打开今日头条查看图片详情
Context Engineering 的重要组成部分。
最近我看到 Anthropic 的 Barry Zhang 和 Mahesh Murag 在 AIE Code Summit 的分享，主题很明确： Don't Build Agents, Build Skills Instead 。
打开今日头条查看图片详情
他们的意思很直白：别急着再造更多智能体，先把方法写成可复用的技能。
在我的语境里，Skills 可以直接理解成 第三层上下文 。
打开今日头条查看图片详情
前两层分别是'用户上下文'和'项目上下文'——它们回答的是'你是谁''你现在在做什么'。
而 Skills 解决的是另一件事： 你做事的方法，能不能沉淀成可复用的流程资产。
一、为什么'提示词智能体'总感觉差一点
打开今日头条查看图片详情
1. 聪明，但像个刚入行的人
你让模型写一段漂亮的分析，它能写。
你让它做一件具体的工作，比如'按你们团队的标准出一份法律意见书'，它也能努力。
让人不踏实的地方在于：每次都像从零开始。
它先追问一堆背景，再试上几轮，才慢慢贴近你的标准。
更像是：它不缺聪明，缺的是'在这个行业里踩过坑的人'那种稳定手感。
Barry 用了一个很贴近真实世界的比喻： 你要报税，你会选一个数学天才，还是一个税务专家？
打开今日头条查看图片详情
大多数人会选后者，因为你要的是稳定执行力，而不是现场从第一性原理推导一遍税法。
2. 提示词能管姿态，但很难管流程
很多所谓的'智能体'，本质上是提示词智能体。
它把角色、口径、格式、边界写进一段提示词里，确实能让输出看起来更稳定。
但提示词这条路很容易越写越长：规则堆多了会互相打架；换个项目、换个团队，往往又得重写一遍。
3. 知识库能补事实，但仍然不保证'做得像'
提示词 + 知识库解决的是'查得到'的问题：法条、制度、历史文档、材料引用，都能更快拿到。
但它依然不保证'做得像'。
很多律师能力在于手法：先做什么、怎么组织、哪些坑要避、交付物怎么写才像你们团队。
二、Skills 是什么：把过程性知识装进一个文件夹
1. 一个目录 + 一个 SKILL.md
Skill 的定义非常朴素： 一个目录 + 一个 SKILL.md 。
SKILL.md 里带 YAML 元信息（name、description）。智能体启动时只预加载这些'标题和简介'，不把正文塞进上下文窗口。
当它判断'这件事可能用得上这个技能'，才会把对应的 SKILL.md 正文读进来。
2. 渐进式披露：上下文窗口要省着用
打开今日头条查看图片详情
如果技能更复杂，目录里可以放脚本、模板、示例、资产文件。
智能体需要时再按路径去读。
能力可以很多，但不需要常驻。
你会发现它表面解决的是'会不会'的问题，实际上解决的是'能不能长期协作'的问题：同一件事不用每次重新教，同一套标准可以复用到团队，也能留给未来的自己。
3. 一个好记的分工
如果把三者当成分工，我愿意这么记：
提示词管姿态，知识库管事实，Skills 管手法。
打开今日头条查看图片详情
后面有机会我也会专门分享，每一种范式各自适合做什么、不适合做什么。
三、把 Skills 放回 Context Engineering：第三层上下文
1. 三层上下文，各管一件事
用户上下文更像“角色与长期约束”：你是谁、偏好是什么、边界在哪里。它决定了 AI 用什么语气与你协作，以及哪些事情默认不做。
项目上下文更像“临时工程现场”：目标、材料、约束、交付格式。它决定了这一轮要解决哪个问题，用哪些证据和素材。
Skills 则是方法论的落点：你在行业里反复做过、做熟了、甚至踩过坑的那套流程，把它沉淀成可复用的结构。
用户上下文让协作稳定；项目上下文让任务落地；Skills 让方法复利。
2. 流程知识库和 Skills：同一套经验，两种用法
我以前写“ ”时提到，资料堆积从来不是重点，而在于你有没有把隐性经验写清楚，让新人学得会，让团队能对齐。
