Codex 用户集体弃用 Skills，是进化，还是退化？

“GPT-5.6 更强，所以不需要 Skills”，这是常识。

“GPT-5.6 更强，所以更需要 Skills”，这是反常识。

每开除一个统计学家，语音识别的准确率就上升一分。

每删掉一个 Skill，Codex 交付目标（/goal）的速度和确定性就提高一点。

很遗憾，直到今天，还有人没想明白这件事。甚至有人把收集 Skills 当成集邮，把一堆数字垃圾当成了护城河。

我一直坚持一个观点：Base Model is Everything（基础模型就是一切）。

与其耗费心力去雕琢那些繁复的 Prompt 工程和方法论，不如坐下来，耐心等待 Base Model 的自然升级。

有人会反驳：如果 Prompts 和 Skills 真的有效，大模型在 Reinforcement Learning（强化学习）的过程中，自然会将其“蒸馏”吸收；如果是垃圾，自然会被淘汰。这听起来很有道理，但这依然是人类的“一厢情愿”。

这是一种典型的“蒸馏论”幻觉。我更信奉“涌现论”。

我们要承认一个事实：代码的抽象语法树（AST）、数据的控制流图（CFG）、函数的调用关系……这些逻辑，本质上从来不是以人类可读的线性文本形式存在的。

人类发明文字、发明 AST、发明流程图，是因为我们只能用低维语言交流。

而今天的 T 级万亿参数大模型，在它的推理空间中，完全有能力瞬间重构整个项目的拓扑结构。

在这个维度下，人类的 Skills 几乎一文不值。

想象一下，大模型本可以通过高维向量的瞬间映射，直接跳跃到问题的核心。结果你的 Skills 跑过来说：“不行，你得按我的步骤，第一步、第二步、第三步……”这就好比你强制要求一位四维空间的神，必须踩着三维世界的台阶一步一步走。

为了迁就你的“规矩”，大模型不得不挂起那些高效的关联线索，调动大量参数去拟合你那套低效、冗余的文本形式主义。

这不叫协作，这叫“技术官僚主义”。

就像一位不懂技术的外行领导，仅仅因为听信了“流程化管理”的神话，就强迫天才科学家停下手中的实验，去填那些毫无意义的表格。学阀照进了现实，不过这次，是在代码里。

换句话说，GPT 并没有变笨，它只是在“迎合”你的智商。

看看 GitHub 上那些所谓的高星 Skills，再看看知乎上那些长篇大论的 Prompts。很多人把这些奉为圭臬。但在我看来，这些都是“时代的眼泪”。

早期模型能力弱，经常犯傻，这给了半吊子工程师一个巨大的心理缓冲期。他们发现，只要编写足够复杂的 Prompt，设定足够严苛的 Agent 工作流，AI 就会像个听话的木偶。

那一刻，“魔法”发生了。Prompt Engineering 成了显学。

写规则的人，虚荣心和掌控欲得到了极大的满足。看啊，虽然 AI 力大飞砖，但我才是大脑，是我驾驭了这股力量！

这就是典型的“落后生产关系阻碍先进生产力”。

GPT-5.6 已经说得很清楚了：别教我怎么做，告诉我你要什么。

但对于那些习惯了“微操”的工程师来说，这是致命的心理打击。面对空白的输入框，他们手足无措，恐慌蔓延。为了缓解这种焦虑，他们开始抱团，开始咒骂模型，开始编写更复杂的 Skills……

死循环的，从来不是模型，而是人的脑子。

我一直坚持使用最纯净的 Base Model，输入最简单的指令，做最基本的纠错。我也一直在反对过度的 Prompt 设计，呼吁删除无意义的 Spec。

可惜，喜欢“假努力”、喜欢带偏项目的“数字外行”越来越多了。

最后，送给大家一句话：

在超级智能面前，人类最大的智慧，就是学会闭嘴。