本文来自微信公众号： 人人都是产品经理 ，作者：怪哥


最近，美团又开了一家“商店”。


不过，这次卖的不是外卖、团购券，而是AI的技能（Skill）。


据媒体报道，美团AI团队推出了一个名叫DeepSkill Market的产品。打开官网一看，已经收录了超过35万个Skill，从PPT制作、竞品分析、网页开发，到短视频制作、金融数据分析，五花八门。



美团还把自己擅长的用户评价体系搬了过来，主打安全扫描、真实任务验证和技能点评，希望帮助用户找到真正好用的Skill。


有点像AI版的大众点评。


其实，腾讯早就在做类似的事情。今年3月，腾讯云上线了SkillHub，7月又推出SkillPay，连Skill付费、开发者赚钱的商业模式都开始探索了。



大厂们忙着开Skill商店，倒也不奇怪。毕竟，AI Agent越来越火，Skill数量也在快速增长。过去大家抢APP应用入口，现在开始抢AI技能入口，都想做AI时代的AppStore？


但我突然想到一个问题：


随着WorkBuddy、豆包工作、千问办公、GPT、克劳德这些AI Agent越来越强，未来用户真的还需要专门去下载、安装Skill吗？


以前AI不会的事情，需要安装Skill来教它。现在模型越来越聪明，Agent也开始自己找工具、写代码、执行任务，甚至能根据需求创建Skill。


如果未来AI自己就能搞定这些事，那么现在热闹非凡的Skill商店，会不会很快就陷入尴尬？


而且，美团试图建立的Skill评价体系，也有一个很现实的难题：用户安装后都跑到其他Agent里使用了，谁还会专门回来写评价？


这两个问题，我觉得比美团又上线了一个AI新品更值得思考。


01美团、腾讯，都开始卖Skill了


先看看美团这次做了什么。


DeepSkill Market的思路不复杂，用户可以通过自然语言描述需求，平台帮忙寻找合适的Skill。除此之外，还有技能排行榜、作品展示、用户点评等功能。


官方尤其强调两件事：安全性和真实使用效果。


这确实抓住了目前Skill生态的一个痛点。


如今各种Skill铺天盖地，名字一个比一个厉害。有的号称能生成专业商业报告，有的能制作精美PPT，还有的号称能够帮助你运营自媒体账号。


下载安装之前，感觉自己马上就要拥有一个专业团队。真正用起来，发现可能还不如直接跟AI聊几句。


更麻烦的是，Skill可能包含执行脚本、文件操作和外部服务调用。如果不加筛选就安装，存在一定安全风险。


所以，美团希望通过安全检测、任务实测和其他用户的反馈，降低大家挑选Skill的成本。


腾讯的动作则更早。


今年3月11日，腾讯云推出SkillHub，最初主要解决OpenClaw生态在国内的技能搜索、下载安装和安全筛选问题。


随后，腾讯继续扩大Skill生态。到了7月16日，又上线了SkillPay，让开发者可以把专业服务包装成付费Skill，Agent在执行任务时按需调用，并通过支付授权完成交易。



