为什么你必须把 Agent Skills 开发，变成严谨的软件工程?（限时试读）

大家好，我是Tony Bai。

我是你的老朋友，一个正在被 AI 疯狂“内卷”的程序员。

如果你最近几个月一直在使用 Cursor、Claude Code 或者其他各种 AI 编程助手，你大概率会经历一个情绪的“过山车”：

第一天：“卧槽，太牛了！这代码它自己就写完了！”

第一周：“等等，这段逻辑有点怪，我得去修一下它的 Bug。”

第一个月：“崩溃了……我给它写了 500 行的 Prompt，它还是会在同一个地方犯错。而且，它昨天明明写对了，今天稍微换个问法，它又按老套路瞎编了一遍！”

这就是我们当前面临的真实困境。

我们正处在一个尴尬的过渡期：AI 写代码的速度远远超过了我们人类 Review 和兜底的速度。当我们试图用更长、更复杂的 Prompt 去控制 AI 时，我们发现自己变成了一个“疲于奔命的手工作坊老板”。

你精心雕琢的 Prompt，就像是一本厚厚的员工手册。你把它塞给一个记忆力只有 7 秒、充满迷之自信、速度极快的“初级天才开发”。结果就是，他偶尔能超常发挥，但大多数时候，他会把事情搞砸，而且你根本不知道他为什么搞砸。

靠“玄学 Prompt”来驱动 AI 的时代，已经一去不复返了。

为什么你觉得无力？因为你在用“黑盒”对抗“黑盒”

为了解决这个问题，业界开始推出各种“技能（Skill）”或者“智能体（Agent）”框架。你可以把一套工作流、最佳实践、甚至是工具库打包成一个 Skill，让 AI 在需要的时候调用。

这听起来很完美，对吧？

于是，你开始尝试用一些自动化工具（比如 Anthropic 的skill-creator或者各种自研的 Agent 平台）来帮你写 Skill。你输入一句“帮我写一个分析日志的技能”，工具咔咔咔一顿输出，生成了一堆配置文件和 Markdown。

你测试了一下，好像能用。

但当你把它投入真实的生产环境时，灾难开始了：

• 触发率成迷：用户明明说了“帮我看看日志”，AI 却死活不加载这个 Skill。

• 指令“漂移”，输出不稳定：面对结构稍微不同的日志，它就开始胡编乱造。

• 薛定谔的复现率：同一个任务，昨天它完美执行，今天你稍微换了个问法，它就彻底无视了整个 Skill 的存在，开始自由发挥。

• 难以迭代：你想加个新功能，结果旧功能莫名其妙就退化了。

面对这些自动生成的代码和配置，你感到一种深深的无力感。因为对你来说，这个 Skill 是一个“黑盒”，而生成它的那个工具，是另一个“黑盒”。

当系统出问题时，你甚至不知道该修改哪一行字。

打破黑盒：把 AI 技能开发，变成严谨的软件工程

如果我们要真正驾驭 AI，让它成为我们可靠的队友，而不是一颗随时会爆的定时炸弹，我们就必须抛弃“调包侠”和“按键猴子”的心态。

我们需要将 AI 技能（Agent Skill）的开发，视为一项严肃的软件工程。

这也是我策划这门微专栏的初衷。我将它命名为：《打破黑盒：用工程思维构建工业级 Agent Skill》。

在这门专栏中，我不会教你那些几个月后就会失效的“Prompt 奇技淫巧”。相反，我将带你深入底层，拆解一个高质量工业级 Skill 诞生的全生命周期。

我的核心观点只有两个：

1. 不要逆势而为，必须“用 AI 制造 AI”。面对复杂的上下文和多步推理，人类的手写能力已经触及天花板。我们必须学会熟练使用类似skill-creator这样的自动化工具，利用多智能体协作（Multi-Agent Collaboration）来帮我们生成、测试和优化 Skill。

2. 绝不接受“黑盒”。我们必须站在“上帝视角”，深刻理解这些自动化工具内部的运行机制。我们需要知道：

• AI 是如何“阅读”和“加载”一个技能规范（Spec）的？

• 在自动化测试中，那个负责打分的“裁判智能体（Grader）”是按照什么标准来评判好坏的？

• 当需要评估两个版本哪个更好时，那个“盲测智能体（Blind Comparator）”是如何排除偏见，给出量化数据的？

• 最后，那个负责迭代的“分析师智能体（Analyzer）”是如何通过分析执行轨迹（Transcript），找出失败的根本原因，并给出改进建议的？

只有看懂了裁判的打分规则，你才能写出满分的卷子。只有理解了系统底层的齿轮是如何咬合的，你才能在遇到触发率低、输出不稳定等问题时，精准地进行降维打击，而不是像无头苍蝇一样乱改 Prompt。

你将在这个微专栏中获得什么？

这门专栏共 7 讲，每一讲都是一次认知升级和实战演练：

• 第 1 讲 | 开篇：手工作坊的终结，为什么你必须学会“用 AI 制造 AI”？（就是你现在看到的这篇）

• 第 2 讲 | 拆解 Skill Spec：揭秘 AI “理解”与“按需加载”技能的底层逻辑

• 第 3 讲 | 启动引擎：从“模糊意图”到“高潜草稿”的自动化生成之路

• 第 4 讲 | 拒绝玄学：构建可量化的 Eval 断言与全自动测试流水线

• 第 5 讲 | 盲测与进化：让 AI 裁判自己证明“新版本比老版本强”

• 第 6 讲 | 榨干最后 1% 精度：用数据驱动的 Benchmark 彻底解决触发难题

• 第 7 讲 | 交付与升华：从打包部署到构建“人机混合”的新一代研发体系

我希望，通过这门专栏的学习，你能完成从“被 AI 牵着鼻子走的打字员”到“能够指挥一支硅基研发车队的超级架构师”的蜕变。

在这个全新的时代，代码的生成速度不再是壁垒，如何定义规范、如何编写断言（Assertions）、如何设计基准测试（Benchmark）、如何建立评估体系（Eval），才是工程师真正的护城河。

准备好打破黑盒，迎接挑战了吗？

👇👇👇

立即点击此处订阅专栏，或者扫描下方二维码，让我们一起，用工程思维，重新定义 AI 时代的开发范式！

如果本文对你有所帮助，请帮忙点赞、推荐和转发！

点击下面标题，干货！

- 还在当“上下文搬运工”？我写了一门课，帮你重塑AI开发工作流

- 都在用 OpenClaw 跑 Skill，但你写的“技能”为什么总让 AI 频繁罢工？

- 继 MCP 之后，Anthropic 再放大招：Agent Skills 正式发布为开放标准！

- 停止“氛围编程”（Vibe Coding），拥抱新一代软件工程

- 打破“知识诅咒”：资深架构师在 OpenClaw 浪潮中的掉队与反思

🔥 还在为“复制粘贴喂AI”而烦恼？我的新极客时间专栏《AI原生开发工作流实战》将带你：

• 告别低效，重塑开发范式

• 驾驭AI Agent(Claude Code)，实现工作流自动化

• 从“AI使用者”进化为规范驱动开发的“工作流指挥家”

扫描下方二维码👇，开启你的AI原生开发之旅。