When Models Get Smarter, Skill Still Matters

刷到一个抖音视频，说 gpt6 出来了，模型这么聪明，以后都不用写 skill 了，直接跟它说要干嘛，它自己就知道该怎么干。评论区一片附和，我划走了，划了两下又划回去，把评论翻了一遍——没一个人觉得不对。

这论调其实不是第一次听见了。之前 Claude 的 Fable 5 出来的时候，也有一拨人说以后不需要什么 prompt 了，随便描述两句它就能懂你意思、把事办好。每次新模型一发布，「以后不用怎么怎么了」这种话就要冒一轮，跟约好了似的。

我不同意，评论都没打，直接把手机放下想这事儿。

聪明是「更会了」，不是「更懂你了」

想的时候脑子里先冒出个场景：你要去北京开会，让 AI 帮你规划行程。它是真的聪明，知道查哪家航司准点率高、哪个航站楼转机方便、落地到酒店留多少余量才不慌——这是模型能力，是「更会了」的部分，gpt6 比 gpt5 强，就强在这儿，想得更周全、算得更准、漏洞更少。

但你习惯坐靠窗，你到北京第一件事是想喝碗豆汁，你住酒店必须五星起步，你要的拖鞋得是绿色的——这些东西 AI 聪明能算出来吗？算不出来。倒不是推理能力不够，是它压根不知道有这回事。你不说，它没法猜；就算这回你说了，行程办得漂漂亮亮，下次你问「帮我订去上海的行程」，它照样从零开始猜你喜不喜欢靠窗。除非你把这些偏好写下来，变成它每次都会带上的东西。

这个「写下来，让它每次都带上」，就是 skill。

skill 到底是什么

skill 说穿了没那么玄乎，就是对 prompt 的封装、对流程的规划、对方式的说明这三件事绑在一起。封装 prompt，是你不用每次都重打一遍「靠窗、豆汁、五星、绿拖鞋」；规划流程，是不只记住偏好，还包括「先订机票再订酒店」「到了先联系对接人再去打卡」这种先后顺序和该往哪个分支走；说明方式，是同样一件「写周报」的事，有人要点列式，有人要叙事体，有人开头必须先甩结论——这是「怎么做」，不是「做什么」。

模型变聪明，解决的是给定同样的信息，它能不能想得更周全、算得更准。skill 解决的是另一件事：它一开始有没有拿到那些只有你知道的信息，以及你希望它按什么方式来处理。这俩压根不在一个轴上，模型再聪明也不会替你把这个轴补上——它缺的不是推理能力，是你没主动告诉它、别处也查不到的东西。

「AI 有记忆，以后不需要 skill」，这个说法我也想过，站不住

评论区里有条盖得挺高的回复：那以后模型记忆能力强了，记住你偏好靠窗、爱喝豆汁不就行了，还要 skill 干嘛？

第一反应是「好像有点道理」，但往深想一步就露馅了。如果「有记忆就不需要 skill」这个逻辑成立，那顺着推下去，世界上就不该有任何东西需要专门的方法论了——反正所有事情理论上都能靠「记住一堆事实」来解决。 可显然不是这样。记忆存的是一个个孤立的事实快照：你喜欢靠窗、你不吃香菜、你上次订的是希尔顿，这些是「点」。skill 是把点串起来的「线」——先做什么、遇到分支怎么判断、什么情况该跳过哪一步、这事该用什么语气什么格式呈现。记忆负责检索「你是谁」，skill 负责执行「这件事该怎么做」，根本不是同一层的东西，记忆强了不代表流程和方法论就自动长出来了。

就像你请了个记性极好的助理，记得你所有喜好，但你交代他「帮我把这次北京出差安排一下」的时候，要是没告诉过他「先订机票、再订酒店、到了先见客户再吃饭」这套流程，他照样手忙脚乱地临场现想。记性好和会做事，从来是两码事。

想到这儿倒是有点反过来了：模型越聪明，skill 可能越值钱。以前模型笨的时候，偏好和流程写得再细它也理解不到位，执行照样走样；现在理解力上来了，你写的 skill 才真能被精准执行、少跑偏。skill 不是被模型的聪明取代的东西，它更像是让模型的聪明真正落到你身上的那座桥——桥不会因为对岸的车更快了就不用架。

模型会一直变聪明，这个挡不住，也没必要挡。但「你习惯靠窗」这件事，不会因为模型变聪明就自己冒出来。除非你告诉它，而且是用一种它每次都会带上的方式告诉它。这不就是 skill 吗？