都说Agent Skills没用了？11个主流编码Agent的源码里，9个都实现了它

前几天刷到一条技术帖，标题很斩钉截铁："Agent Skills 已经没用了。"点进去，论证大致是：模型越来越强，谁还需要给 AI 写手册？那东西不就是提示词换了个文件夹吗。评论区一片附和，最高赞写着："早说了，就是提示词换了个文件夹。"

我倒不急着反驳——这坑樊军刚AI 自己也踩过，写过写完就废的 skill（技能包，给 AI 写的、一读就会干的手册），后面细讲。但"没用了"这个结论，和我手上另一份材料对不上：2026 年 9 月，预印本论文库 arXiv 上出现一篇论文，把 11 个生产级编码 Agent（能自己干活的 AI 编程系统）的源码逐个拆开研究了一遍。

先把答案放桌上：说 skills 没用的，多数是把 skill 写成了工作流脚本；失败的是写法，不是机制。 证据很硬：据 2026 年 9 月发表于 arXiv 的论文《Harness Engineering: Anatomy, Architecture, and Evolution of Coding Agents》（编号 2609.00006，对 11 个生产级编码 Agent 的源码研究），截至该论文 2026 年 9 月版本，11 个系统里有 9 个实现了 SKILL.md（技能包的说明书文件）格式的技能包。标题里那个 harness（行业术语，直译是马具、缰绳——第09篇把它译作缰绳），后面有一节专门讲。

一场没人注意的投票：9 比 8

论文研究的 11 个"选民"是：Claude Code、Codex CLI、Gemini CLI、Mistral Vibe、OpenHands、Aider、Mini-SWE-Agent、Hermes、Pi、OpenCode、OpenClaw——含 Anthropic、OpenAI、Google 的官方编码 Agent 在内。

据该论文（以下数据均截至其 2026 年 9 月版本）：9 个系统实现了 SKILL.md 格式的技能包，只有 Aider 和 Mini-SWE-Agent 没做；实现 MCP（模型上下文协议，管 AI 怎么接工具和数据源）的是 8 个。趋势更有意思：2026 年 4 月版里，两者在 8 个系统中还是 6 比 6 持平；7 月扩大样本后，skills 开始领先。

再看票投完之后，这个"没用了"的东西长出了什么：

• 包管理器经济：远程技能注册表（类似集中下载仓库）已出现在 4 个系统——Mistral Vibe、OpenCode、Hermes Skills Hub、OpenHands marketplace；Hermes 做信任分级、安装前静态扫描、隔离与依赖检查，OpenClaw 走来源验证审批，Gemini CLI 加固安装路径穿越，Codex 自动安装技能声明的 MCP 依赖
• 自己生长的机制：Hermes 的后台复审代理会从已完成任务里生成和修补技能（有策展者维护集合）；Gemini CLI 的抽取子代理把会话挖成技能补丁，送给人审
• 加载经济学：9 个采用者里 8 个只预载技能元数据（名称加一句描述）、正文按需读取——省着用最贵的资源，是认真在做，不是敷衍

时间线同向：据 Anthropic 官方公告及公开报道，Agent Skills 2025 年 10 月 16 日发布，2025 年 12 月 18 日开放为行业标准，48 小时内微软与 OpenAI 宣布支持，至 2026 年 3 月已有 32+ 工具兼容同一份技能文件。"没用了"的东西，不会在半年内长出包管理器经济。

边界必须划清：这是采用面数据，不是"取代"数据——论文口径是两者处于不同层、可以组合；个别系统如 Pi 实现了 skills 但明确不做 MCP，个别立场不是行业结论。

11 张选票，9 张投给 skills、8 张投给 MCP。争论"没用了"的时候，造这些系统的人已用代码投了票——这场投票没人开发布会，但票箱公开：源码就在那儿。

Skill 的本质：给通才的入职手册，不是给机器的程序

据 agentskills.io 官方规范，一个技能就是一个装着 SKILL.md 的文件夹：YAML 头部（文件开头几行配置）必填 name（≤64 字符）和 description（≤1024 字符），可带 scripts/、references/、assets/ 三个目录。

