页面顶部
已进入:阅读页
← 返回

个人网站文章2026-04-20lixiaolai.com作者:李笑来原文链接

技能是杠杆,不是替代品

给这个季度安装了三个技能,并且交付了自己引以为豪的工作的我们:这篇文章不会告诉我们这么做是错的。

Footnotes

  1. Anthropic. "Equipping Agents for the Real World with Agent Skills." Engineering blog, October 2025. — AND — Anthropic. Agent Skills platform documentation. platform.claude.com/docs/en/agents-and-tools/agent-skills/overview, fetched 2026-04-17. — AND — Hacker News thread 45619537, October 2025. ↩ ↩2 ↩3

  2. Shen, J.H. & Tamkin, A. (Anthropic). "How AI Assistance Impacts the Formation of Coding Skills." arXiv:2601.20245, January 28, 2026. Published at anthropic.com/research/AI-assistance-coding-skills. Subgroup finding: Section 6 and Figure 11; post-hoc status flagged by authors as "exploratory data analysis (not pre-registered)." ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9

  3. Anthropic, "Customer Story: Thomson Reuters," claude.com/customers/thomson-reuters, fetched 2026-04-17. — AND — Anthropic, "Customer Story: eSentire," claude.com/customers/esentire, fetched 2026-04-17. — AND — eSentire, "How eSentire Runs Expert-level Threat Investigations at Scale with Claude," esentire.com/blog/how-esentire-runs-expert-level-threat-investigations-at-scale-with-claude, 2026. Current production metrics: 6-minute average investigation, above 90% alignment with senior SOC experts across 500+ adjudicated outcomes. Earlier deployment figures (VentureBeat, November 2025): "5 hours to 7 minutes" and "95% alignment" from the initial 1,000-investigation validation study; current primary pages report "6-minute" and "above 90%" as the sustained production floor. ↩ ↩2

  4. Fernandes, S., et al. "AI Makes You Smarter, But None the Wiser: The Disconnect between Performance and Metacognition." Computers in Human Behavior, Vol. 175, Feb 2026, Article 108779. DOI: 10.1016/j.chb.2025.108779. arXiv: 2409.16708. ↩ ↩2 ↩3

  5. Fernandes, S., et al. "AI Makes You Smarter, But None the Wiser." Computers in Human Behavior, Vol. 175, Feb 2026, Article 108779. Specific measure: r = 0.21 (Table 2, SNAIL Technical Understanding × metacognitive bias ΔEP). arXiv: 2409.16708. ↩ ↩2 ↩3

  6. METR. "Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity." metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/, July 10, 2025. — AND — METR. "We Are Changing Our Developer Productivity Experiment Design." metr.org/blog/2026-02-24-uplift-update/, February 24, 2026. ↩ ↩2 ↩3 ↩4

  7. Stack Overflow. "2025 Developer Survey — AI." survey.stackoverflow.co/2025/ai, published December 2025. ↩ ↩2

  8. Anthropic. "Agent Skills — Security Considerations." platform.claude.com/docs/en/agents-and-tools/agent-skills/overview, fetched 2026-04-17. ↩ ↩2

  9. SEC Office of Investor Education and Advocacy. "Investor Bulletin: Understanding Margin Accounts." investor.gov. — AND — FINRA Rule 4210, finra.org. Referenced 2026-04-17. ↩ ↩2

  10. Polanyi, M. The Tacit Dimension​. University of Chicago Press, 1966 (reissued 2009). Opening chapter: "Tacit Knowing." ↩

  11. Snyk Security Research. "ToxicSkills: Malicious AI Agent Skills on ClawHub." snyk.io/blog/toxicskills-malicious-ai-agent-skills-clawhub/, published February 5, 2026. ↩ ↩2 ↩3 ↩4

  12. Maloyan, N. & Namiot, D. "Prompt Injection Attacks on Agentic Coding Assistants: A Systematic Analysis of Vulnerabilities in Skills, Tools, and Protocol Ecosystems." arXiv:2601.17548v1, January 24, 2026. ↩ ↩2

