用 agent skill 封装llm 压缩中遗失的“暗知识”

上周ai讲座的大纲笔记来啦。

还没上课的可以大概了解讲了什么，上过课的可以温故知新。

Agent Skills 的重要性

核心判断：超越 MCP，“Agent Skills 以后会比 MCP 还要更重要。”

解决大模型的问题：“遗失的知识”

• 大语言模型（LLM）将人类几千年的知识“压缩到一个模型里面”。
• 这个过程中遗失了大量的“暗知识”（Dark Knowledge）或“隐性知识”（Tacit Knowledge）。
• 案例：一个公众号作者在写作、配图、起标题、写转发语时有自己的 Knowledge（知识）和“秘方”（recipe），这是 LLM 所不具备的。

Agent Skills 的使命：封装“暗知识”

• 过去的大模型是“general”（通用）的，压缩的是“模式性最强”的东西。
• Agent Skills 的工作，就是去捕捉那些占据知识大多数的“个人知识”和“暗知识”。
• 目标：把我们工作中“注入灵魂的 work flow（工作流）”、SOP（标准作业程序）或个人经验，变成顶级 AI 模型可以利用的 skill（技能）。
• 价值：一旦实现，将“创造特别特别大的实用价值、经济价值”。

Claude Skills 深度解析

演示（Demo）：雷军风格的发布会

• 任务：“让 Sam Altman 用雷军的演讲风格来发布 ChatGPT Atlas。”
• 过程：AI 会“直接去调用你已经定义好的这个 Claude Skills”，读取 Skill 内容并执行。
• 核心：“你能把你自己多少的知识经验...你的暗知识，你的隐性知识...封装到这样的一个 Skill 里面去，那就取决于你后面的这个经验的积累了。”

Skills 的价值：从“通用”到“专家”

• Skills 是一个“非常灵活的一个技能的模块”（可在网页、APP、VS Code 中使用）。
• 目标：“把那些最有价值的、但是目前的大语言模型还没有办法掌握的那些技能、程序性的知识...挖掘出来。”
• 愿景：“让通用的大语言模型，结合你自己个人的案例知识，变成真正的专家。”
• 案例：如果 AI 能掌握“写10万加文章的 Skill”、“做爆款视频文案的 Skill”，那将非常厉害。

行业动向：OpenAI 与麦肯锡的佐证

• OpenAI 的“mercury”项目：
• 雇佣了“几百个投行的工作人员”，付“每小时150美金”的高薪。
• 任务是：“让他们来去把他们自己的个人的这些技能，给他整理总结出来。”
• 目标：把“中低级别的这些技能...封装成这样的一个 Skill”，使 LLM 成为专业领域专家。
• 潜在危机：如果 AI 取代了前 6 年的“脏活、苦活、累活”，新人将“怎么成长？”
• 麦肯锡的 TOKEN 消耗：
• 麦肯锡“消耗了1000亿 TOKEN”。
• TOKEN 消耗量是“在智能时代衡量一个公司的一个最重要的一个非财务的一个指标”。
• AI 时代的本质是：“把最顶级的智能”（如麦肯锡顾问）用“TOKEN 消耗的这个方式”平替。
• 背景：麦肯锡在消耗 TOKEN 的同时，也“解雇了5000个员工”。

Skills vs. GPTs / Projects / Prompts

• GPTs 和 Projects 的问题：
• 它们本质上只是一个 Prompt，“每次讲话都带进去”。
• 这会“占用大量的模型的这个 context window（上下文窗口）”，而上下文是“非常宝贵”的。
• 在 Agent 范式下“不够的灵活”。
• Skills 的优势：“技能的砖”
• 把所有技能变成“一个一个的技能的‘砖’”。
• Agent 可以在文件系统环境中，“灵活地调用你毕生绝学所总结出来的100个技能”。

价值四象限：为什么你需要知识管理和 Skills

• 象限一 (无知识管理 + 无技能)：
• 感受：使用 LLM 就像“普普通通的 chat（聊天）”，感觉不到 ChatGPT 和“豆包”的区别。
• 象限二 (有知识管理 + 无技能)：
• 感受：当你带着个人知识体系去聊，LLM 从“普通的 chat”变成“能够产生洞见（Insight）”的工具。你会“感叹这个时代真的是非常的了不起”。
• 象限三 (无知识管理 + 有技能)：
• 感受：执行任务时“普普通通”，“非常的一般”。
• 原因：“我们没有把自己的那些洞见...赋能给这个大语言模型。”
• 象限四 (有知识管理 + 有技能)：
• 感受：把隐性知识“灌入到这个大语言模型里面去”。
• 结果：得到“真正的具有经济价值的产出”。

Skills 的技术结构与构建方法

Skills 的本质：“一个文件夹”

