惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

P
Palo Alto Networks Blog
P
Proofpoint News Feed
GbyAI
GbyAI
Microsoft Azure Blog
Microsoft Azure Blog
B
Blog
Google DeepMind News
Google DeepMind News
N
Netflix TechBlog - Medium
Recorded Future
Recorded Future
M
MIT News - Artificial intelligence
罗磊的独立博客
J
Java Code Geeks
月光博客
月光博客
F
Full Disclosure
博客园 - 聂微东
人人都是产品经理
人人都是产品经理
U
Unit 42
WordPress大学
WordPress大学
A
About on SuperTechFans
C
Cyber Attacks, Cyber Crime and Cyber Security
SecWiki News
SecWiki News
Security Latest
Security Latest
C
Check Point Blog
C
CERT Recently Published Vulnerability Notes
小众软件
小众软件
I
InfoQ
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
B
Blog RSS Feed
V
Visual Studio Blog
博客园_首页
NISL@THU
NISL@THU
I
Intezer
Spread Privacy
Spread Privacy
AWS News Blog
AWS News Blog
The Register - Security
The Register - Security
D
Darknet – Hacking Tools, Hacker News & Cyber Security
Latest news
Latest news
Project Zero
Project Zero
博客园 - 叶小钗
C
Cybersecurity and Infrastructure Security Agency CISA
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
P
Privacy International News Feed
博客园 - 【当耐特】
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
T
Threat Research - Cisco Blogs
Simon Willison's Weblog
Simon Willison's Weblog
T
Tor Project blog
V
Vulnerabilities – Threatpost
博客园 - 司徒正美
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
雷峰网
雷峰网

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
AI不再“全能”,却更强大:Skill如何让AI真正“有用”
彭丹萍 · 2026-01-22 · via 人人都是产品经理

AI发展的新篇章正在被Skill(技能)重新定义。从ChatGPT到Claude,通用AI虽然看似全能,却在专业领域频频露怯。本文深度剖析Skill如何将AI从“什么都会一点”的尴尬境地,推向“精准调用专家”的实用时代,揭示这场从技术架构到商业生态的颠覆性革命。

引言:那个“万能AI”的梦想,我们实现了,也没实现

曾几何时,我们想象的人工智能是电影里的那种——一个系统能做任何事,从写诗到造火箭无所不能。今天,我们确实有了看似“全能”的AI:它们能对话、能写作、能编程。但当你真的让ChatGPT帮你分析股票,或者让Claude帮你诊断医疗报告时,你会发现:它懂一点,但不够深;它会一些,但不够专。

这不是AI的失败,而是一个重要认知的诞生:真正的智能,不是“什么都会一点”,而是“在需要时,能找到对的专家”。

而让这个认知成为现实的,就是Skill(技能)

第一部分:为什么“全能”AI反而不够用?

尴尬的瞬间

想象一下:你问一个AI助手:“我的股票组合该调整吗?”它给你一个基于公开信息的分析,听起来头头是道。但如果你接着问:“基于我的风险承受等级R3和最近的市场波动率变化,我的ETF配置该如何再平衡?”——这时,通用AI往往就开始“打太极”了。

问题不在于AI不聪明,而在于:

  • 知识广度 vs 专业深度:大模型训练了几乎整个人类知识,但每个领域都只是“了解”,不是“精通”
  • 静态知识 vs 动态现实:模型训练时的数据,跟不上今天的股价、昨天的法规、一小时前的新闻
  • 通用逻辑 vs 专业规则:医疗诊断不只是知识问答,更是严谨的流程、验证和伦理考量

医生的比喻

如果把今天的通用大模型比作一个刚毕业的医学博士:

  • 他知道所有基础医学知识
  • 他能理解你的症状描述
  • 但他没有临床经验,没有最新诊疗方案,不能开处方

你需要的是专科医生——这就是Skill。

第二部分:Skill是什么?简单到惊人的概念

最朴素的解释

Skill就是一个“小专家”模块,专门解决一类特定问题。

不是一个完整的AI

不是一堆知识

而是一个功能包:有输入、有处理逻辑、有输出

生活中的类比

Skill的三要素

专业化能力:在某个领域达到“可用级”甚至“专家级”

标准化接口:像USB接口一样,能“即插即用”

独立性:可以单独开发、测试、更新、部署

第三部分:Skill如何让AI从“聪明”到“有用”?

案例:AI财务顾问的进化

没有Skill的时代:

用户:帮我分析下该不该买特斯拉股票?