  13. Fischer, F., Bottinger, K., Xiao, H., Stransky, C., Acar, Y., Backes, M., & Fahl, S. "Stack Overflow Considered Harmful? The Impact of Copy&Paste on Android Application Security." 2017 IEEE Symposium on Security and Privacy, pp. 121-136. arXiv:1710.03135. DOI: 10.1109/SP.2017.31. ↩ ↩2

  14. Dahmani, L. & Bohbot, V.D. "Habitual use of GPS negatively impacts spatial memory during self-guided navigation." Scientific Reports, Vol. 10, Article 6310, April 14, 2020. DOI: 10.1038/s41598-020-62877-0. ↩ ↩2

分屏式社论插图:左半边是一条下行曲线,被机械止损开关挡住;右半边是同一条曲线,没有开关,向画面下方继续坠落。

给这个季度安装了三个技能,并且交付了自己引以为豪的工作的我们:这篇文章不会告诉我们这么做是错的。

Claude Code 的技能生态在 2025 年 10 月到 2026 年第一季度之间迅速成熟。Anthropic 在 2025 年 10 月推出 Agent Skills;到 12 月,一项开放标准——SKILL.md 格式——已经成了 Claude Code、Cursor 和 Agent SDK 之间的跨平台惯例。1 第三方索引如今列出的技能已经超过 85,000 个。Hacker News 上那条题为“Claude Skills are awesome, maybe a bigger deal than MCP”的帖子,在滚出首页之前拿到了 738 分和 370 条评论。1 那些一边点头一边安装看起来有用的技能的读者,做的正是这个生态被设计来促成的事——而且在多数情况下,它确实有效。

本文并不是在论证技能不好。它也不是在论证任何人都应该少用 AI,不是在说下载专业知识天然就是欺诈,也不是在加入那场已经排练到第四轮的初级开发者技能退化恐慌。这里不是那个问题。那些文章大多谈的是学习,其中的大部分担忧是关于一些初级开发者在还没有形成基础之前就伸手去拿工具。那是真问题。但不是本文的问题。

范围条件必须先说清楚。低风险、快反馈的领域,正是技能真正有帮助的地方,包括那些基础还薄的用户。如果技能产出了糟糕结果,反馈回路很快就能抓住它。失败是可见的。专业能力的民主化实际上就是这样发生的,而且它确实有效。本文关心的是它的补集:高风险、慢反馈的领域,在这些领域里,失败要到变得昂贵时才会显现;而用户在技能实际运作的那个具体领域中的评估能力,可能低于他们的自信所暗示的水平。

本文谈的是尾部情形——在哪些条件下,技能不再放大我们的判断,而开始放大别的东西——以及为什么一项近期发现,如果细读,会提示我们:这个尾部比多数人以为的更宽。

1. 主线确实有效,而且有数据这样说#

关于 AI 辅助软件工作的正面论证,比多数怀疑论文章承认的更强;也比我为了接下来要提出的论点而希望它强的程度更强。

在 Anthropic 主导的一项随机对照试验中,研究者考察开发者如何在 AI 辅助下学习一个新库。AI 辅助参与者中的一个子组——那些把工具用于概念探询的人——在理解测验中的得分约为 86%。2 另一个采用代码生成与解释混合方法的组,得分约为 80%。2 两个结果都达到或超过了手工编码控制组约 70.9% 的得分。2 这不是模糊说法。这是论文自己的数据,并且按产生这些结果的行为拆开来看:当 AI 辅助作为思考工具而不是代码生成器运作时,它产生了比独自工作更好的理解结果。

在实验室之外,Anthropic 自己的企业案例也报告了足以支撑乐观解读的压缩幅度。Thomson Reuters 把法律研究从数小时压缩到数分钟。eSentire 把威胁分析从五小时压缩到七分钟,输出与资深专家判断的一致性最初测得为 95%,在持续生产中也确认高于 90%。3 这些不是玩具任务。它们是在真实风险下运行的生产工作流。民主化叙事——可下载的专业能力可以在资深判断稀缺的领域替代稀缺的资深判断——在这些案例中确实有证据支持。

