过去一年，AI 应用架构经历了一次明显的范式迁移：
从 流程驱动（Workflow） 走向 能力驱动（Skills）。

很多开发者会疑惑：

• 为什么现在都在讲 skills？

• skills 会不会像 workflow 一样很快过时？

• skills 和 MCP、插件到底是什么关系？

• 用 Java / Spring 体系还能不能做 skills？

这篇文章尝试用工程视角，把这些问题一次讲清。

---

一、为什么 Workflow 不够用了

早期 AI 应用基本是这样的结构：

用户 → Prompt → Step A → Step B → Step C → 输出

也就是典型的 Workflow。

这种模式的问题在于：

1. 逻辑写死，缺乏弹性

2. 很难处理不确定性任务

3. 扩展成本高，流程一长就难维护

4. 模型无法自主选择策略

Workflow 本质是：

把 AI 当函数调用

但现实是，AI 更像一个“决策系统”。

于是行业开始寻找更灵活的结构。

---

二、Skills 的出现：能力驱动架构

Skills 的核心思想很简单：

不再告诉 AI “按这个流程做”，
而是告诉 AI “你有哪些能力可以用”。

于是系统结构变成：

用户 → Agent → 选择 Skill → 调用 → 继续决策 → 输出

这里的 Skill 就是：

• 一个能力单元

• 一个业务语义动作

• 一个可调用接口

比如：

• 查询订单

• 生成报告

• 调用部署接口

• 搜索知识库

Skill 关注的是：

系统能做什么

而不是：

系统按什么步骤做

这就是 AI 应用从流程驱动走向能力驱动的本质。

---

三、Skill 会不会被淘汰？

不会。

因为 Skill 其实不是新东西，而是旧概念的重命名。

在传统软件工程里：

• 函数没有被淘汰

• 类没有被淘汰

• API 没有被淘汰

Skill 在 AI 时代的地位，正是：

API 的语义化升级版

未来的系统可能会叠加：

• Planner（自动规划）

• Memory（长期记忆）

• 多 Agent 协作

• 自主任务执行

但 Skill 仍然会是最底层的能力单元。

它不会消失，只会被更高层架构包住。

---

四、Skill 和 MCP / 插件有什么区别？

很多人混淆这两个概念。

其实它们根本不在一个层级。

Skill 是能力抽象层

它描述：

• 能做什么

• 业务语义是什么

• 输入输出是什么

• 权限和边界在哪里

MCP / 插件 是接入协议层

它解决：

• 模型怎么调用代码

• 如何发现工具

• 参数如何传输

• 返回如何序列化

一句话总结：

Skill 是“能力模型”
MCP 是“通信协议”

在微服务世界的类比是：

• Skill ≈ 业务服务

• MCP ≈ gRPC / HTTP

协议不会取代业务能力。

它们只是承载关系。

---

五、只有 Python 才能做 Skills 吗？

不是。

Skill 只是能力抽象，与语言无关。

Python 生态里很多框架先火起来，是因为：

• AI 社区在 Python

• 研究型项目多

• 原型开发快

但在企业落地中：

Java / Spring 体系完全可以做 Skills。

比如使用 Spring AI Alibaba，你可以：

• 把方法暴露为 tool

• 注册为 MCP 服务

• 用 graph 编排 agent

• 做权限与监控治理

换句话说：

Skill 是架构思想
不是编程语言特性

---

六、为什么 Skills 成为主流？

因为它同时解决了四个工程问题：

1. 可组合性

复杂行为由多个技能组合完成。

2. 可治理性

每个 skill 可以独立做权限、限流、审计。

3. 可观测性

调用链可追踪，成本可统计。

4. 可复用性

能力一旦定义，就能在多个 agent 中共享。

这正是企业级 AI 系统最需要的能力。

---

七、未来真正值钱的能力

未来 AI 工程师的分水岭不会是：

• 会不会写 tool

• 会不会调模型

而是：

能不能把业务抽象成能力体系

这包括：

• 能力边界设计

• 接口语义建模

• 调用策略设计

• 权限与审计体系

• 多 agent 协作结构

这其实是：

软件架构能力在 AI 时代的升级

---

八、总结

AI 应用正在经历三层演进：

1. Workflow 时代 —— 步骤驱动

2. Skill 时代 —— 能力驱动

3. Agent 时代 —— 决策驱动

Skill 不会消失，它会成为：

AI 系统的基础设施层

真正变化的是：

系统从“写流程”变成“设计能力体系”。

这才是 AI 工程化的本质方向。

---

如果你正在构建 AI 项目，不妨问自己一句：

我的系统是在堆 prompt，
还是在设计能力？

答案决定了你的系统能走多远。