Agent 的技術(shù)瓶頸出現(xiàn)了？2026年，Skills 才更重要！

如果從技術(shù)演進(jìn)的角度復(fù)盤最近一年的 Agent 項(xiàng)目，一個(gè)越來越清晰的事實(shí)是：

問題正在從“模型夠不夠強(qiáng)”，轉(zhuǎn)向“系統(tǒng)如何承載判斷”。

Claude、GPT 這類模型在生成能力上已經(jīng)高度成熟，至少在大多數(shù)工程場(chǎng)景中，“能不能生成”早已不是主要限制。

真正開始拖慢系統(tǒng)演化速度的，是我們把大量本該被工程化、被結(jié)構(gòu)化的判斷，持續(xù)交給模型在運(yùn)行時(shí)即興完成。

這個(gè)問題在系統(tǒng)早期往往不明顯。Agent 的第一個(gè)原型通常表現(xiàn)良好，一個(gè) prompt，加上一點(diǎn)工具調(diào)用，就能跑通完整流程。

但隨著場(chǎng)景增多、上下文變復(fù)雜、需求開始疊加歷史約束，系統(tǒng)會(huì)逐漸進(jìn)入一種工程上非常危險(xiǎn)的狀態(tài)：

行為開始變得不可預(yù)測(cè)，但你卻很難準(zhǔn)確定位問題發(fā)生在哪一層。

模型參數(shù)沒有變，數(shù)據(jù)來源也沒有明顯變化，業(yè)務(wù)邏輯看起來仍然成立，但結(jié)果卻開始呈現(xiàn)出“有時(shí)對(duì)，有時(shí)不對(duì)”的不穩(wěn)定特征。

關(guān)鍵并不在于模型是否足夠穩(wěn)定，而在于系統(tǒng)結(jié)構(gòu)是否在回避一個(gè)更基礎(chǔ)的問題：

哪些判斷應(yīng)該被固化為系統(tǒng)能力，哪些判斷才值得在每一次調(diào)用中重新推理。

當(dāng)所有判斷都被交給模型即時(shí)完成，系統(tǒng)規(guī)模越大，不確定性就會(huì)被放大得越快。

從這個(gè)角度再回頭看 Claude Skills，會(huì)發(fā)現(xiàn)它并沒有試圖解決“更強(qiáng)智能”的問題，而是在解決一個(gè)更底層、更工程化的難題：

如何把已經(jīng)被反復(fù)驗(yàn)證過的能力，從不透明的 prompt 行為中拆解出來，變成可管理、可復(fù)用、可回收的系統(tǒng)組件。

Skill 的價(jià)值，并不在于能力本身，而在于它讓經(jīng)驗(yàn)第一次具備了長(zhǎng)期資產(chǎn)的形態(tài)。

這也是為什么當(dāng)系統(tǒng)里的 Skills 從十幾個(gè)增長(zhǎng)到幾十個(gè)、上百個(gè)時(shí)，能力管理本身會(huì)迅速成為瓶頸。

最近看到的特贊科技 atypica.AI 發(fā)了一個(gè)( http://skill0.io/)，正是圍繞這一問題給出的一個(gè)具體實(shí)踐：

當(dāng)能力規(guī)模擴(kuò)大，如何讓不同團(tuán)隊(duì)知道哪些能力已經(jīng)被驗(yàn)證、哪些仍處在試驗(yàn)階段，以及如何避免在系統(tǒng)內(nèi)部反復(fù)造輪子。

如果缺少這樣一層能力承載機(jī)制，所謂的 Agent 架構(gòu)，最終很容易退化回 prompt 的堆疊。

在這一過程中，Agent 的角色也在悄然發(fā)生變化。

與其讓 Agent 承擔(dān)越來越多“會(huì)做什么”的職責(zé)，不如讓它回到一個(gè)更克制的位置：理解上下文、做路徑選擇、判斷是否調(diào)用某種能力。

執(zhí)行的確定性盡可能被 Skills 吸收，不確定性才留給推理層處理。到這個(gè)階段，系統(tǒng)關(guān)注的重點(diǎn)自然會(huì)從“輸出是否漂亮”，轉(zhuǎn)向“判斷是否正確”。

從行業(yè)整體來看，這并不是某一家團(tuán)隊(duì)的獨(dú)立選擇，而是一種越來越普遍的工程收斂方向。

當(dāng) Agent 真正進(jìn)入復(fù)雜系統(tǒng)、長(zhǎng)期運(yùn)行環(huán)境之后，判斷如何被工程化、被治理，正在取代模型能力本身，成為新的技術(shù)分水嶺。