脚手架式辅助这个框架也站得住。当 AI 辅助被用于探询时——当用户在追问、探查解释、建立模型,而不是接受一个结果时——它就像学习研究者所说的“更有知识的他者”(More Knowledgeable Other):一种扩展用户最近发展区的资源,而不是绕过它。风险不是在这里出现的。风险出现在另一种模式里。

产生那些 86% 理解分数的同一项研究,也产生了本文要转向的发现。

2. 真实、有记录,而且很可能也关于我们#

2025 年 7 月到 2026 年 2 月之间发表的三项发现,单独看都不算惊人,合在一起却指向同一个方向:AI 辅助开发者实际产出的东西,与他们以为自己产出的东西之间,存在差距。

第一项来自 Fernandes 等人,2026 年 2 月发表于 Computers in Human Behavior​。4 在两项研究中——N=246 和 N=452——参与者在可以使用 ChatGPT-4o 的情况下解答 LSAT 逻辑推理题。AI 使用让任务表现比基线提高了约 3 分。它也让自我估计表现提高了 4 分。净结果是:即便把真实提升计入之后,仍然存在系统性的信心盈余。表现提高了;对表现的感觉提高得更快。这个差距在两项研究中都得到了复现。4

这一发现与长期退化的可能性相一致,但不足以证明长期退化。Fernandes 的设计是单次会话——一组题目、即时自评、没有后续追踪。作者自己也在局限性部分明确写道,他们的设计“无法回答过度自信是否会随着时间损害学习”。LSAT 语境也限制了跨领域推断的范围。这项研究所确立的——并且通过复现确立的——是一次性元认知差距真实存在且可以测量。4

第二项发现同样来自 Fernandes,对本文的特定读者来说更令人不舒服:在两项研究中,参与者在 SNAIL AI 素养量表上的得分,与元认知偏差呈正相关。5 技术上最了解 AI 的用户,反而犯下最大的自我评估错误。相关性并不大——r = 0.21,约解释 4% 的方差——但在两项研究中都有统计显著性。5 这是一个方向上反直觉的信号,不是戏剧性的发现。可以把它当成一个探针式问题,而不是一条已经确立的定律:如果我们在一次 LSAT 会话中看到的模式,只是某种会复利增长的东西的尖端呢?

第三个数据点是 METR 2025 年 7 月的随机对照试验。6 16 名经验丰富的开源开发者,在自己的代码库上完成了 246 个真实任务,条件随机分配为允许使用 AI 或禁止使用 AI。使用 AI 的开发者——Cursor Pro 搭配 Claude 3.5 和 3.7 Sonnet——完成任务所用时间反而多了 19%。他们相信自己快了 20%。在研究开始前,他们预期会提速 24%。6

限定条件必须说明,因为成熟读者已经知道:N=16 很薄。代码库设置——开发者在自己 100 万行级别的仓库上工作——最大化了 AI 的上下文劣势。工具也是 2025 年初那一代。METR 自己在 2026 年 2 月的后续文章中明确说,他们的新实验设计“给出了一个关于当前 AI 工具生产力影响的不可靠信号”,并补充说“我们的数据只是关于这种提升规模的非常弱证据”。6 METR 没有撤回 2025 年 7 月的数字,但他们已经降低了自己对这些数字能够说明当前 AI 工具什么的信心。请把这个数据点当作趋同模式中的一个信号,而不是决定性证据。

模式依然趋同。Stack Overflow 2025 开发者调查——最大的年度开发者调查,受访者超过 60,000 人——发现 84% 的开发者正在使用或计划使用 AI 工具。7 最主要的挫败感,由 66% 的开发者提到,是“AI 方案差一点就对,但就是不完全对”。7 这就是元认知差距的自我报告版本:工具产出的东西足够像真的,于是日常摩擦不是不存在的 API 这类幻觉,而是“差不多对”和“对”之间的间隔。

