Skill 被复制之后，人的价值不会消失，但会从“会做某个动作”迁移到“能定义问题、判断边界、更新方法”。

Skill 最有意思的地方，也是最让人不安的地方。

它把一个人的经验写成了可复用流程。

一旦写出来，AI 可以调用，团队可以复制，别人也可以改造。

那问题就来了：如果 AI 学会了你的 Skill，你还剩下什么？

Claude Skills 的官方结构也在强化这种趋势：一个 Skill 可以由说明、脚本、参考资料和资产组成，并且会在相关任务中被动态加载。经验一旦被结构化，就不再只是个人脑内知识，而会变成可迁移的工作资产。

被复制的是动作，不是判断

一个 Skill 可以写清楚操作步骤。

比如怎么写 PR 描述、怎么做代码审查、怎么整理会议纪要、怎么排查一个接口异常。

但真正有价值的，往往不是动作本身，而是动作背后的判断：

• 什么时候该用这个流程；
• 什么时候该停下来；
• 哪些异常不能自动处理；
• 哪些约束来自业务而不是工具；
• 结果看似正确时，还要检查什么。

这些判断很难一次性写完。

人的价值会迁移到 Skill 之前和之后

Skill 解决的是流程中间段。

但流程之前，还有问题定义。

流程之后，还有结果验收。

AI 可以执行 Skill，但它很难替你决定：

• 这个问题值不值得做；
• 目标是不是定义错了；
• 成本和收益是否匹配；
• 风险是否可以接受；
• 下一版 Skill 应该如何升级。

所以人的位置不是消失，而是前移和后移。

真正危险的是停止更新

如果一个人只依赖某个固定动作产生价值，那这个动作被 Skill 化之后，确实会被替代。

但如果一个人持续把新经验写回 Skill，他的价值会变成系统迭代能力。

AI 学会旧 Skill，并不意味着它自动拥有新判断。

判断来自真实场景、失败反馈和长期取舍。

先给结论

当 AI 学会你的 Skill，你剩下的不是“神秘经验”。

你剩下的是三件事：

• 定义问题的能力；
• 识别边界的能力；
• 持续更新方法的能力。

Skill 会让一部分经验商品化，也会逼我们把价值从“我会做”迁移到“我知道为什么这样做，以及下一步该怎么改”。

参考资料：

• https://claude.com/docs/skills/how-to

Skill 化会改变团队内部的能力分布

在团队里，一个高手最有价值的地方，往往不是他做得快，而是他知道怎么处理边界情况。

过去这些经验藏在个人脑子里。

新人只能通过请教、旁观、踩坑慢慢学。

Skill 化之后，一部分经验可以被写出来，被 Agent 调用，也被新人复用。

这会带来一个变化：团队的基础能力会被拉平。

但同时，真正高手的价值会迁移。

他不只是执行者，而会变成方法的设计者和维护者。

最值得写进 Skill 的不是步骤，而是取舍

很多人写 Skill，只写“第一步做什么，第二步做什么”。

这还不够。

更重要的是写取舍：

• 什么情况不要继续；
• 什么情况必须问人；
• 哪些输出不能相信；
• 哪些检查必须做；
• 哪些边界不能越过。

这些才是经验真正值钱的部分。

步骤容易复制，取舍不容易。

个人应该如何面对 Skill 被复制

第一，不要抗拒复制。

能被复制的经验，本来就应该沉淀下来。

第二，持续更新 Skill。

你的价值不在旧版本，而在你能不能根据新场景改进方法。

第三，保留判断权。

AI 可以执行 Skill，但最终目标、边界和责任仍然需要人来定义。

Skill 会让组织更透明，也会让差距更明显

Skill 化还有一个容易被忽略的影响：它会让团队里的能力差异从“隐性”变成“显性”。

过去一个人做得好，别人只能看到结果，很难知道他到底怎么判断。

当他把流程写成 Skill，判断路径就会被暴露出来：为什么先查这类文件，为什么先跑这个测试，为什么某些结果必须拒绝，为什么某些场景要升级给人。

这会降低团队协作成本，也会让真正的方法论浮出水面。

但反过来，它也会让没有方法的人更容易暴露。

如果一个人的工作只能靠“我感觉”“我习惯”“我一直这么做”来解释，他就很难把经验写成可复用 Skill。AI 时代，不会表达方法，本身就会变成能力短板。

个人要保留三种不可复制性

第一种是场景敏感度。

你是否知道一个流程在什么时候失效，什么时候该调整，什么时候会带来副作用。

第二种是责任判断。

AI 可以给出方案，但责任边界、风险承受和最终选择仍然需要人承担。

第三种是更新速度。

旧 Skill 会被复制，新 Skill 会继续产生。真正有价值的人，不是守住旧经验，而是持续把新经验结构化。

Skill 被复制后，协作方式会改变

当一个团队里的经验被 Skill 化，协作会更像“共同维护方法库”。

过去大家请教高手，是问“这件事你怎么做”。以后更高效的方式，是直接让高手把判断写进 Skill，再通过真实任务不断更新。

这会减少重复沟通，也会让团队知识更稳定。

但它也要求团队接受一件事：Skill 不是一次性文档，而是活的系统。

每次边界案例、失败样本、流程变更，都应该回写进去。否则 Skill 会很快落后于真实业务。

最后：价值会从执行迁移到方法迭代

AI 学会你的 Skill，不是在拿走你的全部价值。

它是在逼你把价值从“会执行”升级到“会定义、会判断、会迭代方法”。

能被写成 Skill 的经验，应该尽早写出来；写出来之后，人要继续往更上游的问题定义和更下游的结果验收移动。