大家都在说 Agent Skill 是下一个风口。
Claude Code 有 skill-creator，Cursor 有 Rules，各种 Agent 框架都在搞"技能市场"。整个行业仿佛达成了共识：给 Agent 装技能包 = Agent 的未来。
但我最近看到一个研究，让我开始怀疑这个共识。
云玦科技做了一个"零 Skill Agent"——不预装任何工具，直接把需求丢给它，它一边干活，一边给自己造工具。在 Humanity's Last Exam 评测里，它全面碾压了基于 Gemini 3 Pro 的 Agent，而且只花了 15 万元经费。
这让我不得不想一个问题：如果 Agent 能自己造工具，我们为什么还要帮它装 Skill？
从"给工具"到"造工具"，范式正在翻转
先回顾一下 Agent 用工具的三个阶段：
第一阶段：人类写工具，Agent 调用。 这是最早的 Function Calling 模式。开发者写好 API、写好 Tool，Agent 只负责"选哪个用"。就像给工人发了一箱扳手，它只需要挑合适的那把。
第二阶段：人类写 Skill，Agent 组合。 这是现在最火的阶段。Claude Code 的 Skill、MCP Server、各种插件市场，本质上是把"工具"升级成了"能力包"。不只是一把扳手，而是一整套"如何修水管"的方法论。Agent 不只选工具了，它开始像个项目经理一样编排流程。
第三阶段：Agent 自己造工具。 这是正在发生的事。Agent 遇到问题，发现现有工具不够用，于是自己写一个函数、调试、验证、存起来下次复用。
这三个阶段的本质区别是什么？是谁在做"知识编码"这件事。
第一阶段，知识在人类工程师的脑子里。第二阶段，知识在 Skill 作者的 Markdown 文件里。第三阶段，知识在 Agent 自己的执行经验里。
三条路径已经跑通
这不是纸上谈兵。学术界和工业界已经验证了至少三条"Agent 自造工具"的路径：
路径一：探索驱动
2023 年 NVIDIA 的 Voyager 项目，在 Minecraft 里让 Agent 边玩边积累技能库。它写代码、执行、验证，把成功的行为存为可复用的技能。结果？获取物品速度比前代快 15.3 倍，而且技能可以跨世界迁移。
这说明 Agent 完全有能力通过"探索"来积累工具。就像小孩学走路，不需要说明书。
路径二：失败驱动
EvoSkill 的方案更有意思——让 Agent 直接执行任务，失败了就分析原因，提出新 Skill，然后过一道"帕累托筛选"才保留。这跟人类的学习方式几乎一模一样：犯错→总结→形成方法论→下次不犯。
路径三：需求驱动
这是云玦科技那个"零 Skill Agent"的路径。不靠探索，不等失败，而是在执行任务的过程中实时发现"我缺一个处理这类情况的工具"，然后当场造一个。
这个框架里有四个角色：管理者规划任务，工匠造工具，执行者跑任务，整合者出结果。128 个工具，全是在做题过程中临时造的。
那 Skill 是什么？一个辅助轮
到这里，逻辑就清楚了。
Skill 本质上是人类给 Agent 打的"知识补丁"。 因为当前的 Agent 还不够聪明，无法在所有场景下自己推导出最佳实践，所以我们把经验预编码成 Markdown 文件、MCP Server、Plugin，喂给它。
这就像自行车的辅助轮——孩子还不会保持平衡时，辅助轮是必要的。但没有人觉得辅助轮是自行车的终极形态。
2023 年的 LATM（Large Language Models as Tool Makers）论文就已经指出了这个方向：用强模型（GPT-4）造工具，弱模型（GPT-3.5）用工具，造一次，用无数次。成本降下来，效果不打折。
到了 2025 年的 ToolMaker 框架，Agent 甚至能把一篇论文的 GitHub 代码自动转化成可调用的工具，成功率 80%。
趋势很明确：工具创造的成本在指数级下降，而 Agent 的工具创造能力在指数级上升。两条曲线交叉的那一天，就是 Skill 作为"人工预制品"开始退场的那一天。
但别急着扔掉 Skill
说 Skill 是"过渡品"，不是说它现在没用，恰恰相反——现阶段 Skill 是最实用的 Agent 增强方式，没有之一。
原因很现实：
1. 自造工具的可靠性还不够。 36氪的一篇分析指出，单个自造 Skill 的可靠性能到 95%，但多个 Skill 组合执行时，成功率从 90% 跌到 79%。错误会指数级累积。在生产环境里，79% 的成功率等于不可用。
2. 造工具本身有成本。 每次从零推导"怎么发飞书消息""怎么调微信 API"，是巨大的算力浪费。预制的 Skill 就像预制菜——不够定制化，但省时省力。
3. 安全边界模糊。 Agent 自己造的工具，谁来审计？谁来确保它不会造出一个删库的脚本？Skill 至少经过了人类 review。
所以现实路径更可能是：Skill 不会消失，而是会进化。
终局猜想：Skill 变成 Agent 的"基因"
我认为最可能的终局不是"有 Skill"或"没 Skill"的二选一，而是一种混合态：
基础 Skill 变成"基因"。 就像人类不需要重新发明语言，Agent 也不需要重新发明"如何调 HTTP API"。这些底层能力会内化到模型本身，或者固化为标准化的基础设施层（MCP 协议正在做这件事）。
领域 Skill 变成"种子"。 人类专家提供的 Skill 不再是最终产品，而是 Agent 自我进化的起点。Agent 会在使用过程中修改、优化、分裂、合并这些 Skill，最终产出人类没想到的变体。
临时 Skill 由 Agent 实时生成。 遇到没见过的问题，Agent 现场造工具，用完可能就丢了，也可能存入技能库供下次使用。就像你临时写了个脚本处理一次性数据清洗，不值得做成产品，但当下管用。
这个图景下，Skill 不是消失了，而是从"静态的人造物"进化成了"动态的 Agent 产物"。 创造者从人类变成了 Agent 本身。
对我们意味着什么
如果你是开发者，现阶段最值得投入的方向依然是 Skill 生态——写好 Skill、用好 MCP，这是当前 ROI 最高的事。但同时值得关注自进化 Agent 的进展，因为一旦这条线成熟，整个 Skill 市场的格局会被重写。
如果你是投资人，纯"Skill 市场"或"Plugin 商店"模式可能不是最好的标的。因为它在赌 Skill 会永远需要人来写。更值得关注的是那些在做"Agent 基础设施"的团队——让 Agent 自己造工具、自己进化的底层能力。
如果你只是关注 AI 趋势的读者，记住一句话就够了：今天我们在教 AI 用工具，明天 AI 会自己造工具，后天 AI 造的工具会比人类造的更好用。
这不是预测，这是正在发生的事情。从 Voyager 到 LATM 到零 Skill Agent，每一步都在验证同一个方向。
Skill 不会消失。但"人类必须给 Agent 写 Skill"这件事，保质期可能比我们想的短得多。
参考资料：
- 云玦科技"原位自进化 Agent"框架（量子位报道）
- LATM: Large Language Models as Tool Makers（arXiv: 2305.17126）
- Voyager: An Open-Ended Embodied Agent with LLMs（arXiv: 2305.16291）
- ToolMaker: LLM Agents Making Agent Tools（ACL 2025）
- EvoSkill / EXIF / CASCADE 等自进化 Skill 研究