这三项研究各自都没有解释,差距在哪些用户身上最大——答案来自那篇人人都浏览过却没有细读的研究。

3. 转折:Anthropic 那篇论文真正说了什么#

我们多数人记住的 Anthropic 数字——AI 辅助组理解测验 55.6%,手工组 70.9%,相差 17 个百分点——是真的,但它也是错误的分析单位。

这个数字隐藏了什么?Shen 和 Tamkin 分析了 AI 条件下 26 名参与者中 25 人的屏幕录像(一份录像不可用),识别出六种不同的使用模式。作者明确把这标记为“探索性数据分析(非预注册)”——这些是基于屏幕录像的定性分析事后得出的类别,每个单元格的样本量在 2 到 7 名之间。单元格很小,发现具有方向性,但没有在子组层面得到统计验证。请把这些限制放在眼前。2

六种模式分成两个层级,二者没有重叠:

高分模式(测验得分 65-86%,达到或高于 70.9% 的手工控制组):

  • 概念探询(Conceptual Inquiry)——n=7,约 86%:参与者“只问概念性问题,并依靠自己提升后的理解来完成任务”2
  • 代码-解释混合(Hybrid Code-Explanation)——n=3,约 80%:在请求生成代码的同时请求解释
  • 先生成、后理解(Generation-Then-Comprehension)——n=2,约 75%:先生成代码,再追问后续问题

低分模式(测验得分 24-39%):

  • AI 委托(AI Delegation)——n=4,约 24%:“完全依赖 AI 编写代码并完成任务;这一组完成任务最快,过程中很少遇到错误或没有遇到错误”2
  • 渐进式 AI 依赖(Progressive AI Reliance)——n=4,约 28%:逐步转向完全委托
  • 迭代式 AI 调试(Iterative AI Debugging)——n=4,约 39%:依赖 AI 解决错误,而不是澄清理解

图:按 AI 使用模式划分的理解测验得分——Shen & Tamkin(Anthropic),arXiv:2601.20245。水平线标出手工编码控制组得分(70.9%)。

论文自己的表述是:“高分模式通常涉及更多认知努力和更少 AI 依赖。”2

17 个百分点的组级差距,完全是低分层的属性。高分层并没有比控制组低 17 分。它大约高出低分层天花板 15 分,并且达到或超过控制组。把委托子组抽出来,组级发现就翻转了。

这当然仍然是探索性的、事后的。每个单元格的 n 值——每类 2 到 7 人——小到足以让点估计很不精确。模式描述是定性的。没有预注册分析验证类别边界。严谨读者应当相应地给它权重。

可是:这个分裂方向上的差距宽达 30 到 45 个百分点;在每个层级的每个单元格中方向都一致;而且它与每个实际工作的开发者已经直觉知道的 AI 助手两种用法相吻合。我们可以要求它解释一个概念,直到我们理解。也可以要求它写代码,然后交付输出。

AI 辅助组并没有低于控制组。AI 辅助组的一半低于控制组 30 到 45 分。另一半持平或超过。区分它们的变量不是工具,而是模式。

4. 桥:从形成到使用,从模式到制品#

下一步是本文推论性最强的一步,所以我想把它明白标出来,而不是偷偷带过。

Anthropic 的研究测量的是技能形成:从未使用过 Trio 库的参与者用它工作 35 分钟,然后参加理解测验。没有被测量的是:一个已经熟悉自己领域的从业者,为生产用途安装一个 Claude Skill 时会发生什么。论文作者自己也指出,这是“本研究没有解决的一个重要问题”。2 从形成阶段到生产阶段的迁移没有被测量;把 Shen 和 Tamkin 的课堂连接到读者的工作仓库,是我的论证,不是他们的论证。

这个论证依赖机制:一个从业者在相邻于其核心专长的领域使用技能时,相对于那个领域仍处在持续形成阶段,即便他在别处已经是资深专家。Anthropic 研究的形成阶段发现,适用于任何用户对技能所属领域的理解正在实时形成的场景——而这正是相邻领域专家这个案例所描述的场景。

