在 AI 領域，我們正處於一個關鍵的轉折點。過去一年，企業紛紛投入資源打造各類專業AI Agent（如財務 Agent、法務 Agent），試圖實現自動化。然而，這種「為每個崗位造一個機器人」的做法，正讓企業陷入「AI代理人動物園」（Agent Zoo) 的困境。必須要趕快引入「Skill」才能解救困境。
最近 AI 圈大家都在聊「AI Agent」，好像只要為每個部門造一個機器人，公司就能自動運轉。但馬克凡發現，很多企業主和產品負責人（PM）正掉進一個巨大的坑裡，我稱之為「AI代理人動物園」（Agent Zoo）
如果你還在研究怎麼寫出更長的提示詞（Prompt），或者還在煩惱要學哪種新的 AI 工具，馬克凡我必須告訴你：時代已經變了！
-內容目錄-
AI Agent 2026 趨勢的改變，你不能不知道！
AI雲端巨頭 Anthropic 最新戰略轉向的技術趨勢報告，深入探討為何我們應該停止盲目製造 Agent，轉而專注於 Skills（技能） 的開發。馬克凡認為，這恰恰好事AI時代最重要的轉折時間點。
在2023年GPT出來的時候，很多朋友問我說，要學哪些AI工具。當時我都跟他們說：「不用學，等待時間，你們現在最要做的三件事情是，建立企業資料庫、建立給AI工作手冊SOP、打造給AI用的工具」
當時候很多人應該都聽不太懂，但這背後就是代表現在的 AI Agent 三個協議框架技術
「建立企業資料庫」就是，打造AI用的RAG
「打造給AI用的工具」就是，前段時間很多人在提的 MCP
「建立給AI工作手冊SOP」則是，今天我要談的主題 Skills
後來又有Agents出來，很多人就一直想要做自己的Agents當時我都跟大家說「不要急，先把我講的那三項用好，等到時機出來後，再來做Agents」
果不其然，隨著Agents越來越多，管理成本越來越高，單一Agent的時候沒有意識到的問題，就會瘋狂跑出來，變成可怕的 Agent Zoo，原本希望 多重代理人( Mulit-Agent)互相協作，但是最後就變成，可怕的管理地獄。
如果你還在用「缺一個崗位就造一個 Agent」的思維做事，你不是在數位轉型，而是在為自己製造「維護地獄」。
今天這篇文章，我要用「CEO 邏輯」帶你拆解 Anthropic 提出的最新戰略轉向：為什麼我們應該停止造 Agent，轉而專注於「Skills（技能）」的開發。
為什麼你的AI Agent 越多，你的管理成本反而越高？
很多夥伴跟我回報，他們造了財務 Agent、法務 Agent、招募 Agent，聽起來很爽，但現實是慘不忍睹。這背後有三個核心痛點：
管理成本的轉移
現在的 Agent 運作起來就像一群「新進員工」，爾且是高IQ的新進員工。手腳俐落產出快，但你必須不斷進行質檢（QA）和反覆修正。
結果是，你的管理負擔沒有減輕，反而從管人變成了管一堆失控的機器人。你花最多的時間就是看他們有沒有做歪，還要抱怨有一堆幻覺，導致管理成本迅速轉移到人類身上。
AI Agent 聰明但不專業
通用模型雖然 IQ 高，但它們不了解你公司的「口徑、規則、暗坑」。它們擅長「補全文件」，卻不具備執行的一致性（Consistency），他們不理解公司內部的具體流程與規則，容易在真實業務中「自信地胡說八道」。在真實業務裡，我們不需要一個 300 IQ 的天才每天重新推導稅法，我們需要一個被專業流程訓練過的執行者。
AI Agent 知識碎片化與系統爆炸
每多造一個 Agent，其實就是多了一套包含 Prompt、工具鏈和權限的軟體系統。當你有十幾個 Agent 時，同樣的業務規則要在五個不同的系統提示詞裡寫五遍，版本一對不起來，整個組織就亂套了。當公司擁有數十個 Agent 甚至上百個 Agent 時，相同的業務規則被重複寫在不同的系統提示詞（System Prompt）中，造成嚴重的知識碎片化與維護困難
典範轉移：別再「造人」，開始「寫手冊」！
如果說製作一個Agent就是造一個人，那個Agent就是一個獨立的人，管理上很累，每次有新東西出來都要從頭教。
Anthropic 給出的解決方案非常具有「工程思維」：
保留一個強大的Agent 架構核心，然後把專業經驗做成可複用的「Skills（技能）」。你可以想像Skill架構，等於就是公司的SOP手冊，只是給AI讀爾以。
這就是我常說的「打造將才基因」。在現代組織中，我們不會為了新需求重寫一個作業系統，而是開發外掛。同理，我們不應該重複造人，而是給同一個聰明的新人發放不同的「工作手冊SOP」。財務一本、法務一本，哪天流程改了，你只需要更新手冊，所有 Agent 就會同步更新。
在實際應用層面，一個 Skill 通常由一個 skill.md 說明書、執行指南（步驟與邊界條件）以及配套資源（腳本、模板、參考文檔）組成
什麼是真正的「Skill」？它不是更長的 Prompt！
在 Context Engineering（情境工程） 的視野下，Skill 是一組打包好的、可組合的流程性知識。它具備三個關鍵特性：
‧ 流程性（Procedural）：強調「怎麼做」，而非「是什麼」。比如財務報表，它定義了：拉數據 → 校驗 → 彙總 → 套模板的完整鏈路。
‧ 可組合（Composable）：像積木一樣，你可以在同一個任務中疊加數據分析 Skill 和規章審查 Skill。
