Agent Skills：脚本的终结还是老程序员的预制菜

最近和几位有着多年编码经验的朋友深入交流，也留意到网上关于 Agent Skills 的热烈讨论——大家的第一反应几乎出奇一致：“这跟脚本加个 README 有啥区别？我用 Python 写个爬虫、搞个 Shell 自动化，不比这东西靠谱？” 这种想法完全可以理解。不过说实话，把 Skills 简单等同于脚本，就像把“智能手机”看作“能上网的计算器”——表面干的活差不多，但底层的运行逻辑已经天差地别。 ### 1. 别再当“导演”，试着做“面试官” - **脚本（Script）是“过程控制”**：你得像保姆一样全程紧盯：先点 A，等 3 秒，再扫 B。如果 A 没出现，程序直接崩溃。追求极致的确定性，代价是极度的脆弱。 - **Skills 是“目标导向”**：你现在扮演的是面试官。给 AI 一份 SKILL.md（说明书），告诉它：目标是 A，你有 B 和 C 这两个工具，具体怎么迂回，AI 自己规划路径。你只管验收最终结果。 这两种角色，从根源上决定了它们面对不确定性时的应对策略截然不同。 ### 2. 程序员的噩梦：谁来修那个该死的报错？ 搞自动化最怕什么？环境变了、依赖崩了、网页改版了。 - **传统脚本**：报错 → 挂起 → 你半夜爬起来改代码 → 重新运行。 - **Agent + Skills**：报错 → Agent 看一眼报错日志 → 发现少个包，自己 pip install；发现网页改了，自己重新定位元素 → 跑通了。 本质上等于给你的程序配了一个 24 小时值班的初级开发。以前写代码是“死”的，现在代码开始具备“自愈能力”。感知层面的差异，决定了维护成本的天壤之别。 ### 3. “苦涩的教训”：通用逻辑正在碾压精巧工程 Rich Sutton 在《The Bitter Lesson》中揭示了一个扎心的事实：人工智能史上，那些试图把人类经验强行塞进系统的“精巧设计”，最终都会被“通用算法 + 算力”打得找不到北。 - **脚本是“硬编码”的人类经验**：在固定边界内，它是无敌的；但边界一旦突破，就变成一堆废纸。 - **Skills 依赖 LLM 的常识与逻辑**：能够处理那种“差不多就行”的模糊性，而这恰恰是传统代码最头疼的地方。 从行业演进的大趋势来看，通用方法的碾压效应已经不是会不会发生的问题，而是何时发生的问题。 ### 4. 权力的交接：大厨与预制菜 以前搞自动化是程序员的特权，有门槛，有护城河。现在，一个能把需求写清楚的产品经理，拿着几份 SKILL.md，就能拼出一个复杂的自动化流程。 很多程序员觉得 Skills “没技术含量”，就像大厨看不起“预制菜”。但行业的变革，往往不是让每个人都练成满级厨艺，而是让不会做饭的人也能随时吃上标准的红烧肉。 --- 承认这一点确实挺苦涩的：那些引以为傲的工程技巧、攒了十几年的 Python 经验，在 AI 的动态规划面前，效率可能真的不够看了。 守着“确定的复杂”固然稳妥，但学会拥抱那种“模糊的正确”，才是接下来的生存之道。