最近又有一个新的AI技术火起来，Claude发布的skills，到处在说skills怎么怎么强大，还有“过气网红”mcp，傻傻分不清。
这两者之间有什么关系，又是如何和大模型打配合的呢？
其实有个很好理解的类比，如果你要安装一把椅子，你可以把大模型看作大脑，用于思考、指挥，mcp则是螺丝刀、扳手等各种工具，而skill是安装说明书，告诉你每一步该怎么做，非常清晰。
有了大模型、mcp、skills后，AI就可以执行各种复杂的任务，不会轻易出错，也能保证一致性。
我猜测skills在两三年内会逐步替代n8n、dify这类工作流应用，先会覆盖简单粗糙的场景，随着模型的和mcp的完善，skills可以做工作流能做的任何事。
1、工作流是反人性的，首先配置节点的难度并不低，极度依赖人工，其次稳定性和流畅性不高，不适合大型高并发的应用，不如代码开发，而demo级别的应用其实现阶段skills或者其他工具就可以搞定。
2、skills很简单，就是用自然语言发出指令，而且可以封装流程、脚本、模版等，能重复利用，和工作流基本一致，又不需要你部署节点。
3、mcp可以帮助skills解决api接口的问题，能直接用外部的工具和数据，也基本不需要手工配置。
4、skills是由AI调用的，能脱离人自主判断，会随着模型的发展迭代，上限非常高，这才是agent的初级形态。
最后skills非常依赖大模型，不同的模型出来的结果天壤之别，可以多在几个头部模型去跑。
其实现在很多人还没有对skills有足够的重视，以为它就和mcp一样不温不火，如同鸡肋，其实skills有三点堪称变革性的影响。
1、skills让ai大模型第一次可以稳定地、规范且专业地用于干活生产，而不是仅限于聊天、娱乐，就像是计算机有了软件。不假时日，skills会用于各行各业。
2、skills减少了上下文的冗余，以及不再依赖消耗更多的tokens来获取精准的答案，因为之前大模型是一股脑的输出代码、指令，但skills做了个技能“抽屉”，用哪个就打开那个抽屉，这叫精准的按需加载，既能省钱还能提高干活的效率、准确性。
3、skills打通了大模型、代码、MCP、提示语、知识库、工作流等之间的壁垒，仅通过md文档，就能集齐“八大门派”，让ai做按你的需求任何事情，这大大降低了ai用于生产的门槛，任何人都可以用ai定制复杂的系统。（注意和ai聊天不是用于生产）
所以对于普通人来说，skills是个很好的机会，甚至说千载难逢的机会，因为生产方式正在被ai颠覆，传统的技能优势（比如代码、画画、音乐）可能会转向skills，可以等等看，让子弹飞一会儿。
那如何学习skills呢？首先要用起来，在claude code上搭建一个简单的skiils，这就是最好的学习。
你还可以去github等网站去看看各种skills，保证会获益匪浅，比如有一个汇总skills的超全网站-skillsmp，它涵盖了GitHub上开源的各种主流skills，足足有8万个。
其中既有Claude原厂出品，也有Dify、PyTorch等开源团队的skills，比如Dify的skill-creator就很火，专门用来帮你构建模型可用的skill。
还有现在爆火的notebooklm，也有skill可用，支持通过claude code来访问notebooklm，上传文件、生成ppt等，挺好玩的。
我常常说要学会玩这些ai的新玩意儿，说不定你的某项工作就完全可以被skill替代，现在你是主动的用ai去解决问题，不要等到以后被ai解决（替代）了。
