当前我们正处于技能爆炸的时代，然而面对海量的选择，用户往往感到无从下手。
作者｜苏子华
现在各种技能的数量已经到了让人应接不暇的地步了。
在 OpenClaw 的官方技能商店 ClawHub 中，Skills 的数量已经超过5万个，并且涵盖了内容创作、数据处理以及自动化办公等多个领域。
ClawHub 是一个提供丰富技能服务的平台｜图片
同时，许多互联网巨头和人工智能公司也开始布局 Skill 商店，例如腾讯推出的 SkillHub 以及字节跳动旗下的技能商店等。
SkillHub 是专门为中国的用户设计的人工智能技能社区｜图片
理论上说，这本应是继 AppStore 后的又一次分发革命，各大公司纷纷试图抢占这个新的 AI 能力分发入口。
但现实并不如预期。
不过从用户的反馈来看，“Skill 商店”的使用率并不高，许多平台充斥着重复、质量低劣或无人问津的应用程序页面。相反，在过去两个月里，微信公众号和小红书成为了主要的 Skills 发现与传播渠道。
越来越多的人不再通过“商店”搜索技能，而是选择在社交平台上浏览内容以发现新的技能。
很多时候，正是这些平台上的文章或帖子让某个 Skill 成为了热门话题并被广泛使用。
也就是说，原本应该由“应用商店”承担的分发任务现在被内容平台接管了。
01
那么为什么微信公众号和小红书能够发挥如此重要的作用呢？
接住了这波流量？
如果我们回顾一个 Skill 是如何走红的过程，可以发现它通常不是通过搜索而是通过推荐来传播开来的。
典型的情况是这样的：
某创作者或博主会在微信公众号上撰写类似《我用这个 AI 工具将一周的工作压缩到一天》、《职场必备的实用 Skills 清单》等文章，或者在小红书发布诸如《这五个 AI 工具让我工作效率翻倍》之类的帖子。
小红书上的相关推荐帖｜图片
接下来这些内容会被大量收藏、点赞和转发，进而促使许多用户去安装相应的 Skill。
与 App 类似的应用商店不同，Skills 的传播并不依赖于搜索或排名机制。
原因之一在于传统的应用商店是按照工具类型进行分类的：社交、效率提升工具、游戏等等。然而 Skills 实际上是以具体问题为入口的，例如今天需要编写报告或者制作演示文稿——这些需求具有高度个性化和模糊性，难以被归类或搜索。
另外一个原因是用户更加关注结果导向而非过程本身。过去，他们会关心应用程序界面是否美观、交互体验如何友好；但在 Skills 的情况下，他们更在意输出的结果而不是 UI 设计是否简洁大方。
因此，一个 Skill 是否能够传播的关键在于它能否提供可见的效果。
也就是说，输出的质量和任务完成的成功率。例如：一键生成十篇爆款文章标题、三十秒内制作出一份完整的 PPT 等等。这些内容非常适合在内容平台展示，因为它们具有很高的“展示性”。
相比之下，“应用商店”则难以直接证明自己的价值所在。相比之下，在微信公众号和小红书上，创作者们可以先展示 Skills 的工作成果再引导用户使用。这使得这些内容平台成为了天然的分发渠道。
另一个重要因素是信任背书。
在 AppStore 时代，用户愿意相信由下载量、评分及排名构成的机制；然而在 Skills 时代，这种机制几乎失效了。取而代之的是 KOL 的推荐或是其他创作者的真实体验分享。
这意味着信任从“平台”转移到了个体身上。一部分原因在于 Skills 的运作方式不透明，像是一个“黑箱”，用户只知道输入和输出结果，不了解背后的分析指令、工具调用及决策过程。
这不仅降低了可靠性还带来了安全隐患——部分 Skills 存在注入恶意代码的风险，可以窃取密码或部署木马程序。由于用户对这些机制缺乏了解，难以提前识别潜在的威胁。
正是以上所述的原因使得公众号和小红书成为了 Skills 传播的核心阵地——它们本质上在扮演着“信任分发网络”的角色。
把上述三点结合起来看，我们会发现 Skills 的推广过程更像是一种内容消费活动而不是软件分发行为。
用户不是在下载安装一个工具，而是在购买一种能力。而在内容平台上，这种能力被理解和传播。
未来的挑战在于如何建立一套评估体系来评价这些技能的能力和价值。
02
越来越多的专业人士将自己的工作经验、工作流程以及方法论提炼成一个个 Skill 散布开来。如果从长期来看，今天的 Skills 生态面临的问题是一个更大的问题：
