我們正處在一個(gè) Skills 大爆發(fā)，但面對海量選擇，卻無從下手的時(shí)代。

作者｜蘇子華

編輯｜鄭玄

Skills 已經(jīng)多到看不過來的程度了。

僅僅在 OpenClaw 的官方技能商店 ClawHub 里，Skills 數(shù)量已經(jīng)突破了 5 萬個(gè)，覆蓋內(nèi)容創(chuàng)作、數(shù)據(jù)處理、自動化辦公等全場景。

OpenClaw 的官方技能商店 ClawHub｜圖片來源：ClawHub

與此同時(shí)，互聯(lián)網(wǎng)大廠與 AI 公司紛紛布局 Skill 商店，比如騰訊的 SkillHub，字節(jié)扣子的技能商店，阿里版「龍蝦」JVS Claw 內(nèi)置的技能庫等等。

騰訊的 SkillHub，為中國用戶優(yōu)化的 AI Skills 社區(qū)｜圖片來源：SkillHub 官網(wǎng)

按理說，這應(yīng)當(dāng)是繼 AppStore 之后的又一次「分發(fā)革命」，大廠和 AI 公司們也都試圖在積極搶占這個(gè)新的 AI 能力分發(fā)入口。

但現(xiàn)實(shí)并不如預(yù)期。

從用戶反饋來看，各種「Skill 商店」的使用率并不高，許多平臺上充斥著重復(fù)、低質(zhì)量或無人訪問的技能頁面。反而，在過去兩個(gè)月里，「微信公眾號」和「小紅書」成為了最主要的 Skills 發(fā)現(xiàn)與傳播渠道。

越來越多人，換掉了去「商店」搜索的習(xí)慣，而改成在社交平臺刷內(nèi)容找 Skills。

很多時(shí)候，真正讓某個(gè) Skill 爆火、被廣泛使用的關(guān)鍵來自于：一篇公眾號文章、一條小紅書的「工具推薦」、或者一篇 X 上的帖子。

換句話說，一個(gè)本該由「應(yīng)用商店」承載的分發(fā)體系，現(xiàn)在卻被內(nèi)容平臺接管了。

01

為什么是微信公眾號和小紅書，

接住了這波流量？

如果我們?nèi)?fù)盤一個(gè) Skill 是如何火起來的，會發(fā)現(xiàn)一個(gè)比較清晰的路徑，它們往往不是「被搜索」，而是「被種草」。

一個(gè)典型鏈路大概是這樣的：

某個(gè)創(chuàng)作者、博主在公眾號寫了一篇類似《我用這個(gè) AI 工具，把一周工作壓縮到一天》、《最實(shí)用的職場 Skills 清單》的文章；或者在小紅書發(fā)了一篇《這 5 個(gè) AI 工具讓我效率翻倍》的帖子。諸如此類。

小紅書上關(guān)于 Skills「種草」的帖子｜圖片來源：小紅書 App

而后，這些文章和帖子被大規(guī)模收藏、點(diǎn)贊、轉(zhuǎn)發(fā)，大量用戶再去安裝相應(yīng)的 Skills。

Skills 的傳播沒有像 App 那樣可以靠搜索、靠排名。

一方面，這可能是因?yàn)閭鹘y(tǒng) App 商店的分類方式是「工具類型」：社交、效率、游戲、攝影等等。但 Skills 的真實(shí)入口，是「具體問題」，比如，我今天要寫方案，我要做匯報(bào)，我要剪視頻——這些需求是高度個(gè)性化的、模糊的，不容易被分類和搜索。

另一方面，用戶更加追求結(jié)果導(dǎo)向，而不是過程導(dǎo)向。過去，用戶會關(guān)心一個(gè) App 的界面是不是好看、交互是否友好，但用戶大多并不關(guān)心 Skills 相關(guān)的 UI 界面是否漂亮、優(yōu)美、簡潔，大家只關(guān)心它輸出的結(jié)果好不好。

因此，一個(gè) Skill 是否被傳播，取決于一個(gè)非常簡單的問題：

它能不能給出一個(gè)「肉眼可見的結(jié)果」？

也就是，輸出質(zhì)量和任務(wù)成功率。比如：一鍵生成 10 條爆款標(biāo)題、30 秒做出一份完整 PPT 等等。這些內(nèi)容天然適合在內(nèi)容平臺展示，因?yàn)樗鼈兙邆洹刚故拘浴埂?/p>

