K10模型向左，Skill 向右

一夜归零的核心技术

2024 年上半年，我和团队在做一个微信群总结机器人。那时候模型的上下文窗口只有 8K，群聊记录塞不进去。我写了一个 K 型压缩算法：首尾多保留，中间压缩，递归压到 6K 以内。这是我们的核心技术。

几个月后，模型的上下文窗口从 8K 涨到了 200K。我的核心技术一夜之间归零。

模型往左

模型这一侧，所有人都能买到同一个。它的能力一直在涨，你今天为它的短板写的补丁，很可能被下一个版本顺手抹平。

我常把一台 Agent 工作台拆成四层：上下文层、模型层、能力层、闸门层。模型层可以换，也应该能换。大部分人只在这一层上花心思，哪个最强，哪个最便宜；真正拉开差距的是上下文层和闸门层，前者决定它懂不懂你，后者决定你敢不敢把事交给它。

Skill 往右

Skill 这一侧往个人的方向长。公共 Skill 面对平均用户、默认工具和通用流程，只是一个可用的起点；最好的 Skill 往往是定制的，把一个人的资料、账户、知识库、常用软件、风险偏好、审美和验收标准写了进去。我把这叫作千人千 Skill。

我自己用得最多的 Top 10，集中在提交、发布、验证和 Skill 治理，都是照着我自己的交付习惯长出来的。

判断留下，模型就能换

外滩大会上我讲过一组视频 Skill。预处理负责把 4 小时 10 分钟的原片拆成 58 段可用素材和 18 段待复核的素材；创作负责横竖两个版本、字幕、混音和质量检查；发布负责终稿确认、双平台发布，再回到平台核对是否真的发了出去。

成本降了两次。第一次是把工作流沉淀成 Skill，每分钟从 100 美元降到 5 美元；第二次是保留人的判断和验收，把执行的模型换成低成本模型，降到约 2 元人民币。币种按原始记录，不做换算。

第二次降本能成立，是因为判断和验收已经写进了 Skill。 干活的模型换成便宜的，验收的标准没有跟着降。

把这件事摊开，是一条从通用到个人的光谱。从左往右看，你的力气主要花在哪一段。

模型向左，不等于模型不重要

4 月写书 Skill 刚出来时，我在文章里提醒过读者：用它写书，始终用最新的 Claude 模型。

“模型是常量”说的是它对所有人都一样：你能买到的，别人也能买到。选哪个模型照样影响结果，只是它拉不开你和别人的差距。

所以有更便宜的新模型出来时，可以拿你积累的 Case 跑一遍。能过，就换过去；过不去，就留在原来更强的那一档。没有 Case，就只能凭感觉决定换不换。

Agent 走出屏幕以后

我在外滩大会上留下的第三个判断是：当 Agent 从屏幕进入身体和空间，Skill 会成为人的意图和机器行动之间的接口。同样的结构会出现在机器人、汽车、工厂、家庭和医疗辅助设备里。

AI 越能改变现实世界，控制权和验收越重要：谁同意它做，做到什么程度算完成，出了问题谁负责。

常见误区

• —等下一个更强的模型再开始。涨上来的能力人人都有，你的 Context 还是空的。
• —给模型的短板写补丁，当成核心能力。我的 K 型压缩算法就是这样归零的。
• —以为模型强了，Skill 就没用了。视频流水线的第二次降本，靠的正是 Skill 里留下的判断和验收。
• —把 Skill 绑死在一个模型上。模型层要能换，Case 才能告诉你换完行不行。