最近如果你关注 AI 圈，很难绕开一个词：Claude Skills。

不少人的直观感受是：

• “AI 终于懂步骤了”

• “这才像真正的 Agent”

• “感觉比以前聪明太多了”

但如果我们稍微冷静一点，从工程角度看一眼，会发现一个有点尴尬、但很重要的事实：

Claude Skills 并不是让 AI 学会了流程，
而是让流程终于不再交给 AI 负责。

---

一、Claude Skills 到底改了什么？

先不评价，先说事实。

和传统对话式 AI 最大的不同在于，Claude Skills 做了三件事：

1. 把用户输入拆成固定步骤

2. 每一步只允许有限、明确的输入

3. 上一步不完成，下一步不可见

也就是说，用户不再“随便说”，而是被引导着一步一步填空。

这听起来很普通，但对体验的影响非常大。

---

二、为什么人会产生“AI 变聪明了”的感觉？

因为我们的大脑，很容易把稳定性误认为智能提升。

当你发现：

• 不再跳步骤

• 不再漏条件

• 输出结果高度一致

你会下意识地认为：

“AI 终于理解我的意图了。”

但从系统角度看，更准确的描述其实是：

AI 终于不用猜你在干什么了。

---

三、从工程视角看：Claude Skills 更像什么？

如果不用营销语言，而用工程语言来描述，Claude Skills 更接近于：

一个前置的流程 Runtime + 一个被调用的生成模型

在这里，我们可以引入一个中性的抽象概念：

LSR（Local Semantic Runtime，本地语义运行时）

它并不是某个产品，而是一种结构理解方式：

• 流程状态 → 由 Runtime 管理

• 语义输入 → 被限制在当前状态允许的范围内

• 模型 → 只在“该出手的时候”被调用

换句话说：

自然语言不再承担“状态机”的职责。

---

四、这一步，为什么体验会“突然变好”？

因为以前的模式，本身就是高风险设计。

传统对话式 AI 依赖的是：

• 用自然语言描述流程

• 用上下文记忆维持状态

• 用模型推理弥补歧义

但自然语言有几个无法回避的问题：

• 模糊

• 易被上下文稀释

• 不具备强约束力

Claude Skills 的做法其实非常朴素：

流程不写在 prompt 里，
而是写在产品结构里。

结果就是：

• 错误率下降

• 行为可预测

• 用户体感“智商暴涨”

---

五、所以，Skills 解决的到底是什么问题？

一个容易被忽略的点是：

Claude Skills 解决的并不是“AI 不聪明”，
而是“流程失控”。

它做的是：

• 降低自由度

• 收紧输入空间

• 用结构替代猜测

这在工程上，几乎是所有“稳定系统”的共同特征。

---

六、那 Claude Skills 有没有边界？

当然有。

这套方式非常适合：

• 线性流程

• 单目标任务

• 标准化输入输出

但它并不意味着：

• AI 具备了真正的流程理解能力

• 模型可以自行规划复杂任务

• 自然语言突然变成了可靠的控制接口

它更像是在告诉我们一件事：

当系统开始稳定，
功劳往往属于结构，而不是智能。

---

七、写在最后

Claude Skills 的成功，本身并不神秘。

真正值得注意的，是它无意中验证了一个长期被忽略的事实：

让 AI 看起来更聪明，
最有效的方法，
往往是让它少做一点决定。

当我们说“AI 会走流程了”的时候，
也许更准确的说法是：

流程，终于不再交给 AI 了。