• 类比：“把你的毕生绝学，压缩成一个乐高砖块一样的东西。”
• 安装：在 VS Code 中，拖拽 Skills 文件夹到用户根目录下的 .claude/skills 隐藏文件夹中。
• 核心文件：skill.md (即你的“毕生绝学”Markdown 文档)。
• 复杂结构：复杂的 Skill 还可以包含 Python 脚本、参考文档 (Reference)、图片、字体、模板等。

“渐进式披露”机制（Genius Design）

• Skills 能解决 Context 占用的问题，因为它采用“渐进式披露的机制”。
• 步骤 1：Agent 只加载几十个 TOKEN 的“原数据”。
• 步骤 2：当你调用时，它再去读取几百到几千 TOKEN 的 skill.md。
• 步骤 3：仅在需要时，才去调用几万甚至几十万 TOKEN 的“资料包”。
• 结果：“一个 Agent...能够灵活调用很多个 Skill，而不把自己的工作记忆给撑爆。”

如何构建 Skills：用 Skill 构建 Skill

• “你不需要自己去写。”
• 创建 (Skill Builder)：
• 使用官方的“帮你创建 Skill 的一个 Skill” (Skill Creator)。
• 你只需用自然语言把你原来的 Prompt 丢给它，它会“帮你去按照 Agent Skill 的那个规范来去帮你给他打包”。

• 迭代 (Writing Skill)：
• 使用官方的“优化 Skill”的 Skill (Writing Skill)。
• 它使用“测试驱动开发”的方法论，帮你“编辑优化已有的 Skill”。

Skills 的三种主要类别

• 类型一：SOP / Workflow (程序性知识)
• 即“操作性的一些步骤，具体的方法”。
• 案例：讲者自己的“费曼式翻译”流程。这不仅是语言对应，而是基于深度理解、主题研究和多轮校对（第一遍快速翻意思 -> 第二遍核对流畅 -> 第三遍脱离英文读顺畅）的暗知识。
• 核心观点：现在 AI 任务做得不好，“真的不是因为它智商不够”（GPT-4o 智商近 150），而是“我们没有把自己那些最宝贵的东西，给他变成模型的一个能力”。
• 知识在模型压缩中遗失了 (“lost in compression”)。
• 类型二：思维模式 / 框架 (Ways of Thinking)
• 例如 5W2H、解决问题的思路，或是一种“Style”（风格）。
• 案例：“雷军的语言风格”就是一个 Skill。如果 AI 能掌握，老板可能“就不需要去雇一个团队来去给他写这样的一个发布会的文案了”。
• 类型三：知识库 / 文档 (Knowledge Base)
• 把海量的文档（如工具文档、规范）变成 Skill（注：这类似于 RAG 或 MCP）。

Q&A

Q: Skills 和 GPTs / Prompts 到底有何不同？

• A: Skills 的核心（skill.md）就是一个 Prompt，但它是一种“特殊的 Prompt”，“更加 agented”（面向智能体）。
• 它包含了 planning (规划)、reflection (反思)、达成标准 等 Agent 范式的模块。
• 它体现了 Unix 哲学：“一切皆文件”（everything is a file）。

Q: 到底什么是“Context”（上下文）？

• A: Context 不只是 AI 概念。“脱离 context 的东西...叫‘断章取义’。”
• 对于 LLM：Context 是“大语言模型工作记忆里面的一切东西”（包括 Prompt、系统指令、RAG 数据、Skills、聊天历史）。
• 我们做知识管理（KM），就是“为了给模型提供更好的 context”。
• 一个残酷的真相：“大语言模型输出的普通，实际上它也反映了这个人本身的产出质量的普通。”
• 为什么普通？“因为他刷了太多的抖音和小红书了...思维链老断嘛。”
• 知识管理的核心价值：让“努力可积累”，让“积累可迭代”。

Q: 应该去收集 Skills 还是自己创造？

• A: 都要。但更要“多挖掘自己的 Skill”。
• 把外部的 Skills 当作“V1 版本”，基于自己的理解去迭代。
• 如何精通：去拆解和总结 Claude 官方 GitHub 仓库里的 Skill 范例。
• 用“一套科学的方法论”（如测试驱动）来“把你的毕生绝学变成一个 Skill”。

Q: ChatGPT 的对话很长，反应慢怎么办？

• A: 模型的 Context Window (工作记忆) 是有限的 (如 128K)，太长的对话，前面的内容“就会消失了”。
• 建议：不要在一个窗口无限聊。使用“Projects”（项目）功能来管理不同主题的对话。

讲座回看 & 下期预告

上一期讲座视频回看：

本周四晚8点，继续探讨一个有趣且有用的AI专题：ai时代的知识管理。会分享我在2025年10月末的最新知识管理实践，道法术器，全面深入探讨。

识别二维码，或者点击“阅读原文”，预约直播。周四晚上见～