一位開發(fā)者正在用全新的方式與AI協(xié)作——不再只是提問和獲取答案，而是在每次任務(wù)結(jié)束后，引導(dǎo)Agent將經(jīng)驗沉淀為可復(fù)用的Skills。這或許是人類與AI協(xié)作模式的一次關(guān)鍵進化。

從"用完即走"到"經(jīng)驗沉淀"

在AI應(yīng)用日益普及的今天，大多數(shù)人與大語言模型的交互仍停留在單次對話層面：提出需求，獲得回答，對話結(jié)束。但一位名為@dotey的開發(fā)者分享了他的不同做法——「所以我現(xiàn)在是什么事都跟 Agent 說，但是我會在執(zhí)行任務(wù)后，引導(dǎo)它去寫 Skills 或者更新 Skills」。

這一做法揭示了AI協(xié)作中一個被長期忽視的痛點：上下文遺忘。當前主流AI助手雖然支持多輪對話，但每次新開對話或跨越較長周期后，之前的交互細節(jié)、個人偏好、項目背景都需要重新交代。對于需要持續(xù)協(xié)作的復(fù)雜工作，這種"失憶"特性造成了顯著的效率損耗。

Skills機制的出現(xiàn)正在改變這一局面。它允許將特定能力、知識模板或操作流程固化為可調(diào)用模塊，使Agent能夠在后續(xù)任務(wù)中自動識別場景并激活相應(yīng)能力。這位開發(fā)者的實踐表明，Skills不應(yīng)僅由平臺預(yù)置，更應(yīng)來自用戶與Agent共同工作過程中的持續(xù)積累。

引導(dǎo)式知識管理的實操邏輯

「引導(dǎo)它去寫 Skills 或者更新 Skills」——這句話包含了兩層關(guān)鍵動作。首先是技能創(chuàng)建（write Skills），針對首次遇到的新場景、新需求，在任務(wù)完成后復(fù)盤提煉，形成結(jié)構(gòu)化能力模塊；其次是技能迭代（update Skills），基于執(zhí)行反饋對已有技能進行優(yōu)化修正。

這種后任務(wù)引導(dǎo)機制實際上構(gòu)建了一個微型反饋閉環(huán)。與傳統(tǒng)機器學(xué)習(xí)依賴海量數(shù)據(jù)標注不同，這里的知識沉淀由用戶主動觸發(fā)、定向塑造，具有極強的個性化特征。一位開發(fā)者針對特定代碼庫的調(diào)試習(xí)慣、一位設(shè)計師對品牌調(diào)性的獨特理解、一位分析師對數(shù)據(jù)異常的敏感判斷——這些難以被通用模型捕捉的隱性知識，正通過這種方式被編碼進Agent的能力體系。

值得注意的是，這一做法將用戶角色從"提問者"擴展為"協(xié)作者"和"訓(xùn)練者"。用戶不再被動接受AI的輸出質(zhì)量，而是通過持續(xù)干預(yù)參與模型能力的塑造過程。這種轉(zhuǎn)變對用戶的AI素養(yǎng)提出了新要求：需要具備任務(wù)抽象能力，能夠?qū)⒕唧w執(zhí)行過程歸納為可復(fù)用的操作范式；需要具備質(zhì)量判斷能力，能夠識別哪些經(jīng)驗值得沉淀、哪些需要修正；還需要具備系統(tǒng)維護意識，定期審視Skills庫的有效性，避免能力僵化。

個人知識庫的自動化構(gòu)建

更深層的意義在于，這種協(xié)作模式正在模糊"工具使用"與"知識管理"的邊界。傳統(tǒng)工作流中，個人需要通過筆記軟件、文檔系統(tǒng)、Wiki等工具主動維護知識資產(chǎn)，過程繁瑣且容易中斷。而Agent-based的Skills沉淀將這一負擔大幅轉(zhuǎn)移——用戶專注于任務(wù)本身，知識提取由AI輔助完成，結(jié)構(gòu)化和存儲由系統(tǒng)自動處理。

這指向了一個可能的未來形態(tài)：每個人的Agent都承載著高度個性化的能力圖譜，既包含通用技能，也密集分布著與用戶工作歷史深度綁定的專屬能力。當用戶提出需求時，Agent調(diào)用的不僅是預(yù)訓(xùn)練知識，更是長期協(xié)作中積累的"共同記憶"。

當然，這一模式也面臨現(xiàn)實挑戰(zhàn)。Skills的互操作性尚未標準化，不同平臺的能力模塊難以遷移；長期積累可能導(dǎo)致Skills庫臃腫，檢索和調(diào)度效率下降；過度依賴個人化Skills也可能削弱Agent處理新穎場景的能力。如何在個性化與泛化性之間取得平衡，將是這一方向持續(xù)演進的關(guān)鍵命題。

這位開發(fā)者的實踐或許只是個體探索，但其揭示的方向具有普遍性。當AI從"回答問題"走向"持續(xù)協(xié)作"，人類與機器的關(guān)系正在經(jīng)歷根本性重構(gòu)——我們不僅在用AI，更在通過使用過程持續(xù)定義AI的能力邊界。這種雙向塑造，或許才是智能時代真正的工作方式。