想象一个能力很强、但每天早上醒来就失忆的通才——skill 就是你递给他的入职材料，成立靠三个机制，缺一不可。

第一，渐进披露。元数据（名称加描述）约 100 token（AI 的文本计量单位），启动时全量注入；正文建议 5000 token 以内、不超过 500 行，任务匹配才读；深细节放 references/ 按需再读。据 Microsoft Learn 的 Agent Skills 文档，微软同样把加载拆成四步：广告、加载正文、按需读资源、按需跑脚本。本质是一件事：上下文预算管理。注意，description 不是简介，是路由键——它决定模型何时想起这份手册。

第二，模型驱动的路由与组合。何时用、用哪几个、什么顺序，由模型在运行时决定——这正是它和工作流相反的地方。

第三，知识与代码分工。判断留给模型，确定性的动作下沉为脚本。

第二条是所有争论的根。据 Anthropic 2024 年 12 月工程博客《Building effective agents》：工作流是 LLM（大语言模型）与工具按预先写死的代码路径编排，智能体是 LLM 自主决定过程与工具使用；同一篇文章还主张，确定性场景优先用工作流。第09篇聊过这条分界线（工作流是自动贩卖机，Agent 是员工），原话只有一句：下一步干什么，是人提前写死的，还是AI当场自己决定的。 skill 站在"当场决定"这一边：给模型弹药，不替模型扣扳机。

为什么有的 skill 会"没用"：三个下场，三个症状

现在可以正面回答那条帖子了。喊"skills 没用"的人，手里的 skill 大概率长这样：步骤 1 到 12 的流水账；满篇"必须"与"禁止"；用自然语言写伪代码。这不是手册，是抻长了的流程脚本。这种写法，有三个注定的下场：

• 脆：真实任务永远有脚本没想到的变体，一偏航就"AI 不听话"
• 贵：步骤越写越长，吃光上下文，模型的注意力被稀释
• 不泛化：模型本来能处理的变化，被脚本提前禁掉了

失败的是写法，不是机制。这个坑我自己踩过——第一版 skill 就写成了流程，程序员的本能，不是罪过；出路是改写法：流程挪进 scripts/，正文改写成判断依据。

出口句先立住：该写死的地方写死是纪律，不该写死的地方写死是偷懒（第57篇原句）。权限、留痕、格式校验本来就该写死——但写死的位置是 scripts/ 里的脚本，不是正文里的叮嘱。工作流也不是敌人：确定性部分下沉为脚本，正是它的位置；写过一堆流程文档的团队，东西不用作废。

一句话记住就行：手册写的是标准和坑，不是步骤；步骤交给脚本。

模型越强，手册越值钱，不是越不值钱

那条帖子真正的误判，是把两类知识混成了一类：模型会"怎么做"——通用能力，随升级增强；模型不会"在你这儿怎么算做对"——你的领域上下文、组织规矩、坑、工具入口，不随升级改变。第59篇把手册这件事讲透过（技能包是给 AI 写的手册），接着说一句：手册里"怎么做"那部分随模型贬值，"什么算对、哪里有坑"那部分不贬值。

新手需要菜谱，专家只需要被告知关键约束和坑——AI 正在从新手长成专家，手册从菜谱进化成简报，需求只增不减。资产账也算得过来：模型是 CPU，harness 是操作系统，MCP 是驱动，skills 是库；换 CPU 不用重写库，手册是可移植的资产层。把手册写成流程的批评者，是用批处理脚本的思路写应用。而 AI 已开始自己写手册：每次出错改一行，永不再犯——组织记忆的复利。

Skills 只是七个子系统之一：harness 工程登场

开头卖的关子，现在揭开：harness 是模型之外、把模型接到世界上的一切——循环、工具、上下文、安全控制、编排、扩展面；Harness 工程，就是设计和演进这个运行时的学科。论文的核心等式：Agent = Model + Harness。

据这篇论文的 2026 年 9 月版本：等式由 LangChain 工程系列在 2026 年初推广，"harness engineering"一词 2026 年 2 月进入流通（Mitchell Hashimoto 顺带提及，LangChain 的 Trivedy 定义阐述），这门学科"在 2026 年初被命名"。论文还把 11 个系统拆成七个子系统：Agent 循环、模型接入、工具与动作、记忆与上下文、安全与权限、编排（子代理）、可扩展性（配置、hooks（挂载点）、skills、插件、MCP），另有界面层与会话底座两个横切面。skills 住在"可扩展性"那一格，七个子系统之一；第09篇讲过的缰绳四件套（权限、审批、留痕、兜底），住在"安全与权限"那一格。