这些 Skills 如何被评价及交易？
在移动互联网时代，AppStore 成功的关键在于它建立了一套明确的反馈系统：下载量、评分和排名机制。
然而，Skills 市场缺乏这种质量标准。
首先，Skills 的性质与 App 完全不同。它是“黑箱能力”，输出不可标准化，结果难以直接对比。
其次，技能的运行是否经济也是一个考量因素。一个 Skill 调用了什么模型？完成任务需要消耗多少 token？这些问题目前都很难量化评估。
因此，这些因素综合起来导致传统的应用商店评分机制无法有效评判哪个 Skill 更好。
这直接带来了低质量泛滥的问题，在多个 AI 平台的“Skill 商店”中大量技能功能重复、标题党式命名的现象层出不穷。同时优质技能也因为缺乏曝光而难以被发现。
用户宁愿相信博主而不愿依赖官方商店的关键原因就在于此，市场反馈机制缺失对于开发者来说改进产品也没有参考标准只能凭感觉迭代更新。
如果说未来我们可能交易的是一种写报告的能力、一种分析能力或者自动化执行任务的能力。那么要让这种交易成立至少需要满足：
用户知道它能做什么；
用户相信它会做好；
而如何评估 Skills 以及它们未来的生产力重构都是值得探讨的问题。
如何构建技能评估体系？
- 因为目前关于 Skills 的评估体系还比较空白，我们可以试着推演几个可能的评判维度。
- 其次可能需要引入成本考量维度：同样完成一个任务A Skill 消耗500 tokens B Skill消耗5000 tokens。在大规模使用时这会形成巨大的差异。
- 此外可能需要引入“可解释性”和“安全审计”的维度：随着Skill 开始接入更多真实世界能力（邮件 文件 支付等）风险问题会迅速放大。或许需要某种第三方评测 审计机构来评估Skills 的数据使用方式 检测潜在的安全威胁。
然而也有一种可能，“Skill 商店”在人工智能时代不会是一种重要的角色。
极客公园近期对多位创业者的访谈中普遍提到一个观点：Skills 可能只是过渡状态，个性化的端侧模型是未来的发展方向。
03
也就是说未来的个人数据可以通过后训练的方式训练进专属的端侧模型中。
现在 AI 的记忆主要通过外部数据库（如 RAG）提取，但未来端侧模型可以直接内化这些记忆和技能。这样模型在理解用户信息、调取速度以及执行技能的能力上都会有质的变化。
不论哪种可能如今创作者们通过体验验证弥补了市场机制的缺位，通过内容创造了“信任”。
而未来如何评估Skills？它又将如何推动生产力的重新构建呢？这些都是值得探讨的话题。
本文为极客公园原创文章，转载请联系极客君微信 geekparkGO
大疆即将发布的新品影像设备，本周四晚上八点半在极客公园视频号直播间首发体验。
因此，未来的评估体系，必须同时考虑：成功率、成本、延迟。这有点类似于对于云计算的考核标准，而不是传统软件。
第三，可能需要引入「可解释性」和「安全审计」维度。
因为随着 Skills 开始接入更多真实世界能力（邮件、文件、支付等），风险问题会迅速放大。或许需要某种「第三方评测、审计机构」来评估 Skills 的数据使用方式、检测潜在安全风险等等。
因此，未来可能出现一种新类型的平台，即「AI 能力评测与认证机构」，负责为各类 Skills 出具「能力报告」，包含准确率、能耗、安全级别、兼容性等指标。
当然，也有一种可能，「Skill 商店」在 AI 时代并不会是一种很重要的角色。
极客公园编辑部近期对多位创业者的访谈当中，一个普遍被提及的观点是，Skills 可能是「中间态」，个性化的端侧模型是未来。
也就是说，未来个人数据，可以通过后训练的方式训练进一个专属的端侧模型中。
现在的 AI 记忆主要通过外部数据库（如 RAG）提取，而未来端侧模型可以直接内化这些记忆和技能。这样模型在理解用户信息、记忆调取速度以及执行技能的泛化能力上，都会有质的提升。
不过，无论是哪种可能，如今创作者通过体验和验证，弥补了市场机制的缺位，通过内容来制造了「信任」。
而未来，如何评估 Skills？它如何通向未来的生产力重构？都是一个值得探讨的开放式问题。
*头图
本文为极客公园原创文章，转载请联系极客君微信 geekparkGO
大疆神秘影像新品，本周四 20:30，极客公园视频号直播间，第一时间带你上手。