‧ 可執行（Executable）：這是最有價值的點！它允許將確定的工作（如計算、排序）丟給腳本（Runtime）跑，如果要讀取資料，就使用MCP去呼叫資料，模型只負責規劃和決策。記住，企業要的是可重複的執行，不是隨機的靈感。
Mark Ven Note:
腳本（Runtime），你可以想像是一個寫好固定的小程式，每次要計算的時候，就叫AI去拿他出來使用
Mark Ven Note:
MCP，你可以想像是一個讓AI可以連到外部使用工具的呼叫器，每次要讀資料庫、搜尋、做大工具的時候，AI就會去呼叫MCP出來使用
企業級AI Agent治理：把技能Skill變成你的「數位資產」
當你把架構從「多 AI Agent」切換到「通用 Agent + Skills 庫」時，你其實是在建立公司的護城河。這涉及到我常提到的數位組織工程：
Skill 漸進式披露（Progressive Disclosure）
解決上下文窗口限制。Agent 啟動時只加載技能名（元數據），只有觸發時才讀取詳細指令。這就像我教大家的學習四步驟，先抓重點，再深入細節。
開發與業務專家的共創
Skills 大大降低了門檻。現在會計、法務、招募等非技術專家，也能直接編寫 skill.md 說明書。這讓企業知識不再被鎖在工程團隊手中，而是能被規模化沉澱。
可觀測與審計
你可以清楚知道是哪個 Skill 出錯、誰改了規則、改了之後如何回滾。沒有審計，AI 永遠進不了企業的核心系統。
馬克凡的Agent 與 Skill 實戰建議：組織上，你該如何調整？
夥伴們，未來的競爭力不在於你擁有多少個 Agent，而在於你沉澱了多少高質量、可治理、可分發的 Skill Library（技能庫）。
‧ 如果你是 PM：別再排功能列表了，去規劃你的技能資產組合。問問自己：這個 Skill 的複用率高嗎？檢查點清晰嗎？
‧ 如果你是開發者：重心轉向知識工程。編寫可執行的 SOP，並把重活丟給腳本，確保穩定交付。
‧ 如果你是領域專家（如會計、法務）：可以直接參與 Skills 的編寫，將口頭經驗轉化為顯性資產
‧ 如果你是老闆：開會時少問「要不要再做個新 Agent」，多問「這個流程能不能寫成可複用的 Skill」？
未來的個人與企業競爭力，不在於你擁有了多少個 Agent，而是在於你沉澱了多少高質量、可治理、可分發的技能資產（Skill Library）。當模型能力都差不多的時候，知識的組織與沉澱方式將成為新的核心護城河
這就是 馬克凡 Mark Ven「生活 CEO」的思維：用系統化的原則，超越昨天的效率。
AI Agent 落地新架構：常見問題解答 (FAQ)
為了讓大家秒懂，我用最簡單的邏輯整理了這份 FAQ，幫你掌握未來五年的 AI 落地關鍵。
Q1 什麼是 Agent？為什麼說造太多 Agent 會出問題？
你可以把 Agent 想像成一個「AI 虛擬員工」。 以前大家的做法是：缺財務就造一個財務機器人，缺法務就造一個法務機器人。結果就像公司裡擠滿了一群**「初級員工」**，每個人手上拿的規則都不一樣，你反而要花更多時間去檢查他們有沒有出錯、去管理這群「智能體動物園」,。管理成本反而轉移到了人類身上。
Q2 那現在說的「Skill（技能）」到底又是什麼？
Skill 就像是「入職手冊（Onboarding Manual）」。 它不是一段簡單的對話，而是一套打包好的專業流程知識。它告訴 AI：第一步做什麼、第二步檢查什麼、最後要輸出什麼格式,。這就是我常說的 SOP（標準作業程序）數位化。
Q3 Skill 與傳統的「長提示詞（System Prompt）」到底有什麼區別？
Skill 不僅僅是更長的提示詞，它是一組為 Agent 打包的、可組合的、具備執行能力的流程性知識。
‧ 提示詞：通常是感性的指令，告訴模型「你是誰」或「你應該怎麼說話」。
‧ Skill：強調「怎麼做（How to do）」，例如將財務報表的提取、校驗、彙總到模板生成的一連串步驟打包。
‧ 可執行性：Skill 允許將確定性的部分（如複雜計算、排序、格式轉換）交給腳本（Runtime）執行，模型僅負責規劃與決策
Q4 為什麼用「技能」會比「多造機器人」更好？
這就是「槓桿效率」的問題：
- 一致性：企業不需要 AI 每天有不同的「靈感」，而是要「一致性的執行」,。Skill 確保了無論誰來做，流程都一樣。
- 省錢又省力：你不需要為每個任務重寫一套系統，只需保留一個高智商的通用核心，然後根據需求幫它「插上」不同的技能插件。
‧ 易於維護：當公司的規定改了，你不需要去改十個機器人，只需要更新那本「入職手冊（Skill）」，所有功能就同步更新了。
Q5 我沒學過程式，這跟我有關係嗎？
關係可大了！ 因為 Skill 的核心是「領域經驗」。 未來的 AI 不再只是工程師在寫代碼，而是會計師、律師、招募專家直接把他們的專業口頭經驗，轉化成「可執行的技能資產」,。這就是你的「將才基因」：把你的大腦經驗，變成公司可以重複利用的數位資產。
Q6 身為管理者或職場人，我現在該怎麼做？
停止問「我們要不要再做一個新機器人」，開始問：「我們有哪些業務流程可以寫成『Skill』，讓它能被重複利用？」。 你要做的不是去學寫程式，而是練習「情境工程 (Context Engineering)」：學會如何把複雜的工作拆解成清晰的步驟、邊界和檢查點,。