这门学科最反直觉的发现，是地板极低：Mini-SWE-Agent 用约 100 行代码实现了全部七个子系统——一个 while 循环、一个模板、一个工具、一条消息列表、两个上限、无编排——在 SWE-bench Verified（业界常用的编码能力基准测试）上的成绩，与比它大三个量级的系统处于同一区间（论文自注：自报数据、模型与日期不同）。但论文同时指出，区分地板与生产系统的，不是"能否完成任务"，而是安全、恢复、成本管理、可扩展性与平台化界面。

实践侧的对照也有了。据 OpenAI Codex 团队 2026 年公开分享（本文依据公开转述）：约 5 个月、约 100 万行代码、零行人工手写、约 1500 个 PR（合并请求，代码入库前的评审单），产品有内部日活用户和外部 alpha 测试者；人只做三件事——设计环境、说明意图、建反馈回路。架构约束写成自定义 linter（代码风格检查器）与结构测试，不写成提示词里的告诫；报错信息写成 Agent 能据此自修的说明；文档即知识库，AGENTS.md（仓库根目录给 AI 看的总说明）当目录；Agent 对 Agent 评审，人工评审变成可选。

另据公开转述的 OpenAI 2026 年 8 月平台发布说明：保留推理、上下文压缩等 harness 层优化，把某模型在 ARC-AGI-3（测通用推理的基准）上的分数从 13.3% 提到 38.3%，token 消耗降到约六分之一——同一个模型，换套环境，分数接近三倍。

这门学科的第一条思想，也是本篇最想留下的一句：模型是给定的，杠杆全在环境。 权重你改不了，环境全是你的：不在环境里的知识，对 AI 等于不存在；机械约束优先于口头告诫——一个报错附修法说明的检查器，胜过提示词里一百条"禁止"；没有闭环的 AI 不是员工，是生成器。

怎么写一个不会"没用"的 skill：六条清单

最后一个问题，最实际的一个。六条，当检查单用：

1. description 当路由键写：写清"什么任务该用它"，不是写简介
2. 正文写专家简报，不写流水账：目标、可检查的标准、坑、判断点、工具入口、自检方法
3. 确定性动作下沉脚本：能用代码检查的，不写成自然语言要求；脚本放 scripts/
4. 用正向约束加可检查标准，替代大段"禁止"：告诉它对的样子长什么样，比一百条"不许"管用
5. 主文件短，深细节放 references/：5000 token 以内是预算纪律
6. 每次失败改 skill，不加提示词补丁：补丁随对话消失，手册留下来

写的时候拿框架自查：给AI派活，说三样、备两样：说目标、标准、边界，备知识、工具。 skill 就是"备知识"的那一格。再检查标准与边界有没有放错：边界事前拦，标准事后验。"不能动生产数据"要写进权限拦住，不是写进正文祈祷；"输出要专业"要变成可检查的验收项，不是捆住手脚的禁令。

这套清单不只对程序员成立：老板给供应商、给员工写的需求文档，同理。

我自己就活在这套机制里

樊军刚AI 的日常交付，就运行在自研的AI军团Harness协作体系里：军长规划调度、士兵并行施工、条令铁律、反幻觉防线（不采信"已完成"的自报、必须附测试原始输出、施工与质检不是同一个脑子、失败升级）、135 项自动化验收。这些条令不规定任何一步怎么做，只规定什么算做完、谁来验、错了怎么升级——这正是 harness 级控制。

给企业做 AI 落地也是同一套思路：先备齐知识和工具，再谈让 AI 干活。单点场景3万起、2-4周上线；多场景组合与长期合作另有分期方案，大项目分期落地控风险——先验证最痛的点，跑通了再扩。

一句话总结：争论"有没有用"时，投票早已结束——9 比 8，票箱公开，源码可查；真正会"没用"的，是写成流程脚本的那种 skill。技术篇1聊过"都说微调已经没用了"，判据是 DeepSeek-R1 的流水线；本篇判据是 11 个系统的源码——方法相同：别看口号，看造东西的人在干什么。你手里那份 SKILL.md，就是你的选票。