美团推出DeepSkill技能平台 收录37万个工具

时间：2026年10月20日（北京时间） 地点：中国北京，美团 AI 团队总部与线上 DeepSkill 平台 人物：美团 AI 团队、平台内开发者与使用者；普通用户可在完成技能调用后一键成为"点评官" 事件详情：近日，由美团 AI 团队打造的 AI Agent 技能平台 DeepSkill 正式亮相对外。据《读佳》独家报道，DeepSkill 目前已收录超过 37 万个经过真实任务跑通验证的 Skill 工具，而 9 月初这一数字还只有 13 万，一个月左右接近翻倍。与传统 AI 插件市场"目录翻找"式的浏览不同，DeepSkill 采用任务驱动匹配：用户只需描述完整目标（例如"帮我比价并预订下周北京至上海的高铁票"），系统即自动理解语义、拆解子任务，并从海量技能库中智能匹配候选 Skill，全程无需手动分类或关键词检索。平台不采信上传者的单方面描述，而是对技能代码、接口逻辑与调用链路做全量扫描与语义解析，生成结构化能力报告，清晰标注功能边界、依赖组件、执行路径与潜在风险点，并嵌入数据安全审计模块，明确提示是否会上传简历、联系方式等敏感信息。标志性设计是"点评官"数据回流机制：完成技能调用的用户可一键成为点评官，系统自动捕获任务执行日志与结果快照，用户轻点确认即可提交真实评价，技能评分、典型使用场景、成功率与异常案例全部公开透明，形成"使用—点评—参考"的正向循环。平台还设有 GitHub 趋势榜、权威来源榜及 Market 热搜榜等榜单。目前腾讯、字节、阿里等大厂均在 Skill 平台领域有所布局。 背景：Skill 平台并非美团独创，大厂早已入场，其中腾讯云此前已开源 TeamAI 支持跨 Agent 共享 Skill。美团在 AI 上长期低调，自研大模型与 AI 工具多优先服务外卖、到店、商家运营等主业场景，较少推出面向大众的高热度 AI 产品，DeepSkill 是其首次尝试对外输出 Agent 生态能力；此前 7 月，美团已发布搭载 LongCat 2.0 大模型的全场景 AI Agent 平台 CatPaw。当前行业的普遍痛点是，AI 框架迭代极快，但经过真实场景验证、稳定可用的技能供给不足，很多 Skill 仅在演示场景效果尚可，落到实际任务就容易失效，而多数同类平台只负责技能上架收纳，缺少大规模实测与统一的安全校验，用户难以判断技能的实用性与风险。美团做 DeepSkill，既是把内部 Agent 落地经验向外输出、靠社区众包扩充技能库，也是把社区沉淀的优质技能反哺自身骑手与商家运营业务。 影响：对用户来说，DeepSkill 把"选哪个技能"这一最大的决策成本交给自动匹配与公开的真实评测，既降低试错成本，也缓解第三方技能处理简历、个人信息时的隐私泄露顾虑；对开发者而言，全量扫描与能力报告意味着上架门槛提高，高风险和夸大宣传的技能更难进入分发环节；对美团而言，这是从"AI 服务主业"走向"对外输出 AI 生态能力"的关键一步，用社区真实使用过程筛选出靠谱的 Skill，形成对外输出与对内沉淀的双向循环；对行业而言，大厂竞争焦点正从大模型参数与榜单转向 Skill 供给质量与安全治理，Skill 已成为 Agent 执行复杂任务的基础组件，谁掌握可信的技能生态，谁就掌握下一代 AI 入口的话语权。 总结：美团 DeepSkill 用"37 万个真实跑通技能 + 任务驱动自动匹配 + 全量安全扫描 + 点评官数据回流"这套组合拳，把 Skill 平台从单纯的"插件商店"推向"可信技能市场"，是大厂在 Agent 生态层面的一次务实卡位；但考验同样存在，美团在 AI 领域缺少大规模营销与大众认知，先发的腾讯、字节、阿里同样在加速布局，37 万的技能规模能否沉淀为稳定的社区活跃度与真正的差异化能力，仍需时间检验。 参考来源： 1. 人人都是产品经理：https://www.woshipm.com/ai/6481110.html 2. SmartHey：https://www.smarthey.com/detail/658131602573.html 3. 火星财经：https://news.marsbit.co/flash/20261020085104994558.html 4. 新浪财经：https://t.cj.sina.cn/articles/view/7908133242/1d75c897a00101puio 5. DoNews：https://www.donews.com/news/detail/1/6746720.html 6. 36氪：https://36kr.com/p/4033593429776009 7. 美团技术团队 CatPaw：https://tech.meituan.com/2026/07/28/CatPaw-LongCat.html