AI:特斯拉是一家创新的电动汽车公司,近年来股价波动较大… (回答正确但无用)

有Skill的时代:

用户:帮我分析下该不该买特斯拉股票?

AI思考:

1. 调用[股票数据分析Skill] → 获取实时股价、财务指标

2. 调用[市场情绪分析Skill] → 分析社交媒体和新闻情绪

3. 调用[风险评估Skill] → 结合用户风险偏好评估

4. 调用[合规检查Skill] → 确保建议符合监管要求

最终输出:基于您的风险等级R3,目前特斯拉的PE比为…建议…

Skill带来的根本改变

1. 深度代替广度

以前:AI知道10000个领域,每个懂10%

现在:AI知道100个领域,通过Skill在每个领域懂90%

2. 动态代替静态

通用模型:训练一次,知识定格在某个时间点

Skill体系:财务Skill可以实时连接市场数据,医疗Skill可以更新最新指南

3. 可验证代替“黑箱”

你可以审核:这个医疗诊断Skill基于哪些指南?

你可以验证:这个代码生成Skill符合公司规范吗?

你可以信任:这个财务建议Skill通过了合规认证

第四部分:不只是技术,更是生态革命

Skill经济的诞生

当Skill成为标准组件,一个全新生态系统就会出现:

开发者:专注于开发最好的“天气预报Skill”

企业:购买“客户服务Skill”集成到自己的系统中

用户:订阅“个人投资顾问Skill”组合

平台:提供Skill市场和安全运行环境

人人可参与的AI时代

没有Skill生态时:

只有大公司能开发完整AI系统

小团队难以参与

有了Skill生态后:

一个3人团队可以开发出世界一流的“法律合同审核Skill”

这个Skill可以被集成到100家不同公司的AI系统中

开发者获得回报,用户获得价值,生态良性循环

现实世界的信号

看看行业动向,就知道这不是理论:

  • Anthropic推出MCP协议:就是为了标准化Skill连接方式
  • OpenAI的GPT Store:本质就是Skill市场
  • 微软Copilot的插件生态:让第三方扩展AI能力
  • 各大云平台的AI服务:都在提供可集成的AI“技能包”

第五部分:当AI拥有Skill,会发生什么?

对我们普通人

更靠谱的AI助手:

你的AI健身教练真的懂运动科学

你的AI学习导师真的了解教学法

你的AI旅行规划师真的能订到票

更安全的AI:

敏感操作(如转账)通过专门的、高度安全的Skill处理

医疗建议来自认证的医疗Skill,而不是通用模型

对企业

降本增效的真实路径:

# 以前:自研全套AI系统,成本高、周期长

# 现在:集成现有Skill,快速搭建

企业AI = 基础对话能力 +

客户服务Skill +

产品推荐Skill +

数据分析Skill +

行业定制Skill

灵活性与可控性:

  • 可以更换表现不佳的单个Skill
  • 可以随着业务增长增加新Skill
  • 可以严格控制每个Skill的权限

对开发者

从“造汽车”到“造发动机”:

以前:必须造整辆车(完整AI系统)

现在:可以只造最好的发动机(专业Skill)

更清晰的商业模式:

一个优秀的“设计图生成Skill”可以卖给无数家设计公司

一个精准的“供应链预测Skill”可以服务整个行业

第六部分:挑战与未来

Skill也不是万能药

当前的挑战:

  • Skill之间的协作:多个Skill如何无缝配合?
  • 质量控制:如何确保Skill市场的质量?
  • 安全问题:恶意的Skill怎么办?
  • 成本问题:调用多个Skill的成本控制?

但趋势已经清晰

未来的AI架构很可能走向:

基础通用智能(大脑) + 专业化Skill网络(四肢与工具)

这实际上模仿了人类智能的工作方式

  • 我们的大脑(基础模型)处理通用认知
  • 我们通过学习和工具(Skill)获得专业能力
  • 我们协作(多个Skill配合)解决复杂问题

结语:AI的“成人礼”

通用大模型的诞生,像是AI的“青春期”——充满了可能性,但还不够稳定可靠。

Skill的出现,则是AI的“成人礼”——它意味着AI开始:

  • 承认局限(我不是万能的)
  • 寻找协作(我需要专业工具)
  • 承担责任(我的每个建议都可追溯、可验证)
  • 创造价值(真正解决具体问题)

最好的AI,不是那个能回答所有问题的“百科全书”,而是那个在需要时,能为你找到并协调最合适专家的“智能协调者”。

而这,正是Skill要实现的未来:一个不再追求“万能”,因此真正强大有用的AI时代。

本文由 @彭丹萍 原创发布于人人都是产品经理。未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。