SKILL 装太多可能降智？一篇文章说清楚

很多人看到一个 Skill 觉得能用上就装一个，感觉自己拥有了一个专家团队。但 Skill 越装越多，AI 不一定更强，反而开始乱调用、忘记要求、变慢、输出不稳定。

原因有几个：

1. 每个会话启动时，所有 Skill 的名称和描述都会加载进上下文，模型就靠这几行描述判断该用哪个。同类任务装了七八个设计 skill，调用时互相打架，结果就不稳定、四不像。
2. 有些 skill 本来就不适合你。官方写 skill 的默认假设是「Claude 已经很聪明，只补它不知道的上下文」——普适的能力早就内置在模型里了，所以能被做成 skill 的，天然都是特定场景下的特定规则。装之前先问一句：它的场景和我的场景是一回事吗？比如你的主场景是 demo 开发演示，装机量极高的 superpowers 就未必适合你：它的任务拆解、测试约束很重，token 和时间消耗大，那是为严肃工程准备的。再比如写作，不同人的文风差异太大，别人的写作 skill 和你的风格未必匹配，调试它可能比自己重写一个还费劲。
3. skill 的质量本身也参差不齐。制作「小红书笔记 Skill」的人，自己可能都没真正写出过一条爆款带货笔记。你安装的不是高手经验，只是一套看起来很专业的流程。执行得再认真，也只是在认真地使用一套普通的方法。
4. skill 过多还会占用上下文、分散模型注意力——token 花了，效果反而降了。Agent 框架里有对 skill 加载的总 token 的限制，比如 Claude 是 4000 token，超出部分会静默裁掉。

解决方案也比较明确：

1. 如果你的 Skill 过多，首先要区分哪些场景要调用哪个 skill，哪些场景不调用 skill，在 skill 的描述说明里说清楚，尤其是同一个场景下有多个类似 skill 的时候。如果你几个 skill 都想对比一下结果，可以自己尝试融合 skill，或者告诉模型都跑一遍给你对比结果。
2. 谨慎下载 skill、定期删掉你长期不用的 skill，很多约束当初是为了防模型犯错才加的；模型变强之后，这些约束就不再必要了。

Anthropic 当模型提升后都尝试去掉一些约束，看看表现结果会不会更好。superpowers 作者本人也在不停地合并、精简 skill 来降低不必要的约束。

skill 的本质是对某些场景下的经验总结和约束，避免模型自己拆解任务、产出的不稳定性，但其实有些限制说明也会有可能降低模型的创造力。

我有一次把我写作工作流里的「严格每一次写作都要有深入的调研论证」这条去掉了，发现写作的内容不仅效果更好，少了很多不必要的描述，更口语化真实化效果更好、速度还更快。

METR 的实测数据是：前沿模型能完成的任务时长，每 7 个月翻一倍，最近两年已经加速到约 4 个月。你的规则一条不动，模型却在几个月一个身位地变强——那就是把 F1 的发动机，装进拖拉机的外壳里。