模型越来越强，我们还需要花时间写 Skill 吗？

一、数字员工，也会过时吗？

开年的时候，我看到国内掀起了一阵“蒸馏员工”的风潮。说实话，挺感人的。

不少公司的老板赶着把员工“蒸馏”成一个个数字分身、一个个 Skill，想把他们的经验留下来，做一些自己认为可以产生复利的事情。

挺感慨的。结果没过多久，现在连这些数字员工，也不见得那么有用了。

因为最近我听到一种说法：可以舍弃 Skill，直接拥抱大模型了。模型的能力已经到位，过去需要额外教它的事情，现在它自己就能做好。

于是问题来了：Skill 会不会随着模型能力的增强，慢慢失去作用？

想想就有点可怕。人们总在讨论，人是怎么被 AI “消灭”的。我想到的就是这种过程：先把人的经验提炼成数字员工，再发现，连这份提炼出来的经验都可能不再被需要。

当然，这也是我想继续往下琢磨的地方：到底是经验不值钱了，还是我们留下经验的方式，太容易过时了？

二、以前要写一大段，现在可能只要一句话

大概在我上大学、第一次使用 GPT-3 的时候，我得给模型加上很多限制条件，让它遵循某套逻辑，才能输出一个比较固定的结果。

现在使用模型时，我已经可以试着放开一些限制，让它自己想办法，帮我产出想要的结果。

挺有意思的。以前需要附加很多东西才能做成的事，现在可能只要一句话就能解决。

在这种情况下，如果还让模型死死遵循 Skill 里写好的逻辑，按固定步骤产出结果，确实可能有点蠢。有时候，甚至是在扼杀模型的能力。

所以，我们现在还有必要花很长时间去制作一个 Skill 吗？

假设模型每半年就有一次大的迭代，半年后，我们今天写下的大部分内容都需要修改，那这件事还值不值得做？

在做决定之前，我觉得得先拆开看：Skill 本身是什么？我们写的，又是哪一种 Skill？

三、有些 Skill，是给模型补能力的鞭子

写到这里，我忽然想起一个黑奴笑话。借这个比喻来说，Skill 有点像鞭子：它驱使模型去做你希望它做的事情。在这个比喻里，模型就是那个被驱使的黑奴。

如果它本身能力强、够聪明，可能你只挥一下鞭子，它就知道该往哪个方向走。如果它还不懂，那就得多挥几下。

当然，这个比喻只是在说指令对模型的驱动和约束。Skill 不只有这一层作用，后面还得继续拆。

先说第一类：给模型能力打补丁的 Skill。

比如，要求模型先思考，输出前检查一遍，给方案之前多考虑几种情况，及时反馈进度，最后再核对内容和结果。

在模型还不太会做这些事的时候，这套办法很有效。你补上背景，告诉它自己的任务和位置，再把思考、检查的步骤写清楚，它就可能交出更好的结果。

但现在，这样的鞭子不见得还那么有效了。

沿用刚才的比喻：它的教育水平提高了，已经“晋升”成一个牛马打工人了。原来需要反复教的复查、反馈、核对和多考虑几种情况，它可能已经会了。

这时候，你还照着旧办法一鞭子一鞭子地抽，显然不见得能让它把活干得更好。反而可能让它绕远路，甚至把原本能做好的事情做僵了。

所以我觉得，越是用来弥补模型通用能力不足的 Skill，越需要随着模型进步重新审视。

有些步骤需要调优，有些限制可以松开，还有些内容，可能干脆就该删掉了。

四、还有些 Skill，留下的是做事的流程

那什么样的鞭子会比较好？

说到这里，我还是想先把这个比喻丢掉。太容易代入自己了。

换个问法：什么样的 Skill，更可能长久地发挥作用？

我想到的，是工业时代很珍贵的一项成果：流水线式的工作流程。

有一些 Skill，不是在反复教模型“你要认真思考”，而是在规范一件具体的事应该怎么做：需要什么输入，先做什么，在哪一步检查，出了问题怎么处理，最后交付什么。

这类 Skill 背后装着的，往往是一个行业里积累下来的经验。流程里的每个判断和检查点，都可能对应着以前遇到过的某个具体问题。

我觉得，这样的 Skill 更有机会长期留下来，也更有商业价值。

当然，价值并不只是“把步骤写死”。如果只是把一串机械操作排在一起，那模型变强以后，同样可能有更好的做法。

更值得留下来的，是流程里那些判断：什么结果算好，什么地方不能省，碰到什么情况需要停下来，哪些取舍需要交给人来做。

模型会执行一项任务，不等于它自动知道，这个行业里的人为什么这样做、愿意为哪种结果负责。

即使未来模型的能力覆盖了这些任务，那些来自实际工作中的经验、标准和取舍，也不必因此失去价值。它们仍然可以帮助我们说明需求、判断结果。

流程仍需要随着工具和业务变化而更新。但相比反复提醒模型“多想一遍”，把真实的工作经验整理出来，我觉得更值得花时间。

五、所以，我现在很想找行业里的人聊聊

所以，我现在很想找一些对某些行业有经验的大佬，聊聊他们在生产、工作中面对的那些细节问题。

不是只聊一个宏观的方法论，而是聊那些很具体的地方：这一步为什么这么做？什么情况下要换一种办法？哪些问题，是做过以后才知道的？

然后，把这些经验整理成一个可以反复使用的工作范式，或者一套流程，再形成一个 Skill。

这样留下来的，就不只是当前这代模型的使用技巧，而是一部分更可能长期有用的做事经验。

真的很馋这一块的经历经验啊。

如果你在某个行业里做了很多年，手里有一些“外行看着不起眼，实际特别要紧”的经验，我很想听你讲讲。欢迎给我写封邮件，一起聊聊哪些东西值得留下来，又能怎么整理成真正用得上的流程。