Skill其实就是分类学。

最近也不知道为啥看到大家对skill的热情高涨到了一种有点离谱的程度。 感觉万物都可以蒸馏万物都可以封装成skill。 我看了好几个朋友的skill库有的装了六七十个最离谱的甚至都破百了。昨天正好发了Harness的文章后提到了我觉得skill就是分类学这个事那一段出乎意料的被很多朋友转发。所以我就再展开说一下。一个好的skill我觉得他的核心就两个词 分类和触发。一个多月前Claude还更新过一次他们的Skills生成器我当时还专门写过一篇新版本最重要的动作就是怎么用反馈去不断优化一个skill的触发条件。skill怎么触发、能不能正确触发、触发以后能干什么才是最核心的事。之前有一篇论文发过实验数据就是当Skills数量在20个以下时准确率保持在90%以上几乎不会错。超过30个准确率就不行了。到了200个的时候准确率就剩20%了而且速度极慢Token消耗还爆炸。跟我自己体感差不多我自己的的Skills常年保持在30个以下。我举个自己的例子我之前想把NanoBanana的API封装成能被Agnet调用的skill因为我平时有很多生图的需求比如公众号封面图、小红书封面图、PPT配图等等。那这些应该每一个需求单独做一个skill还是应该合成一个skill呢我的做法就是只有一个图片生成的Skill这个skill内部写了我的几个主流场景在Agent触发这个skill后根据我的上下文进行二次分析再调用内部具体的分支画图场景同时也能用这个skill覆盖我其他的通用生图需求。这其实就是分类学的核心理念。 从来不是只分的越细越好是找到最合适的颗粒度。界、门、纲、目、科、属、种生物学就是如此一层一层穿透下去。 你要是把前面全抹了只给你留个种你可以想象一下这个世界有多灾难。封面图和PPT配图之间的差异不值得在最顶层各自占一个独立的skill它们只是图片生成这个类别内部的变异。 但图片生成和服务器管理之间的差异那是真的大到需要各自占一个独立的skill。我自己判断一个skill值不值得存在标准就三条它对应的场景有没有明确的边界。它对应的场景是不是会高频复现。它能不能归属进已有的skill里。以及奥卡姆剃刀原则如无必要勿增实体。 翻译过来就是你用不到的skill你就别装。但最重要的还是需要你设计自己的分类系统哪些是CLAUDE.md能处理的哪些是skill该处理的。分类学如此。 你的skill也应如此。