而傳統(tǒng)的「應(yīng)用商店」，很難在內(nèi)容里直接證明自己的價(jià)值。在微信公眾號和小紅書上，創(chuàng)作者們可以先展示 Skills 的工作結(jié)果，再引導(dǎo)使用。這使得內(nèi)容平臺成為天然的分發(fā)渠道。

還有一個(gè)關(guān)鍵要素，是信任背書。

在 AppStore 時(shí)代，用戶愿意信任平臺機(jī)制：下載量、評分、排名。但在 Skills 時(shí)代，這套機(jī)制幾乎失效了。用戶更愿意相信的是：某個(gè) KOL 的推薦、某個(gè)創(chuàng)作者的真實(shí)體驗(yàn)，或者某個(gè)同行的使用案例。

也就是說，信任從「平臺」轉(zhuǎn)移到了個(gè)體。其中一部分原因在于，Skills 的工作機(jī)制不透明，像個(gè)「黑箱」，用戶只知輸入輸出，不知其分析指令、調(diào)用工具、做出決策的過程。

這不僅降低可靠性，還存在安全隱患——部分 Skills 存在投毒風(fēng)險(xiǎn)，可竊取密碼、部署木馬，而用戶因不了解工作機(jī)制，難以提前識別。

這可能也是為什么公眾號、小紅書會成為 Skills 傳播的核心陣地——它們本質(zhì)上在承擔(dān)「信任分發(fā)網(wǎng)絡(luò)」的角色。

將以上三個(gè)原因疊加在一起，我們會發(fā)現(xiàn)，Skills 的分發(fā)，本質(zhì)上更像內(nèi)容消費(fèi)，而不是軟件分發(fā)。

用戶不是在下載、安裝一個(gè)工具，而是在「購買一種能力」。而內(nèi)容平臺，正好是能力被理解、被信任、被傳播的地方。

02

Skills 的未來，卡在了「評估體系」

越來越多的專業(yè)人士正將自己的工作經(jīng)驗(yàn)、工作流、方法論，提煉開發(fā)為一個(gè)個(gè) Skill，散落在各處。如果把時(shí)間拉長來看，今天的 Skills 生態(tài)面臨的挑戰(zhàn)，是一個(gè)更大的問題：

這些 Skills 如何被評估和交易？

移動互聯(lián)網(wǎng)時(shí)代，AppStore 能成功，是因?yàn)樗⒘嗣鞔_的反饋和信號：下載量、評分、排名。這些數(shù)據(jù)形成了可執(zhí)行的市場機(jī)制——好應(yīng)用能上升，差應(yīng)用被淘汰。

Skills 市場卻缺乏這種「質(zhì)量標(biāo)準(zhǔn)」。

原因首先在于，Skills 的性質(zhì)與 App 完全不同，它屬于一種「黑箱能力」，輸出不可標(biāo)準(zhǔn)化，結(jié)果難以直接對比。

App 的功能基本都是確定性的：一個(gè)拍照 App，畫質(zhì)好不好可以直接比較。但 Skills 的結(jié)果，往往是開放性的：文案有沒有「感覺」？分析有沒有「洞見」？策略是否「可執(zhí)行」？這些都高度主觀。

其次，輸出結(jié)果「好不好」高度也依賴上下文。

一個(gè) Skill 在某個(gè)場景下表現(xiàn)很好，在另一個(gè)場景下可能完全失效。例如，對中文語境優(yōu)化很好，但英文表現(xiàn)一般；對某個(gè)行業(yè)數(shù)據(jù)熟悉，但換個(gè)行業(yè)就不行。

另外，Skill 的運(yùn)行是否足夠經(jīng)濟(jì)。一個(gè) Skill 調(diào)用了什么模型，完成一個(gè)任務(wù)要消耗多少 token，目前也很難量化。

當(dāng)以上問題疊加，就會導(dǎo)致一個(gè)結(jié)果，傳統(tǒng)應(yīng)用商店的評分機(jī)制也很難評判哪個(gè) Skill 更好。

這帶來的直接后果，就是低質(zhì)量泛濫。在多個(gè) AI 平臺的「Skill 商店」中，大量技能功能重復(fù)、標(biāo)題黨式命名，例如 10 個(gè)不同版本的「萬能寫作助手」，但 90% 的邏輯都相同。同時(shí)，優(yōu)質(zhì)技能因缺乏曝光難以被發(fā)現(xiàn)。

