【油管解读】Anthropic说:别再造Agent了,造Skill就够了

🎙️ 「油管解读」是我新开的一档节目
油管上有太多高质量的深度内容，但大多是英文的，动辄几小时，听起来费劲。所以我用 AI 把感兴趣的内容转成中文播客，方便自己通勤收听，也分享给你。
本期解读：Don't Build Agents, Build Skills Instead
来自 AI Engineer 峰会，Anthropic 研究工程师 Barry Zhang 和 Mahesh Murag 的演讲。他们是 Claude Code 和 Agent Skills 的核心创造者。这场16分钟的演讲，提出了一个正在重塑 AI 行业的架构思路：停止为每个场景造 Agent，转而构建可组合的 Skills 技能包。
🔥 本期核心内容
1. Agent 的核心短板是「有智力没专业」Agent 很聪明但缺乏领域知识｜不能吸收你的专业经验｜不会随时间变好｜类比：你不会让天才从第一性原理推导税法
2. 代码是连接 AI 和数字世界的通用接口Claude Code 证明底层 Agent 比想象中更通用｜Agent 脚手架可以精简到 bash + 文件系统｜真正需要定制的是领域知识而非 Agent 本身
3. Skills = 文件夹里的可组合知识包包含 Markdown 指令和脚本｜渐进式披露保护上下文窗口｜可以用 Git 管理、Google Drive 分享｜上线5周已有数千个 Skills
4. MCP 管连接，Skills 管专业MCP 服务器提供外部工具和数据｜Skills 提供领域专业知识｜两者组合即可部署到新垂直领域
5. Agent 架构的计算机类比模型=处理器｜Agent 运行时=操作系统｜Skills=应用层｜真正创造价值的是应用层
💡 对游戏/科技从业者的启示
* Skills 的本质是「把经验变成可复用资产」——和项目管理中 SOP、模板的逻辑一致，只是交付对象从人变成了 AI
* 区分「工具」和「方法」——MCP 是工具连接层，Skills 是方法论层，工具可以通用，方法必须定制
* 非技术人员能创建 Skills——降低了 AI 落地门槛，领域专家可以直接把知识「装进」Agent
* Agent 越用越好的愿景——Skills 让组织经验不再随人员流动而流失，Agent 可以成为团队知识的永久载体
📌 关于我
我是 Hao，游戏行业项目管理从业者，9 年经验。这档节目是我的"学习笔记"，把油管上的好内容消化成中文播客，带上我自己的视角和思考。如果你也对 AI、科技趋势、项目管理感兴趣，欢迎订阅 🎧
🔗 延伸内容
* 游戏项目管理进阶课程
* 模拟面试 / 简历优化服务
* 游戏 PM 成长社区（含工作思考与案例沉淀）