SKILL.md 格式的设计目的,是以结构化指令的形式给 Claude 提供它先前没有的能力,让从业者安装并运行。1 Anthropic 自己的文档把 Skills 描述为能够让 Claude 代表用户“调用工具或执行代码”。8 标准的技能安装工作流——找到技能、安装技能、使用技能——没有任何摩擦点会询问用户:我现在处于探询模式,还是委托模式?格式中没有任何东西要求在执行之前先进行概念参与;生态经济也没有补上这一点:技能的营销和排名依据的是压缩——“数小时到数分钟”,“5 小时到 7 分钟”——而不是有助于理解的脚手架。3 这个制品针对的是委托默认值,因为安装时的奖励函数是速度,而不是理解。它最终以探询模式还是委托模式抵达用户,完全取决于用户——而用户并不会被提示去选择。

图:两种反馈回路。探询模式(左)保留理解摩擦——用户的评估能力在每次迭代中都被调动。委托模式(右)移除这种摩擦——任务完成了,但理解从未被测试。Anthropic 子组发现(第 3 节)就是哪条回路产生哪种结果的实证记录。

是的,这些正是我刚才用来证明主线有效的数字。重点就在这里:这个生态中最可见的成功,也是这个生态最清晰的激励——被奖励的是压缩,而不是让压缩变得安全的理解脚手架。

有一个限定。Anthropic 的探询模式子组并没有任何技能文件摩擦;他们使用的是普通聊天界面,并且选择了概念性参与。因此,本文的主张比“技能导致委托”更窄。主张是:在自由聊天语境中已经只是可变存在的、通向探询的默认摩擦,在技能封装的语境中更低;而生态的奖励函数并没有做任何事来重新引入这种摩擦。机制是激励,不是决定论。

这就是 Shen 和 Tamkin 的课堂与我们今早打开的仓库之间的联系——而且说清楚,这是我正在提出的联系,不是他们测量过的联系。

5. 缺失的追缴保证金机制,现在给出定义#

从支点分出的两条路径——探询路径带着摩擦向上,委托路径毫无停顿地下滑

追缴保证金通知不是警告,也不是可选项。

根据 FINRA 规则 4210 和 SEC Regulation T,保证金账户必须满足强制性的 25% 维持保证金要求。9 当亏损使账户权益跌破该阈值时,经纪商有权在不提前通知账户持有人的情况下平仓。投资者不能决定止损是否触发。经纪商可以根据自己的裁量执行清算,不受投资者对该头寸看法的影响。止损是结构性的、法律强制的,不能被持有杠杆头寸的人覆盖。9

图:金融杠杆会在账户权益低于监管阈值时触发强制止损(FINRA Rule 4210)。技能杠杆没有等价机制。缺乏技能所在领域评估能力的从业者无法发现错误——而这正是技能一开始显得有用的那个条件。

追缴保证金通知不是财务谨慎的隐喻。它是基础设施。金融杠杆危险,于是金融系统的回应,是把这种危险写进架构:一个在亏损超过杠杆方事先同意的阈值时自动启动的断路器。

技能杠杆因类似原因而危险——它会放大从业者已经持有的任何立场,无论正确还是错误——但这里没有类似基础设施。没有阈值触发。没有外部方监控从业者判断力的“权益”,并在它跌破维持要求时强制平仓。从业者可以继续以工具速度持有一个自信但错误的立场,以技能所允许的速度产出貌似合理的输出,而没有任何自动停止。

金融系统的断路器有效,是因为相关变量——账户权益——可以实时测量。技能系统中的类比变量——从业者在技能运作的具体领域中的判断准确性——不能实时测量,而这恰恰是从业者安装技能的原因。波兰尼在这里的观察非常精确:“我们知道的多于我们能够说出的。”10 专家表现依赖默会知识——模式识别、情境判断、知道什么时候不要套用规则——这些都无法编码进一个结构化 Markdown 文件,无论文件写得多好。技能继承的是专家作者的显性流程。它没有继承作者的迟疑——资深安全工程师看到某个认证模式并放慢速度去检查威胁模型的那一刻。它没有继承那种让优秀从业者在错误语境中暂停的领域特异性不确定感。技能是一个被截肢的专家:它有动作,但没有本能。