比如在WorkBuddy里，Agent需要调用某项专业数据服务，用户可以直接在对话流程中完成付费。


这就有点意思了。


腾讯已经开始琢磨如何让Skill变成一门生意，而美团希望解决几十万个Skill到底哪个好用的问题。


两家公司选择的切入点不完全相同，但都在争夺AI技能生态中的位置。


不过，我对此一直有个疑问：Skill越来越多，真的代表用户对Skill商店的需求会越来越大吗？


我反而觉得，可能恰恰相反。


02Agent越来越聪明，谁还需要亲自安装Skill？


拿产品经理最熟悉的场景举个例子。


假设我现在想做一份竞品分析报告，放在以前，可能需要找到一个竞品分析Skill，下载安装后，再告诉AI按照什么框架收集信息、比较功能、整理报告。


但现在用WorkBuddy、豆包工作、千问办公，或者GPT、克劳德等产品，我可以直接说：帮我分析一下这几个产品的竞争格局，整理出一份有数据、有结论的报告。


很多Agent已经能够自主规划任务、搜索资料、调用工具、整理文档。有些还能进一步生成PPT、网页或者其他可交付文件。


虽然结果质量未必每次都令人满意，但至少用户已经不用先学会怎么安装一个竞品分析Skill，才能开始工作。


做PPT、写PRD、数据分析、网页开发，也正在发生类似的变化。


以前我们需要给模型准备很长的Prompt，告诉它如何拆解任务、执行步骤、检查结果。现在不少能力正在被模型和Agent产品直接集成。


这里面有两个变化值得关注。


第一个变化，是模型自己会做的事情越来越多。


一些只包含通用提示词、简单工作流程的Skill，原本能够给模型提供额外帮助。随着模型的指令遵循、推理和工具使用能力提升，这些Skill能带来的增量可能逐渐缩小。


比如，一个Skill写着：分析竞品时，先研究市场规模，再梳理目标用户，最后分析商业模式。


这类通用方法，大模型本身就越来越熟悉。


模型每次升级，都可能让一批原本挺有卖点的Skill失去优势。


开发者辛辛苦苦写了几百行提示词，下一代模型更新后，发现人家已经自带了。


多少有点扎心。


第二个变化，是Agent开始帮用户管理和调用Skill。


以克劳德为例，Anthropic已经提供内置的文档处理类Skill，能够根据用户需求自动调用。用户无需每次手动指定具体技能。


其他Agent产品也在不断强化工具调用、技能管理和工作流执行能力。


当然，部分第三方Skill目前仍然需要安装、授权或者配置环境。但产品的发展方向已经越来越清楚：用户负责提出需求，Agent负责决定需要什么能力。


以后你让AI做一份PPT，它可能自动判断需要调用PPT生成能力；发现当前能力不够，还可以寻找合适的外部工具或者Skill。


用户甚至不需要知道这些Skill叫什么名字。


那问题来了。


如果AI自己就能找Skill、装Skill、用Skill，普通用户为什么还要专门打开一个Skill商店，浏览排行榜，比较评分，再逐个下载安装？


这样的体验，听起来都有点像在给AI打工。


03大模型升级，真的会干掉Skill吗？


说到这里，估计有些Skill开发者要不高兴了。


但我并不觉得Skill会全部消失。


实际上，Skill包含的东西比提示词丰富得多。除了操作说明，还可以有可执行脚本、模板、专业知识和工作流程。


而且，好Skill确实能够改善AI的工作表现。


今年6月发布的SkillsBench 1.1研究，在87个任务、多个模型与Agent框架组合中进行测试，发现经过专业设计的Skill，平均能够将任务解决率从33.9%提高到50.5%，提升16.6个百分点。