Skills 是同一套经验的另一种呈现方式。
文档更偏给人看，解决理解和学习；Skills 更偏给 AI 看，解决协作和执行。
你可以先从最常见的隐性经验下手：某类案件的通用思路和诉讼策略；典型案由的答辩结构、举证节奏、和解预案；不同阶段谁负责什么、要产出哪些文档、哪些坑要避开。
这些东西如果只靠口耳相传，很容易走样。
这部分内容不一定公开，但最适合交给 AI 去放大。
新人上手会更快，不必完全依赖经验带教。
团队的作业方式也更容易标准化，而不是每个人都有一套自己的“土办法”。
四、为什么律师更该做 Skills：把'资深手感'变成资产
律师行业的'能力'，很多时候不是知识点，而是流程。
打开今日头条查看图片详情
你真正值钱的部分往往长这样：你知道意见书哪些段落必须写到什么颗粒度；你知道哪些风险点'写了也没用'，哪些是'必须写，否则就是坑'；你知道证据目录怎么组织，能让法官最快抓到关键。
这些东西很难靠聊天记录自然学到，但特别适合技能化。
1. 现在的热闹，很多停留在'教你造智能体'
尤其在法律领域，你会看到不少内容在教律师怎么搭一个提示词智能体，怎么把工作流串起来，怎么把工具拼得更顺。
从技术学习的角度看，这当然没问题。
但它经常绕开了真正的难点：你学会了流程怎么跑，却没有回答'你的能力怎么留下来'。
2. 真正的问题，是把律师能力转成 AI 协作需要的上下文
如果你只掌握了一个工作流，但每次遇到具体案件，关键判断、表达口径、风险取舍仍然要你反复输入，那么这套东西很难产生变化。
你会一直处在'我在教它怎么做'的状态，而非'它已经知道我怎么做'。
Skills 的价值就在这里。
它把你反复讲的那套做事方式，从对话里挪出来，变成一个可复用、可迭代的上下文部件。
因为它们本质上就是可执行的 SOP，只是以前一直散落在模板、习惯、口口相传里。
Skill 的意义，是把'资深律师的稳定手感'从人身上剥离出来，变成可复用的资产。
五、怎么开始：先把它当成'能力沉淀'
很多人一想到落地，就会立刻进入'搭架子、接工具、写提示词'的状态。
Skills 更像写制度。
你先把团队里那些反复出现、最容易出错、最需要一致性的做事方式，写成一段可以被复用的过程。
打开今日头条查看图片详情
1. 从高频处下手
在律师工作里，高频又容易走样的地方很多：材料怎么整理、交付物怎么分段、哪些风险点必须写、哪些表达必须避开。
它们最消耗精力，也最容易在协作里变形。
你先抓住一类就够了。
2. 先留痕，再消化
很多律师不愿意沉淀的原因，还是在于日常工作太碎。
案子做完就过去了，复盘没来得及做，下一件事又开始了。最后留下的是'当时很对、过后找不到'的零散经验。
更现实的做法是当下就先把它们记下来，可以是零散的、任何形式的。
先把碎片留住，等知识库积累到一定厚度，再找一个相对集中的时间，把它们整理、提炼、归并。
这一步既可以自己做，也可以让 AI 先帮你做初筛。
3. 分类和治理，慢慢长出来
等到你留存的内容足够多，开始给技能做分类，它才更像一个库。
你可以先用最直观的分法：文件处理、文书撰写、案情研判。
分类不需要一开始就完美。先能复用、先能被别人接手，体系会在使用中慢慢长出来。
一旦进入团队使用，版本、权限、审核、责任边界也会跟着出现。
这是一个信号：你已经在把 AI 从'个人助手'推向'组织能力'。
也许，让经验开始'可继承'
打开今日头条查看图片详情
工具大家都不缺，每天都有新的“颠覆性”工具出来，都想要占据你的钱包和时间。
但我觉得大家更缺的是一套能被继承的作业方式。
Skills 的意义，是把经验从'口耳相传'变成'可复用的结构'：人能学，AI 也能按同一套方式配合。
当你把方法写下来，AI 才有机会把它放大；当你把方法放进库里，团队的工作才会开始复利。
那么...一个有用的法律 Skill 范式应该是什么样的呢？
这是个好问题
也许... 我们可以一起尝试把这个标准做出来呢？