Anthropic 子组发现描述的正是这个机制。探询模式用户达到或超过手工控制组,是因为探询模式就是止损——它是一种让从业者评估能力保持参与的摩擦,迫使执行之前先形成理解。委托模式用户得分 24-39%,是因为委托模式完全移除了这种摩擦。任务完成了。输出看起来正确。理解从未形成。

Shen 和 Tamkin 的探询模式,是技能生态中最接近追缴保证金机制的东西;而它恰恰是一个设计良好的技能文件被建造出来要移除的摩擦。

6. 单一化风险,以及诚实的连续性#

在这一节提出技能特有的主张之前,我想先承认那个显而易见的主张——软件依赖中的单一生态风险,已经是一个解决到足以让多数人对 Dependabot PR 有意见的问题。

Log4j、left-pad、XZ。软件供应链攻击已有记录、已有研究,也已有部分缓解。这个领域有软件物料清单(美国行政令 14028)、SLSA 供应链证明、Snyk 漏洞数据库,以及签名提交。SBOM 要求之所以存在,是因为行业早就明白:一个广泛使用的组件,会携带广泛分布的风险。技能注册表是一种依赖生态。单一化风险不是类别上全新的东西。

有两个属性把技能依赖风险与现有依赖风险文献所处理的任何东西区分开来。

第一:当软件依赖包含 bug 时,bug 影响代码行为。当技能包含一个有缺陷的假设时,缺陷影响从业者的思考。输出不只是错误代码;而是一个被训练成——跨会话、规模化地——从有缺陷模型出发推理的从业者。一个把某类漏洞视为范围之外的安全审查技能,不只是会在一次审查中漏掉那类漏洞;它还会训练从业者停止寻找它。依赖污染制品;技能污染评估制品的认知过程。

第二:发现有 bug 的依赖,需要运行代码并观察失败。发现有缺陷的技能,需要在该技能运作的具体领域中拥有专业知识。有这种专业知识的人,大概并不需要这个技能。没有这种专业知识的人,面对自信但错误的输出,无法把它和正确输出区分开来。检测机制要求的,正是安装该技能的用户所没有的东西。

这两个属性合在一起意味着,技能供应链的失败模式不是普通依赖问题。它是一种失败发生在认知层面、会自我强化、并且对最可能受影响的人不可见的依赖问题。

测量已经存在,而且很具体。Snyk 安全研究团队审计了截至 2026 年 2 月来自 ClawHub 和 skills.sh 的 3,984 个技能,方法结合了八项专门安全政策与人工参与验证。11 发现是:534 个技能——占全部审计对象的 13.4%——至少包含一个严重级安全问题。91% 已确认的恶意技能同时采用提示注入技术和传统恶意软件代码。11 三个主要攻击向量分别是:外部恶意软件载荷、通过混淆命令抓取 AWS 密钥等凭据的数据外泄,以及安全功能禁用。发布时,仍有 8 个恶意技能公开存在于 clawhub.ai。11

一项针对面向 agentic coding assistants 的提示注入攻击的结构化综述,覆盖 Claude Code、GitHub Copilot、Cursor 以及相关平台,共 78 篇主要来源,发现 85% 或更多被识别攻击成功攻陷至少一个主要 agentic coding 平台,而自适应攻击绕过了 90% 以上已发表防御。12 这些数字来自具名基准的综合,不是独立复现;85% 和 90%+ 这些数字来自包括 MCPSecBench 在内的底层研究。应把它们视作方向性而非决定性数字。12

十年前,在一个类似生态中,Fraunhofer AISEC 的一个团队分析了 Google Play 上 130 万个 Android 应用,发现其中 15.4% 包含可追溯到 Stack Overflow 答案的安全相关代码片段。13 在这些应用中,97.9% 至少包含一个不安全片段。13 机制相同:开发者从一个足够可信的来源复制看起来能工作的代码,恰好是在自己缺乏专业能力来评估它的领域。Fischer 等人在 2017 年把这作为警告发表。警告没有阻止模式继续;最终跟上的,是工具链。

