，每一个案例背后都有完整的创新分析。这些知识以前存在他的脑子里、他的论文里、他的课堂上。想学？来浙大听他的课。想用？请他做咨询。

我帮忙做了一件事：把这十三年的知识体系 Skill 化了。

第一步，它只是一个“死 Skill”——一个包含了所有获奖案例分析的知识库，可以被查询。这和把一本书数字化没有本质区别。

但第二步才是关键。我给它找了一个应用场景：K12 教育中教师的科创课程备课。一个小学老师想给学生讲“什么是好的创新设计”，他不需要去读那位教授的论文，不需要去听他的课，只需要对着这个 Skill 说一句“帮我设计一节关于交通工具创新的课程”，Skill 就会从十三年的案例库里自动匹配最合适的案例，生成教学方案。

表面上看，这只是一个问答系统。但本质上发生的事情是——一位顶级教授十三年的知识积累，第一次脱离了他本人，变成了一个可以被任何老师直接调用的能力。

这位教授不需要去每一所小学讲课，他的知识在替他工作。

这件事看起来只是一个产品案例，但我越想越觉得，它背后藏着一个更大的命题。

人类历史上，大多数有价值的能力都附着在人身上。一个老中医的诊断能力，附着在他几十年的临床经验上；一个顶级设计师的审美判断，附着在他看过的几万件作品上；一个战略咨询师的分析框架，附着在他做过的几百个项目上。

这些能力极其宝贵，但有一个致命的限制：它们不可复制、不可规模化、不可脱离载体独立存在。这个载体就是人。人会老、会病、会离职、会死，能力跟着消散。

Skill 正在改变这件事。

当一套方法论可以被编码成 Skill、被 Agent 调用时，能力就第一次获得了脱离人的可能。它不再受限于一个人的时间和精力，不再受限于一间教室的座位数，不再受限于一家咨询公司的项目排期。它可以同时被一千个人调用，每一次调用的质量都是稳定的。

这不是效率提升，这是能力的存在方式变了——从“长在人身上”变成了“长在系统里”。

如果能力可以脱离人独立存在，那一个自然的问题就浮出来了：人的价值还剩什么？

我认为这个问题的答案，恰恰是整件事最重要的部分。

Skill 可以封装方法论、可以执行分析框架、可以调用知识库、可以生成方案，但有一件事它目前做不了——判断这个方案到底对不对。

判断力是什么？不是“知道正确答案”，而是“在没有正确答案的情况下，做出一个可接受的决策”。它依赖的不是知识量，而是价值观、直觉、对 context 的理解、对利弊的权衡。

那位教授的 Skill 可以从十三年的案例里匹配出最相关的内容，但“这个案例在这个特定课堂上该怎么讲”“这群孩子目前的认知水平能不能接住这个概念”“要不要先从一个失败案例入手，再引到成功案例”——这些判断，仍然需要那个站在教室里的老师来做。

Skill 替代的是执行，留给人的是判断。

我在自己的团队里看到同样的事情。我们的 CTO 把几十万个 Skill 爬下来做自动评分，评分系统可以给每个 Skill 打一个客观分数——结构完整性、逻辑自洽度、应用范围。但“这个 Skill 到底值不值得推荐给用户”“在什么场景下它的价值最大”“它和另一个 Skill 组合使用会不会产生更好的效果”——这些判断，评分系统做不了。

所以我对 AI 时代人的价值的理解是这样的：当可标准化的能力全部被 Skill 化之后，人的价值不是向下走——去和 Skill 比执行效率，而是向上走——去做 Skill 做不了的事情。

把视角再拉远一点。

如果单个 Skill 是“一本可以自己执行的书”，那当成千上万个 Skill 同时存在的时候，会发生什么？

它们会开始互相调用。

一个战略分析的 Skill，在做行业诊断的时候，可能需要调用一个数据分析的 Skill 来处理市场数据；数据分析的 Skill 处理完之后，结果会传给一个报告生成的 Skill 来输出最终方案。整个过程中，没有人在手动串联这些步骤，Agent 自动完成了 Skill 之间的编排和调度。

这意味着 Skill 不仅仅是“给人用的工具”，它同时也是“给 Agent 用的能力节点”。当 Skill 之间可以互相调用的时候，整个系统就不再是一个“工具集合”，而是一个“能力网络”。

这个变化的意义比它表面上看起来大得多。

过去，知识的流通方式是：人写成书 → 人去读 → 人去用。链条上每一个环节都是人，所以知识的流通速度受限于人的阅读速度、理解能力和执行能力。

未来，能力的流通方式可能变成：人编码成 Skill → Agent 调用 → Agent 交付结果。人只在起点（编码）和终点（验收）出现，中间的执行和流通由系统自动完成。

能力的流通速度，将第一次脱离人的生理限制。

每次想到这件事，我都会想起一个历史类比——电力的类比。

一百多年前，工厂的动力来自蒸汽机。每个工厂有自己的蒸汽机，工人围着蒸汽机工作。蒸汽机的能力附着在那台机器上，不可移动、不可共享。

后来电力出现了。发电厂把能量生产集中化，然后通过电网把电力输送到任何需要的地方。任何一个车间，只要接上电线，就可以使用电力。能量第一次脱离了具体的机器，变成了可以按需调用的基础设施。

Skill 正在对“能力”做同样的事情。

过去，能力附着在具体的人身上。你需要这个能力，就要找到这个人。现在，能力可以被编码成 Skill，挂在 Agent 网络上，任何需要的人或 Agent 都可以调用它。能力正在从“绑定在个体上的资产”变成“可按需调用的基础设施”。

能力正在从“绑定在个体上的资产”，变成“可按需调用的基础设施”。

这个变化一旦完成，很多我们习以为常的东西都会被重新定义。教育的目的可能不再是“让人掌握能力”，而是“让人学会调用和判断能力”；组织的竞争力可能不再取决于“雇了多少有能力的人”，而是“接入了多少高质量的 Skill”；个人的职业发展路径可能不再是“积累越来越深的专业技能”，而是“建立越来越强的判断力和调度能力”。

这些推论现在听起来还有些遥远，但底层变量已经在松动了。

能力正在脱离人。剩下的问题是——脱离之后，我们怎么重新定义自己。