2023 年大模型爆火后，企业落地 AI 的主流路径有两条：一是直接买通用模型做对话，二是基于 RAG（检索增强生成）把私有数据喂给模型。两条路都走得通，也都遇到了各自的墙。
通用模型的墙在企业知识上。它不懂你的组织架构，不知道你的项目代号，不清楚你的审批流程。问它一份内部报告的结论，它要么胡编，要么说"我没有访问权限"。
RAG 的墙在动作能力上。它能读你的文档，能总结、能回答，但到此为止。你说"把这份合同的付款条款提取出来，和去年的模板比对，生成差异报告发给法务"——RAG 做不到。它只能"说"，不能"做"。
最近观察到一个新方向：一些平台开始把企业内部的文档操作、数据治理、知识生成封装成标准化的"能力单元"，让大模型不仅能读，还能调用。这就是 Skill 化的思路。鸿翼 OpenContent V9 把这个思路落了地，把 OC Skill、数据治理 Skill 和 AI 数据连接 Skill 三层能力打通，大模型在其中扮演调度者角色。
Skill 和 RAG 不是替代关系。RAG 解决"模型知道什么"，Skill 解决"模型能做什么"。两者结合，模型才能真正嵌入企业工作流。
举个例子。一个销售问系统："去年我们在新能源行业丢了哪几个大单？原因是什么？"RAG 负责从销售记录里找出相关信息。Skill 负责调用"客户分析""竞品比对""报告生成"这些能力，把散落的信息聚合成一份带图表的分析报告，推送到销售总监的桌面上。
这个路径的价值在于"闭环"。从数据解析到知识生成，再到操作执行，所有环节都在统一的能力框架里完成。企业不需要为每个场景单独开发接口，也不需要担心不同系统间的权限冲突。
当然，这条路还在早期。标准化能力单元的定义、跨系统的权限继承、操作审计的完整性，都是待解的课题。但至少，企业 AI 落地有了第三条路可选——不是让模型更聪明，而是让企业的能力更可用。
