Don't Build Agents, Build Skills Instead 來自Anthropic @barry_zyj 和@maheshmurag 在@aiDotEngineer Code Summit 的專題演講，探討了AI Agent 發展的下一個關鍵階段：從單純追求「Agent」的架構，轉向賦予它們具體、可復用的「Skills」。 核心痛點：高智商vs. 專業經驗 AI Agent 面臨的一個主要衝突：有智商，缺乏經驗。 · 比喻： 他們用了一個很形象的比喻－「Mahesh（智商300 的數學天才）」 vs. 「Barry（經驗豐富的稅務專家）」。 · 現況： 目前的大模型Agent 就像那個數學天才，雖然極其聰明，具備從頭推導複雜原理的能力，但如果你讓它去報稅，它可能因為缺乏具體的“稅務代碼”和“流程知識”而一籌莫展，或者效率低下。 · 需求： 在真實的工作場景中，我們往往更需要那個“稅務專家”，即一個能夠穩定執行特定領域流程、擁有程序性知識的角色，而不是每次都從第一原理去重新思考的天才。 解決方案：什麼是“Skills”？ 為了填補這一鴻溝，Anthropic 提出了「Skills」的概念。 · 定義： Skills 是將程式性知識打包成的最小單元，Agent 可以根據需要動態載入這些單元。 · 形式： 它非常輕量級。一個Skill 可能只是一個資料夾，裡麵包含了一些腳本（作為工具）和核心的指令檔（通常是Markdown 格式）。 · 特點： · 可移植（Portable）： 可以在不同的Agent 之間共用。 · 可組合（Composable）： 就像樂高積木一樣，你可以透過組合不同的Skills 來讓一個通用的Agent 瞬間具備跨領域的專業能力。 · 低門檻： 它的本質不是複雜的程式碼工程，而是對「如何做某事」的清晰描述和工具封裝。 願景：從“構建Agent”到“沉澱知識” 這次的演講不僅是關於科技的，更是關於組織如何利用AI 的策略思考： · 企業知識庫的演化： 未來的企業競爭壁壘，在於誰能建構一個不斷進化的「技能庫」。這些技能由企業內部的專家定義，並隨著Agent 的使用回饋不斷優化。 · Agent 的自我進化： 演講提出了一個令人興奮的未來圖景－Agent 不僅是技能的使用者，最終將成為技能的創造者。它們能從工作中總結經驗，自己編寫新的Skills，從而實現自我進化。 · 統一的Agent： 你不需要為每個任務都單獨「訓練」或「微調」一個新模型，而是維護一個通用的、強大的Agent，透過「載入」不同的Skills 瞬間切換角色（例如上一秒是文件分析師，下一秒是程式碼審查員）。 總結這個影片傳遞的最重要訊息是：不要迷戀“複雜的Agent 架構”，要把精力花在提煉和封裝具體的“專業知識”上。 對於開發者和企業來說，這意味著應該開始思考：如何將你們團隊內部的“隱性知識”轉化為標準化的“Skills”，讓AI 真正成為懂業務的專家，而不僅僅是聰明的通用助手。 Youtube 影片
