Claude 的技能框架悄然成为行业标准

当 Anthropic 推出 Skills 时，宣布看起来像是一个针对开发者的特色功能。两个月后，OpenAI 采用了相同的架构——这种安静的趋同揭示了 AI 代理的发展方向中的一些重要事情。

Skills 看似简单：包含 Markdown 文件的文件夹，告诉 AI 系统如何执行特定任务。但是，它们被两个主要的 AI 实验室采用，表明该行业已经找到了一个共同的答案：如何使 AI 助手在专门的工作中始终保持良好的表现？

OpenAI 刚刚做了什么

开发人员 Elias Judin 在 12 月 12 日发现了 OpenAI 的实现，当时他正在尝试使用 ChatGPT 的代码解释器。通过提示模型创建其 /home/oai/skills 目录的 zip 文件，他发现了 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 规范相同的指令文件。

同样的架构两周前出现在 OpenAI 的 Codex CLI 工具中，通过一个名为 “feat: experimental support for skills.md” 的 pull 请求。该实现镜像了 Anthropic 的方法：技能存储在本地目录中 (~/.codex/skills)，每个技能由一个 SKILL.md 文件定义，包含元数据和指令。

OpenAI 尚未正式宣布此功能。但是，它在 ChatGPT 和 Codex 中的存在表明这是一个刻意的策略，而不是实验。

为什么技能很重要

传统的方法是通过微调使 AI 更好地执行特定任务——这需要昂贵且耗时的模型训练和专门的数据。技能提供了一个更轻量的替代方案：仅在相关时加载的指令和资源。

Anthropic 的工程团队描述了设计原则为 “渐进式披露”。每个技能在总结时只需要几十个令牌，完整的细节仅在任务需要时加载。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入每个请求中会浪费资源。

该架构之所以有效，是因为现代 AI 模型可以动态地读取和遵循指令。处理 PDF 的技能可能包括首选库、边缘情况处理和输出格式——模型仅在处理 PDF 时需要的信息。

趋同的故事

OpenAI 采用 Anthropic 的方法并不是孤立的。AI 实验室经常从彼此的已发表工作中学习。值得注意的是结构上的相同性：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 Claude Code 编写的技能可以与 OpenAI 的 Codex CLI 一起使用，反之亦然。开发人员可以像 npm 包一样在 GitHub 上共享技能。生态系统变得可互操作，而不是碎片化。

这一时机与更广泛的标准化工作相吻合。Anthropic 于 12 月 9 日将 Model Context Protocol 捐赠给 Linux 基金会，两家公司与 Block 一起共同创立了 Agentic AI 基金会。Google、Microsoft 和 AWS 加入为成员。

该基金会将管理 MCP、Block 的 goose 项目和 OpenAI 的 AGENTS.md 规范。技能自然适合这种标准化推动——可重用的能力模块，可以跨平台工作。

这对 AI 编码工具意味着什么

技能架构最重要的方面是 AI 编码工具，在那里，专门的知识会显著提高输出质量。React 开发的技能可能会指定组件模式、状态管理首选项和测试约定。数据库迁移的技能可能包括安全检查和回滚程序。

像 Cursor 这样的 AI 编码初创公司已经建立了业务，以使 AI 更适用于特定的开发任务。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自定义——这可能会威胁或补充第三方工具，取决于执行情况。

对于企业开发人员，互操作的技能意味着机构知识变得可移植。公司的内部编码标准、安全要求和工作流首选项可以编码一次并应用于团队使用的任何 AI 工具。

战略性暗示

OpenAI 的采用带有战略意义。该公司历史上偏爱专有方法——GPT Actions、自定义 GPT、平台特定集成。技能代表了一个转向开放标准的转变，这些标准可以跨工具工作。

一种解释是：OpenAI 认识到，在这一阶段，开发者生态系统比专有锁定更重要。如果技能成为标准，那么兼容性比控制规范更重要。

另一种解释是：与 Anthropic 的开发者体验竞争需要匹配其功能。Claude Code 已经激进地发展，达到每年 10 亿美元的收入，并集成到 Slack 中。技能是使 Claude Code 有用的组成部分；OpenAI 需要做出回应。

真相可能包括两个因素。AI 实验室在基准和能力方面竞争激烈，同时在对所有人都有益的基础设施标准方面进行合作。技能属于第二类。

接下来会发生什么

眼前机会是一个技能市场——GitHub 存储库，开发人员在其中共享常见任务的专门指令集。Anthropic 已经有一个 anthropics/skills 存储库。预计 OpenAI 将遵循，预计社区贡献的技能将大量涌现。

长期问题是技能将如何深入集成到 AI 产品中。目前，它们主要与开发人员使用 CLI 工具相关。但是，相同的架构可以为消费者产品提供定制——个性化的写作助手、专门的研究工具、特定领域的聊天机器人。

就目前而言，技能的趋同代表了 AI 领域中的一件罕见的事情：竞争公司同意标准化可以服务所有人。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——仍然不确定。

但是，对于在 AI 平台上构建的开发人员来说，信息很明确：技能正在成为基础设施。现在学习编写技能意味着为 AI 工具的未来做好准备。