大模型开始吃掉Skills

模型越强，那些通用型Skills就越没有存在必要。那么，哪些Skills还值得做、值得保留？

Key Takeaway

• 模型正在吃掉通用Skills：Fable 5和GPT-5.6等新一代强模型的原生能力，已能直接完成过去需要专用PPT Skills或Superpowers等重约束工具才能做好的复杂任务。很多通用型、流程说明型、角色扮演型的Skills正在快速贬值和被取代。

• 仍有长期价值的5类Skills：工具操作型（模型不知道怎么调用本地CLI/API/MCP）、专有方法论型（个人定义的判断体系）、高风险强约束型（投资等代价高的场景）、确定性生产型（需机器可验证格式）、项目知识与组织协议型（团队/项目特定规则）。这些是模型短期内难以完全替代的。

• 核心是保留判断力而非堆工具：好的Skill不是让模型替你思考，而是把你已经想清楚的判断、工作流和方法论固化下来。最终拉开差距的不是拥有多少外挂工具，而是你是否保留了定义问题、定义标准和最终判断的能力。

---

当模型进化之后，很多Skills就没有存在的必要了。

我之所以会有这个结论，起因是最近我在测试各种做PPT的Skills，尤其是很多国内开发者做的Skills。试了一圈下来，还是比较失望的。就像我在星球里说的：

大多数人其实完全不懂PPT。他们觉得PPT最重要是“好看”。其实，PPT的核心是视觉逻辑，包括前后要一致，要引导用户关注重点，等等。

相对做得比较好的，是PPT Master。但即使是这个，我也得跟它强调要修复哪里才能做得好。

就在我准备放弃的时候，突然想到，还有新出的Fable 5这个模型啊。如果我让顶级模型直接“手搓”，效果会怎么样？

你看，Fable接到需求后，开始写代码。它打算用Python脚本来实现这个PPT。

等了10分钟，一份10页的PPT就做好了。说实话，我是很惊喜的——这是我第一次看到AI做PPT开始接近人的水平。如果再对比那些所谓专业PPT Skills的成果，差距非常明显。

之前我们总说，每次模型升级，都会有一堆创业项目挂掉。因为他们创业所瞄准的垂直赛道被升级后的模型吃掉了。现在，轮到Skills了。

其实不只是PPT Skills不再被需要了，还有之前非常非常火的Superpowers。它的核心作用是给AI强行装上“资深工程师工作流”，让AI自己约束自己去做高质量、少bug的开发。

之前这种做法很有效。因为早期模型的智能有限，很容易跑偏、漏掉细节等等。Superpowers通过强制手段，确实能大幅提升复杂项目的成功率。

但到了Fable 5和GPT-5.6这一代模型，它们的理解能力和自主规划能力已经大幅提升。很多时候，你直接给出清晰的需求，让它们自己拆解，效果已经不错，不再需要那么重的外部约束。

而且，现在这些模型都挺贵的。用Superpowers的话，会强制生成非常长的Plan、走很多步。这反而更慢、token消耗更高，特别笨重、划不来。

所以，我前两天就在newtype知识星球里说：建议大家去筛查一遍已经安装的Skills。比如可以让Codex自己检查，然后把不需要的都删了。

像我就让Codex做了一次“大扫除”。不只是Skills，连一些不常用的插件也可以禁用掉。这一套下来，真的可以省不少Token。

模型越强，越多通用能力会被它吃掉。那么，什么样的Skills还值得做、值得存在呢？我认为有这五种。

第一，工具操作型。

模型知道“应该做什么”，但不知道本地工具具体“怎么做”。比如调用特定 CLI、API、MCP等等。这类Skills的生命周期最长。

比如我做的newtype Cut，它的核心价值不是“教模型剪视频”，而是Whisper、时间码、FCPXML、达芬奇导入以及素材保护之间的可靠工作流。

第二，专有方法论型。

它不是通用投资、通用写作知识，而是你定义的一套判断体系。

比如我做的newtype AI Stack，它定义了七层产业链，包括稀缺性迁移等方法论，专门用来指导AI产业链投资。

第三，高风险、强约束工作流。

有些工作的代价很高。比如投资，包括投研的数据来源、时效要求，财务数据是优先用哪家的，等等。对于这种工作，Skills仍然很有必要。

第四，确定性生产型。

凡是要求输出必须满足机器可验证格式，最好用Skill加脚本。

因为模型进化主要提升判断力，但不会完全消除随机性。脚本可以把“每次重新生成代码”变成“执行已经验证过的工具”。

第五，项目知识与组织协议型。

模型不可能知道你的团队、项目和长期约定。比如，项目的命名、目录、交付和归档规则。

这个时候，就需要一个Skill来作为路由器，决定什么时候启动什么工作流。

Skills曾经是模型智能不足时的“外挂”。现在模型够强了，这些外挂就可以拆掉或者大幅减重。尤其是那些通用能力说明、纯角色扮演、宽泛流程的Skills，完全没有存在必要。

我认为，未来最好的Skill更像一个轻量操作系统入口：短路由、少量边界、按需参考资料、可执行脚本和明确验证，而不是一篇教模型如何成为专家的长提示词。

但更底层的问题其实不是Skills会不会被模型吃掉，而是：你到底把什么东西外包给了AI。

如果你外包的是执行，那没问题。执行本来就应该交给机器，越自动化越好。但如果你外包的是判断、审美、问题定义和价值排序，那就危险了。因为这些东西一旦被外包，你就是在一点点放弃自己的主体性。

所以我现在看Skills，不再看它是不是“很强大”，而是看它有没有帮我沉淀自己的判断。一个好的Skill，不应该替我思考，而应该把我已经想清楚的东西固化下来，让模型更稳定地执行我的意志。

这也是我一直说的newtype。所谓newtype不是拥有最多工具的人，而是能定义问题、定义工作流、定义自己和AI关系的人。模型会吃掉越来越多工具，但它吃不掉你真正内化的判断力。当然，前提是，你真的有判断力。

OK，以上就是本期内容。想了解AI，想夺回个体主权，想找到志同道合的人，就来我们newtype社群。那咱们下期见！