文章总结： 本文阐述了AI中skill概念的优势，指出其通过提取渗透测试等垂类数据，实现了低成本的实时知识更新与价值判断，解决了大模型训练周期长且缺乏实战能力的问题。作者强调skill是渐进式的意图工程实践，模拟大脑思考，区别于单纯工具MCP，能有效覆盖cornercase并提升对程序的控制精度。 综合评分： 82 文章分类： AI安全,渗透测试

关于大家对skill认知盲区的解释

原创

xsser xsser

xsser的博客

2026年1月30日 12:16 浙江

问题

我先随便给出一些评论。然后解释

问题一

我们可以对比下claude的回复和skill的回复

claude的回复：

xianzhi skill的回复：

skill的数据是提取了xz的帖子里面包含了中国的特色的渗透思路和技巧，也包含了很多新的trick，skill的优势非常明显，学过不代表会用，这是大部分的不懂ai的人常见的理解，容易把“学过”=“学会”。你从课堂里出来，你学过核聚变裂变，但是你真的会制造吗？

问题二

Q:数据过时了，没用了。

A:垂直领域的数据更新skill快还是更新模型快？我觉得智商正常的人都可以得出这个答案。skill在数据更新上非常有价值，下次我们考虑写一篇文章来介绍我们是如何构建一个skill的，整个过程还是比较复杂的，核心还是比较费token。

skill的优势就是极大的覆盖了大部分的corner case，而大模型是需要很长时间的预训练来更新知识，一般sota模型都是按照年更新的，这个周期实在太长了，并且他只是训练了知识没有任何的价值判断在里面，我很喜欢“价值判断”这个词语，很好的描述了趋势。做过后训练的模型也是要针对垂类领域做价值判断的训练的，所以skill在这方面是个很好的替代，因为大部分情况下我们没办法训练，只能低成本的做事情，但是skill就很好的模拟了80%的价值判断能力，和顶级专家的能力。

这点才是核心，他可以实时的更新知识、极大的提升了cornse cases的覆盖率、低成本的实现垂直领域专家能力的价值判断能力。

渐进式的skill设计就是因为图灵完成程度决定的。其实图灵完备并不是1/0的答案，他可能是个彩虹，渐进式的。agent驱动的程序就是一个例子。未来可能就和求极限一样，永远不会等于，但是永远接近，所以渐进式的skill程度越高对程序的控制精度越大，效果好。

问题三

Q：skill和mcp的区别是什么

A：skill 渐进式，根据你query的内容层层递进触发更多的信息，他其实是模拟大脑的思考方式，这个需要你有洞察力，能感知到自己的思维的变化和思考的变化。你如果不具备感知自己的元思考的过程，我说了也白说。你也永远不可能懂。其实记忆也是和skill差不多的方式，但是mcp只是工具，在react过程中的一个环节。skill是thinking的一个优化环节。涉及引入外部知识的有mcp，rag，skill，如果你抓包分析过react agent运行过程你会发现skill是通过mcp实现的，但是不代表这2者是一个东西。skill就是一个大号的workflow，workflow的价值在于那个边的连接的原因，也就是价值判断；mcp+skill是连接物理世界/形式化世界和概率/连接主义世界的桥梁。说的再容易懂点：skill是一种意图工程的实践。mcp只是一个工具意图接口。

好了，读完这篇文章你只要记住我标红色的那句话，把每个定语从句都念完思考清楚你就懂了skill，再也不会问出傻子问题了，下课！

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：xsser的博客 xsser xsser《关于大家对skill认知盲区的解释》