קלוד的技能框架悄然成为行业标准

当Anthropic在十月推出Skills时，其公告读起来像是一个小众的开发者功能。两个月后，OpenAI采用了相同的架构——这种悄然的趋同揭示了AI智能体发展方向的重大意义。

Skills看似简单：它们是包含Markdown文件的文件夹，用于告诉AI系统如何执行特定任务。但两大主要AI实验室都采纳了它，这表明行业已经对一个基本问题找到了共同的答案：如何让AI助手在专业化工作中始终保持良好表现？

OpenAI刚刚做了什么

开发者Elias Judin在12月12日试验ChatGPT的Code Interpreter时发现了OpenAI的实现。通过提示模型创建其/home/oai/skills目录的zip文件，他发现了用于PDF、电子表格和文档的文件夹——每个文件夹都包含结构上与Anthropic规范完全相同的指令文件。

同样的架构在两周前通过一个名为“feat: experimental support for skills.md”的拉取请求，出现在OpenAI的Codex CLI工具中。该实现与Anthropic的方法如出一辙：技能位于本地目录（~/.codex/skills），每个技能由一个包含元数据和指令的SKILL.md文件定义。

OpenAI尚未正式宣布此功能。但它在ChatGPT和Codex中的出现表明这是一种深思熟虑的策略，而非实验。

Skills为何重要

传统上让AI更擅长特定任务的方法涉及微调——这是昂贵且耗时的、基于专业数据的模型训练。Skills提供了一种更轻量级的替代方案：仅在相关时加载的指令和资源。

Anthropic的工程团队将其设计原则描述为“渐进式披露”。每个技能在摘要时仅占用几十个令牌，完整细节仅在任务需要时才加载。这解决了一个实际问题：上下文窗口是宝贵的资源，将每个可能的指令塞进每个请求会浪费资源。

这种架构之所以有效，是因为现代AI模型能够动态读取并遵循指令。一个用于PDF处理的技能可能包含首选库、边缘情况处理和输出格式——这些信息仅在处理PDF时模型才需要。

趋同的故事

OpenAI采纳Anthropic的方法本身并不罕见。AI实验室经常从彼此已发表的工作中学习。值得注意的是结构上的同一性：相同的文件命名约定、相同的元数据格式、相同的目录组织。

这种兼容性可能意味着为קלוד קוד编写的技能可以与OpenAI的Codex CLI协同工作，反之亦然。开发者可以像npm包一样在GitHub上共享技能。生态系统变得可互操作，而非碎片化。

这一时机与更广泛的标准化努力相吻合。Anthropic于12月9日将Model Context Protocol捐赠给了Linux基金会，并且两家公司都与Block共同创立了קרן סוכנית לבינה מלאכותית。Google、Microsoft和AWS也作为成员加入。

该基金会将负责管理MCP、Block的goose项目以及OpenAI的AGENTS.md规范。Skills自然契合这一标准化推动——它们是跨平台工作的可复用能力模块。

这对AI编码工具意味着什么

技能架构对AI编码工具最为重要，在这些工具中，专业知识能显著提高输出质量。一个用于React开发的技能可能指定组件模式、状态管理偏好和测试约定。一个用于数据库迁移的技能可能包含安全检查与回滚程序。

像Cursor这样的AI编码初创公司已经围绕使AI对特定开发任务更有用来建立业务。技能框架为模型提供商提供了一种标准化的方式来提供类似的定制功能——根据执行情况，这可能会威胁或补充第三方工具。

对于企业开发者而言，可互操作的技能意味着机构知识变得可移植。公司内部的编码标准、安全要求和工作流偏好可以被编码一次，并应用于团队使用的任何AI工具。

战略潜台词

OpenAI的采纳具有战略意义。该公司历来偏爱专有方法——GPT Actions、自定义GPT、平台特定集成。Skills代表了一种转向，即采用跨工具工作的开放标准。

一种解读是：OpenAI认识到，在现阶段，开发者生态系统比专有锁定更重要。如果技能成为标准，兼容性比控制规范更重要。

另一种解读是：要与Anthropic的开发者体验竞争，就需要匹配其功能。Claude Code增长迅猛，达到了10亿美元的年化收入并集成到Slack中。Skills是使Claude Code有用的部分原因；OpenAI需要做出回应。

事实可能同时包含这两个因素。AI实验室在基准测试和能力上激烈竞争，同时在有利于所有人的基础设施标准上进行协作。Skills属于第二类。

接下来会怎样

眼前的机遇是一个技能市场——开发者可以在GitHub仓库中共享用于常见任务的专用指令集。Anthropic已经有一个anthropics/skills仓库。预计OpenAI会跟进，社区贡献的技能也会激增。

更长期的问题是技能将如何深度集成到AI产品中。目前，它们主要与使用CLI工具的开发者相关。但同样的架构可以为消费产品中的定制化提供动力——个性化的写作助手、专业的研究工具、特定领域的聊天机器人。

就目前而言，在技能上的趋同代表了AI领域罕见的现象：竞争公司一致认为标准化对所有人都有利。这种合作是否会扩展到其他有争议的领域——安全标准、能力披露、部署指南——仍不确定。

但对于在AI平台上进行构建的开发者来说，信息很明确：技能正在成为基础设施。现在学习编写它们，意味着为未来AI工具的工作方式做好准备。