给AI装的技能包，不是越多越聪明

本月照例整理一遍自己给AI配的说明文件，把目录拉出来数了一遍：大大小小快三十个，一多半点开都想不起当初为什么写。这些东西专业叫法是Skill，写的时候图省事，总觉得"多总比没有强"，从没回头算过这笔账。

这次算账，是因为翻到两组第三方评测数据，越看越觉得脸有点发烫。

Skill到底是什么？我平时用Claude Code和Codex这两个AI编程助手写代码、跑脚本，它们能力很强，但完全不知道我电脑上文件放在哪个目录、我账号下有哪套固定流程、上次踩过什么坑该怎么绕开。Skill就是把这些它自己猜不出来的东西写成一份文档喂给它——本机路径、真实的接口协议、确定性的操作步骤，写清楚一次，它下次就不用重新试错。

会有这东西，是因为AI用顺手之后，重复的活越来越多：同一个目录结构要交代好几遍，同一条部署命令每次都要现教。写一份Skill，等于把这些交代一次性焊死。第一次这么干确实省了不少来回。

于是就上瘾了。碰到新场景就想着"要不要也给它写一份"，写着写着，Skill目录就跟很多人手机里的APP一样，装的时候图省事，很少往外删，越攒越多。

真正让我脸发烫的是两组评测。第一组叫SkillsBench，结论是好的：精选出来的一小组Skill，能把AI任务的平均通过率从33.9%拉到50.5%，差不多提了一半，说明Skill这东西确实有用，不是玄学。

第二组叫SWE-Skills-Bench，测的是49个真实的Skill，结果没那么体面：39个压根没带来提升，剩下的平均增益只有1.2%——相当于一大半是白装的，装了跟没装区别不大。更扎心的是里面3个版本对不上号的Skill：不仅没帮上忙，反而让成绩最多倒退10%，每次调用的token开销最高涨到451%，四倍半的账单，买回来一个更笨的AI。往更大的池子看，从3.4万个真实Skill里做自动检索，收益同样是递减的，不筛不炼，装得越多噪音越大。

数字不会骗人：Skill这东西不是攒得越多越保险，装错了、装老了，是在实打实地拖累它。

看完这两组数据，我把自己那快三十个Skill又过了一遍：本机路径对得上、能稳定复现的留着；说了等于没说的、好久没跑过的，先关掉不急着删——万一哪个项目专属的还在悄悄被用着，删了没地方后悔去。这跟很多人给ChatGPT塞满插件、给Cursor挂一串MCP服务器是同一个毛病：装的时候图省事，觉得多总比少强，没人回头算过账单和成绩单。

下次做这轮整理，我要盯的是同一份清单会不会又不知不觉长回三十个。