本文首发于 Founder Park 公众号 · 2026 年 4 月 7 日 过去一个月,OpenClaw 让大量人第一次跑起了自己的 AI Agent。给它起个名字,配上工具,接好 MCP,一只属于你的电子龙虾就上线了。但养过虾的人很快发现一个问题:龙虾能调用工具,不代表它知道怎么把活干好。你让它帮你清理磁盘,它把客户资料一块删了;你让它帮你比价下单,一转头就刷爆了主人的信用卡。 大模型的通用知识越来越强,但真正拿来干活的时候,「不稳定」才是最让人头疼的事。同一个任务跑两遍,两次输出在结构、细节、质量上都对不上。 光有 Agent 不够,你得教它做事。 以前常见的方法是写 prompt。但这就像是口头交代,说完就忘,下次还得重来。模型微调可以在一定程度上提升输出稳定性,但贵、慢、不灵活。 Skill 提供了第三种路径。本质是一个封装好的执行单元:操作说明、执行脚本、参考资料被组织在一起,把判断标准、执行步骤和质量要求固化下来,变成 Agent 每次干活时都会加载的标准作业手册。一次写好,反复调用。不需要写代码,只要你有一套经过验证的 SOP,就能做出来。 本质上,Skill 把 prompt engineering 从一次性行为变成了可积累的资产。 但好 Skill 到底长什么样?什么样的 SOP 值得被封装?什么样的 Skill 能真正交付结果,而不只是给 prompt 套了层壳? 带着这些问题,Founder Park 联合扣子做了这次 Skill 招募大赛,希望从真实的参赛作品中找到答案。 而在黑客松之后,扣子发布的2.5 版本升级,推出了 Agent Wor
ARTICLE
/
极客公园
把方法论装进 AI:从这场 Skill 黑客松里,我们找到了 6 个值得参考的样本
2026年09月28日 20:26 · 来自 极客公园