刚安装的技能有八分之一概率包含严重缺陷,这不是理论风险;这是 Snyk 对本季度注册表中可用制品的计数。11

7. 这篇文章写给谁:相邻领域用户#

第 2 节的三项发现合在一起,预测了最高风险用户的一种具体形状。文献中还没有任何研究直接检验这个预测。

它不是纯新手。纯新手怀疑自己的输出。他们问更多问题。他们更可能处在探询模式,因为他们明确知道自己不知道。

被预测为高风险的形状,是相邻领域专家:一个在主领域确有资深能力、AI 素养高、正在其核心专长相邻的领域安装并使用技能的从业者——安全、法律、监管、医疗。推论链来自已经测得的发现:更高的 AI 素养与更低的元认知准确性相关(Fernandes,r=0.21)。5 经验丰富的从业者会高估自己的 AI 辅助表现(METR)。6 委托模式会以高任务完成速度产出自信但错误的输出(Anthropic)。2 符合这一画像的从业者——主领域资深、AI 素养高、在相邻领域使用技能——按照这三项发现描述的模式,会有足够信心安装并采纳一个安全审计技能,有足够技术熟练度把输出解释为合理,又存在足以让他们抓不住安全专家能抓住的错误的领域缺口。这个组合就是被预测的失败模式——不是已测量,而是从趋同模式中预测出来的。

GPS 能力萎缩发现,是文献中最接近直接测量工具替代性萎缩的东西——在一个相近领域,不是同一领域。Dahmani 和 Bohbot(2020)发现,终身 GPS 使用越多,空间记忆表现越差;在约 3.2 年的纵向追踪中,更多 GPS 使用与依赖海马体的空间记忆更陡峭下降相关,其中最强纵向相关达到 r=-0.68。14 准确说明这项证据是什么、不是什么:它测量的是 GPS 替代之下海马体空间记忆的萎缩;它没有测量 AI 技能使用之下的领域专业能力。我们是在跨领域外推,不是在同一现象内外推。这项研究是观察性的,纵向样本很小(N=13),因果方向是被论证的,不是最终确立的。但机制很具体:替代某项能力的工具,可能让它所替代的能力萎缩;时间尺度就是常规替代持续发生的时间尺度。14 把安全审查委托给技能的从业者,不只是今天拿到一个错误答案;他们还可能在技能运行的每一次会话中,收窄“我知道什么”和“我以为我知道什么”之间的差距。

如果这个素描像某个熟悉形象,诚实的问题是:那个形象有多少时候就是我们。

8. 把追缴保证金机制重新设计进去#

我不会在结尾解决缺失的追缴保证金机制——处方比诊断更难,任何声称并非如此的人都是在卖技能。

Anthropic 自己的安全文档已经命名了这个风险类别:“我们强烈建议只使用来自可信来源的 Skills:你自己创建的,或从 Anthropic 获得的。Skills 通过指令和代码为 Claude 提供新能力,这让它们强大,但也意味着恶意 Skill 可以指示 Claude 以不符合该 Skill 声称目的的方式调用工具或执行代码。”8 平台所有者正在警告用户警惕平台自己的生态。设计议程由此展开:明确声明适用条件的技能;促使用户进入探询模式而不是静默执行的技能;显露不确定性,而不是把作者的信心投射进用户语境的技能。“行动前验证”不是技能设计——它是责任转嫁。

这些是设计问题,不是答案。它们要求技能知道何时说:我不是这个语境中的正确工具;而这要求技能拥有一个它们目前并不具备的语境模型。金融追缴保证金机制之所以有效,是因为账户权益可以测量。技能中的类比物,需要测量某种难得多的东西。

在设计工作完成之前,真正有效的测试,是 Shen 和 Tamkin 意外发表出来的那个:我是在问这个技能为什么,还是在接受它给我的东西?每次运行它时,答案都摆在我们面前。