图片来源SkillsBench


这个结果挺有说服力。


它说明，即使模型已经很强，好的Skill依然可以提供价值。尤其是在需要严格执行流程、使用专业工具、遵循特定规则的任务中。


但不同任务的收益差异很大，并非装了Skill就一定更厉害。


我觉得未来Skill的命运，会出现明显分化。


第一类，简单提示词和通用工作流Skill，最容易受到冲击。


比如普通文章写作、基础竞品分析、通用PPT大纲生成等。如果这些Skill只是把常见方法整理成一份说明文档，那么模型升级后，用户就可能不再需要它们。


第二类，带有专业知识、特殊规则和复杂执行逻辑的Skill，仍然有生存空间。


例如企业内部的财务审批规则、特定行业的合规要求、公司的品牌设计规范，或者经过长期积累形成的专业工作流程。


大模型再聪明，也不可能天然知道一家公司的内部规定，更不可能随时掌握所有企业私有信息。


第三类，能够连接真实业务和外部服务的Skill，可能反而越来越值钱。


例如查询付费金融数据、调用企业系统、完成外卖跑腿订单，或者获取某个服务商的独家数据。


AI可以帮你研究哪个餐厅好吃，但要真正完成下单、支付和配送，就需要接入相应的业务系统。


类似的能力，即使未来不再以Skill形式提供，也需要API、连接器或者其他机制来完成。


所以，Skill大概率会继续存在，只是大量普通用户可能越来越感觉不到它的存在。


我更担心的是，Skill商店可能比Skill本身更早遭遇挑战。


04美团想做Skill版大众点评，但谁来写点评？


这一点，我觉得尤其值得从产品经理的角度聊聊。


美团做DeepSkill Market，有个挺聪明的地方，就是尝试把大众点评的思路引入Skill市场。


毕竟，美团在用户评价、内容推荐、商家筛选方面有丰富经验。


但Skill和餐厅，有个很大的区别。


去餐厅吃饭，用户消费完通常就知道好不好吃。味道怎么样、服务好不好、环境如何，多少都有自己的判断。


Skill就麻烦多了。


举个例子，某个竞品分析Skill生成了一份20页的报告，看着非常专业，结构清晰、图表丰富、观点也不少。


普通用户可能觉得不错，顺手给个五星好评。


但真正懂行的产品经理一看，发现报告中的关键数据是错的，竞争对手也没选对，有些结论甚至是AI编出来的。


这样的Skill究竟算好用，还是不好用？


更复杂的是，同一个Skill，在不同模型上表现可能完全不同。


克劳德执行得很好，换成另一个模型可能效果一般；同一个模型面对不同任务，也可能表现不一样。


所以，单纯依靠用户打分，很难准确评价Skill的质量。


而我认为更棘手的，其实是另一个问题：用户为什么要回来评价？


假设我在DeepSkill找到一个Skill，安装进WorkBuddy，然后通过WorkBuddy完成任务。


工作结束了，我大概率直接关掉WorkBuddy，或者继续处理下一项任务。


难道还要重新打开DeepSkill，找到刚才那个Skill，再写一篇使用体验？


能主动这么做的用户，恐怕不会太多。


当然，美团也考虑到了这个问题。



我查看了DeepSkill公开的评价流程，它已经尝试通过辅助Skill，让Agent寻找实际执行记录，整理使用场景和执行效果，再由用户确认评分、提交点评。


这个设计还是挺有针对性的，也比单纯让用户凭印象打分更进一步。


不过，它依然存在一定门槛：用户需要愿意参与评价，Agent需要有权限读取相关记录，还得考虑数据隐私和脱敏问题。


而且，执行记录本身也不能完全证明任务质量。


比如AI成功生成了一份PPT，并不代表里面的数据准确、逻辑合理，更不代表客户满意。



在DeepSkill的一条公开评价里，有用户给一款宠物短视频脚本Skill打了5分（满分10分）。原因是它的脚本制作流程虽然完整，但分镜时长与实际视频生成工具的能力不匹配，导致使用体验不佳。


这种具体到真实业务场景的反馈，我觉得确实有价值。


但让几十万个Skill都积累足够多、足够可信、能够相互比较的真实反馈，工作量恐怕相当惊人。


我甚至觉得，未来Skill市场最重要的评价指标，不应该只是下载量和用户评分。


还应该看实际调用率、任务完成率、执行成本，以及使用Skill之后，究竟比模型自己完成任务好多少。


而这些数据，大量产生在WorkBuddy、克劳德、GPT等Agent的运行过程中。


如果技能市场无法深度接入Agent侧的使用数据，就很难完整观察用户到底用得怎么样。


对于Skill商店来说，最尴尬的情况就是：用户在这里挑选技能，却在别人的产品里完成消费，最后连使用反馈都留在了别人那里。


美团很擅长做大众点评，但AI技能这门生意，可能比给餐厅打分难多了。


05未来最好的Skill商店，可能根本不用打开


再往后看，我觉得Skill市场可能会出现一个很有意思的变化。


今天的Skill商店，主要还是按照人类用户的使用习惯设计的。


搜索框、技能分类、下载量、排行榜、用户评论、安装按钮……


这些设计我们都很熟悉，跟以前的App Store、浏览器插件商店差不多。


可如果未来大多数Skill都由Agent自主发现、选择和调用，那么商店需要服务的对象就变了。


Agent不关心一个Skill的宣传文案写得多漂亮，也不会因为首页推荐位好看，就优先安装。


它更需要知道：这个Skill能不能完成当前任务，安全性如何，成功率多高，执行一次要花多少钱。


例如，用户让Agent做一份行业报告。


Agent发现自己需要专业数据，于是自动查询技能市场，比较多个可用服务，选择可靠且价格合适的方案。涉及付费时，再让用户确认授权。


整个过程都发生在Agent内部。


用户根本没必要打开Skill商店。


如果再往前发展，Agent甚至可能根据用户的长期习惯，自动整理和维护专属Skill。


比如我经常用AI写文章，每次都要求它遵循固定排版规范、保持标题简短、减少频繁断句、保留图片链接。


未来Agent可以把这些要求整理成可复用的工作流程，后续自动调用、持续调整。


不过，今天的AI自主生成Skill还谈不上完全可靠。专业知识、复杂流程以及稳定性要求较高的技能，依然需要人来设计和验证。


但用户亲自安装、维护Skill的操作，确实有机会逐渐减少。


这样一来，像美团DeepSkill、腾讯SkillHub这样的技能市场，未来或许还有价值，只是经营方式可能要改变。


腾讯有WorkBuddy等Agent产品，可以围绕自己的生态做技能分发和交易；美团如果能够把技能安全验证、真实任务评测和推荐能力做好，也可能成为第三方Agent寻找Skill的基础服务。


但这门生意能不能跑通，最终还得看有多少Agent愿意接入，有多少技能被持续调用，以及平台能否获得足够可靠的使用数据。


至于今天大家热衷讨论的收录了多少万个Skill，我觉得反倒没有那么重要。


毕竟，模型升级一次，可能就有一批通用Skill失去竞争力；Agent产品集成一次能力，用户就少了一次主动找Skill的理由。


现在大厂都在忙着建设Skill商店，规模一个比一个大，榜单一个比一个丰富。


可如果未来用户只需要跟AI说一句话，剩下的都由Agent自己搞定，那么几十万个Skill摆在货架上，究竟还有多少人会来逛？


我越来越觉得，AI时代最好的Skill商店，可能就是一个用户从来不需要打开的网站。