小白爱摸鱼
@chaozuoye
今晚 1100 多赞的一条观察给出一个判断：现在人能在电脑上做、AI 做不了的事，基本上都是技能问题（字面和比喻双重含义）。他举的例子：装几个开源的 skill 库、从设计上拉灵感（参考：Are.na ）、把 PRD 一起交给 AI，AI 就能把设计部分做得接近人手。今天人类和 AI 的差距，不在能力，在 skill。
今晚讲了好几轮 agents panel、skill library、skill line。今天可以再看一眼：skill 库把日常工作切成可复用单元——设计、写代码、查数据、调 API——AI 拿到这些单元就能像团队一样干活。
不是 AI 变强了，是 skill 多了、人对 AI 协作的精度上去了。这位观察者等于把同一件事说得更直白：会做这件事的人，会让 AI 替他做；不会做的人，会说 AI 还不够格。
把它放进本周 agent 生态这条线看更清楚。OpenAI DevDay 把 ChatGPT 做成入口会员，Vercel/Next.js、DHH 的 Omarchy、Cursor、Cognition Devin、V0、Cloudflare、CopilotKit 这些都按 "skill + 接口" 的思路接入；MCP 把模型和工具的连接协议标准化。
底层逻辑是一件事——今天 AI 强不强，几乎等价于 skill 系统够不够丰富。会写好 skill 的开发者，把 AI 变成了合作者；不会写的，连 prompt 都不会写。这不是 talent 上的差距，是 skill 上的差距。
但这条里有几个红线得划清。第一，把 AI 做不到的事全归到 skill 问题，有夸大之处——AI 在很多地方做不到，不是 skill 能补的，比如某些人类判断与共情。其次，作者推的某些具体 skill 包是产品推广，把软广从讨论里剥出去才好谈。第三，skill 的普及本身是个职业问题——有些技能越来越值钱、有些越来越不值钱，行业之间会重新分工。
留一格清楚的边界：这一条对个人判断力的要求特别高——AI 在某些事上会变好得比你以为的快，而在另一些事上永远做不到。skill 差距在收窄但不会被抹掉。今天最值得花时间的，是分清哪件事属于前者、哪件事属于后者，然后决定把时间投向哪一半。
给今天就在用 AI 的人一句落地的：今天就挑一件你重复做过五次以上的事，问自己一句：是因为我做得好所以 AI 做不好，还是因为我没把这件事拆成 AI 能跟上的 skill？前者继续磨，后者今天就装个 skill——可能是一次简单的 PRD、几次灵感截图、几条已有 skill 的组合。磨技能还是磨 AI 取决于这件事属于哪一半；分清楚之后，时间该放在哪边就清楚一半了。
