每当 OpenAI 有新模型发布，都会有一种论调：skill 没用了，越来越多用户开始弃用 skill。这话对吗？对也不对。
作者承认论调合理：被抛弃的 skill 集中于「通用 skill」，其定位是补足模型能力缺陷（尤其在各模型尚未针对 coding 优化时）；当模型变强、这些能力被吸收，它们自然失效。
但 skill 不会消失，其有效范围会收敛到「复用性不高不低」的事：个人工作流（如用 Notion 管理任务再生成周报）、公司内部古早技术栈的用法、以及带真实 cookie 访问反爬站点的浏览器 skill 等。这类知识「模型拿不到足够语料自主学会」，只存在于你或团队脑子里。
作者用软件工程类比：skill 层对应「工具包」，模型对应「编程语言」，复用程度决定功能放哪一层——数组、map 该进语言层，发票解析逻辑该进工具包。落到 AI：skill 是有一定复用性、但复用性又不高、AI 没有足够语料自主学会的那部分；「你下载别人的 skill，会发现不好用」。
结论：模型越强，skill 越不能散着。因为通用 skill 会被吸收，帮你选 skill 的检索也会因数量膨胀而变差；真正值得固化的，只剩你（或你的团队）才知道的那一小部分。作者因此开发了 Flint，把 skill 当个人资产管理——单一事实源、打标签、去重、按需投放，而不是大而全的「下载即用」仓库。
Sources · 参考来源