本文探讨了为AI Agent编写技能的效果，研究表明人工编写的Skills平均提升16.2个百分点，但效果因领域差异显著，医疗领域提升51.9%，软件工程仅4.5%。研究发现AI生成的Skills无效，提出聚焦具体任务、控制模块数量、人工编写和定制场景等四条实操建议，强调Skills质量比数量重要，人工定制效果更佳。通过实例说明，优化Skills可显著提升Agent效率，甚至小模型加好Skills能追上大模型，性价比高。

前排提示，文末有大模型AGI-CSDN独家资料包哦！

最近刷到一篇论文，说：「AI 自己生成的 Skills 没用」。

Hacker News 上 200 多个点赞，100 多条评论，吵得挺热闹。

我点进去看了一下，发现这篇叫 SkillsBench 的论文做得挺扎实。研究团队测了 86 个任务，覆盖 11 个领域，跑了 7308 条 Agent 轨迹。就为了回答一个问题：给 AI Agent 写 Skills，到底有没有用？

结论有点出乎意料。

有用，但没那么简单。

📊 论文里的几个关键数据

先说好消息。人工编写的 Skills 平均能提升 16.2 个百分点。这个数字不小，说明给 Agent 写好的指令确实管用。

但细看就有意思了。

不同领域的差距大得离谱。软件工程领域只提升了 4.5 个百分点，而医疗领域直接拉了 51.9 个百分点。差了十倍不止。

为什么？我猜是因为软件工程的知识在模型训练数据里已经很多了，Agent 本身就懂不少。但医疗这种专业领域，模型底子薄，给它补上领域知识，效果就特别明显。

还有个扎心的发现：86 个任务里有 16 个，加了 Skills 反而变差了。所以不是写了就有用，写得不好还不如不写。

然后是最劲爆的结论，AI 自己生成的 Skills 平均没有提升。

对，你没看错。让 Agent 自己总结经验、自己写 Skills，基本白搭。论文原话是「模型不能可靠地编写自己受益的程序性知识」。

这就好比让一个学生自己给自己出复习提纲，听起来很美好，但实际效果约等于零。

🛠️ 怎么写有效的 Skills：4 条实操建议

既然人工写的 Skills 有用，那怎么写才能真正起效？结合论文数据和我自己的使用经验，总结了几条。

第一，聚焦具体任务，别写万能指南。

论文发现，聚焦的 Skills，就是只针对 2-3 个模块的，比大而全的文档效果好。你写一份「如何做好所有事情」的指南，Agent 反而不知道该听哪条。

第二，2-3 个模块就够，别贪多。

这点和第一条相关。Skills 不是越多越好，越长越好。把最关键的流程、最容易出错的地方写清楚就行。

第三，自己写，别让 AI 帮你生成。

这是论文最核心的发现。AI 生成的 Skills 没用，人工写的才有用。原因也好理解，你比 Agent 更清楚自己的需求、自己的工作流、自己踩过的坑。这些隐性知识，AI 总结不出来。

第四，针对你的具体场景定制。

医疗领域提升 51.9 个百分点，软件工程只有 4.5 个百分点。这说明 Skills 的价值取决于你的场景有多「非标」。如果你做的事情比较独特，模型不太熟悉，那写 Skills 的回报就特别高。

💡 回到日常：CLAUDE.md 就是一种 Skills

说到这里，我想到自己用 Claude Code 的经验。

Claude Code 有个 CLAUDE.md 文件，本质上就是给 Agent 写的 Skills。你可以在里面定义项目规范、工作流程、注意事项。

我自己的体感是，写得好确实有用。比如我在 CLAUDE.md 里写了标点符号规范、文件命名规则、代码风格要求，Agent 的输出质量明显更稳定。

但如果只是随便写几句「请认真工作」「注意质量」，那基本等于没写。

这和论文的结论完全一致：Skills 的质量比数量重要，聚焦比全面重要，人工定制比自动生成重要。

所以如果你也在用 AI Agent，不管是 Claude Code、Cursor 还是别的工具，花点时间把你的 Skills 写好。不用多，2-3 个关键模块，把你最在意的规范和流程写清楚。

这可能是当下提升 Agent 效果，性价比最高的方式。

论文还有个有趣的发现：小模型加上好的 Skills，可以追上不用 Skills 的大模型。换句话说，与其花更多钱用更大的模型，不如先把 Skills 写好。

省钱又有效，何乐而不为。

读者福利：倘若大家对大模型感兴趣，那么这套大模型学习资料一定对你有用。

针对0基础小白：

如果你是零基础小白，快速入门大模型是可行的。
大模型学习流程较短，学习内容全面，需要理论与实践结合
学习计划和方向能根据资料进行归纳总结

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

这里我们能提供零基础学习书籍和视频。作为最快捷也是最有效的方式之一，跟着老师的思路，由浅入深，从理论到实操，其实大模型并不难。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