這也是用戶寧愿相信博主、不愿依賴官方商店的關(guān)鍵。而市場反饋機(jī)制缺失，對于開發(fā)者來說，也缺乏參考標(biāo)準(zhǔn)改進(jìn)產(chǎn)品，只能「憑感覺」迭代更新。

如果說，未來我們交易的可能是一個(gè)寫報(bào)告的能力，一個(gè)做分析的能力，一個(gè)自動執(zhí)行任務(wù)的能力。那么，要讓這種交易成立，至少要滿足：

• 能被理解（用戶知道它能做什么）；

• 能被信任（用戶相信它會做好）；

• 能被比較（用戶知道哪個(gè)更好）；

公眾號和小紅書解決的是第一個(gè)和第二個(gè)問題，但第三個(gè)問題——讓 Skills 被比較、被定價(jià)的評估體系——仍然相對空白。

目前，各種「Skill 商店」只是一個(gè)看起來像市場，實(shí)際上卻還沒有評估體系、價(jià)格機(jī)制的地方，很難被用戶真正接納。

03

如何評估 Skills？

因?yàn)?Skills 的評估體系，目前還相對空白，我們可以試著推演幾個(gè)可能的評判維度。

第一個(gè)，針對于 Skills 的評判，可能更需要的是能力圖譜。

一個(gè) Skills，不是好或不好，而是在什么任務(wù)上表現(xiàn)好，在什么任務(wù)上表現(xiàn)差。這更接近一個(gè)「能力圖譜」，而不是只打幾顆星。

第二個(gè)，可能需要引入「成本維度」。

在 AI 時(shí)代，一個(gè)不同的變量是「成本」，這是 App 時(shí)代不需要考慮的。同樣完成一個(gè)任務(wù)，A Skills 消耗 500 tokens，B Skills 消耗 5000 tokens。在大規(guī)模使用時(shí)，這會變成巨大的差異。

因此，未來的評估體系，必須同時(shí)考慮：成功率、成本、延遲。這有點(diǎn)類似于對于云計(jì)算的考核標(biāo)準(zhǔn)，而不是傳統(tǒng)軟件。

第三，可能需要引入「可解釋性」和「安全審計(jì)」維度。

因?yàn)殡S著 Skills 開始接入更多真實(shí)世界能力（郵件、文件、支付等），風(fēng)險(xiǎn)問題會迅速放大?；蛟S需要某種「第三方評測、審計(jì)機(jī)構(gòu)」來評估 Skills 的數(shù)據(jù)使用方式、檢測潛在安全風(fēng)險(xiǎn)等等。

因此，未來可能出現(xiàn)一種新類型的平臺，即「AI 能力評測與認(rèn)證機(jī)構(gòu)」，負(fù)責(zé)為各類 Skills 出具「能力報(bào)告」，包含準(zhǔn)確率、能耗、安全級別、兼容性等指標(biāo)。

當(dāng)然，也有一種可能，「Skill 商店」在 AI 時(shí)代并不會是一種很重要的角色。

極客公園編輯部近期對多位創(chuàng)業(yè)者的訪談當(dāng)中，一個(gè)普遍被提及的觀點(diǎn)是，Skills 可能是「中間態(tài)」，個(gè)性化的端側(cè)模型是未來。

也就是說，未來個(gè)人數(shù)據(jù)，可以通過后訓(xùn)練的方式訓(xùn)練進(jìn)一個(gè)專屬的端側(cè)模型中。

現(xiàn)在的 AI 記憶主要通過外部數(shù)據(jù)庫（如 RAG）提取，而未來端側(cè)模型可以直接內(nèi)化這些記憶和技能。這樣模型在理解用戶信息、記憶調(diào)取速度以及執(zhí)行技能的泛化能力上，都會有質(zhì)的提升。

不過，無論是哪種可能，如今創(chuàng)作者通過體驗(yàn)和驗(yàn)證，彌補(bǔ)了市場機(jī)制的缺位，通過內(nèi)容來制造了「信任」。

而未來，如何評估 Skills？它如何通向未來的生產(chǎn)力重構(gòu)？都是一個(gè)值得探討的開放式問題。

*頭圖來源：極客公園

本文為極客公園原創(chuàng)文章，轉(zhuǎn)載請聯(lián)系極客君微信 geekparkGO

大疆神秘影像新品，本周四 20:30，極客公園視頻號直播間，第一時(shí)間帶你上手。