装了 32 个 Skill，跑了 17 个白装 — 一位后端工程师在掘金上复盘三个月的踩坑经历，给整个 AI 工具圈提了个醒：装得多不如用得准。

这是什么

Claude Code 的 Skill 系统，本质上是给 AI 助手装"插件"。每个 Skill 是一个 markdown 文件，分两部分：开头告诉 AI「什么场景触发」，正文告诉 AI「具体怎么做」。理论上你可以装几十个互不干扰，但 Claude Code 的上下文预算（可以理解为 AI 的"工作记忆"）默认只留 1% 给所有 Skill 描述——装 30 个以上，后排的描述会被自动砍掉，AI 根本不知道有这个工具。 这套机制有个值得关注的变化：SKILL.md 已经成为跨平台开放标准，同一个 Skill 文件可以在 Claude Code、Cursor、Gemini CLI 上跑通。开发者写一次，全平台通用。

行业怎么看

社区把 Skill 生态比作"AI 时代的 npm 包管理"——2026 年初，几个核心仓库已累计超过 60K stars、2000+ 可用 Skill，生态跑得很快。但我们认为有三件事值得警惕： 第一，质量审核缺位。最全的仓库（37K stars）来自第三方团队而非 Anthropic 官方，官方仓库只有约 20 个 Skill。繁荣之下是泥沙俱下——这正是 npm 当年经历的剧本。 第二，"提高预算"是治标。文中提到可以把预算比例从 1% 提到 2%，但本质问题是 30 个 Skill 本身冗余，调参数掩盖不了结构性问题。 第三，工具碎片化风险。Superpowers、Vercel labs、各路三方团队都在做"完整套件"，互相不兼容是早晚的事。

对普通人的影响

对企业 IT：与其评估"我们装了多少 AI 工具"，不如先梳理哪些工作流被实际使用——复用率比工具数量更值得汇报。 对个人职场：通用经验——任何工具栈，10 个高频项能覆盖 90% 场景，剩下的多半只是收藏夹里的安慰剂。 对消费市场：你手机里的 AI 助手、智能客服也在面临同样问题：功能堆得越多，用户越找不到入口。下一波 AI 产品的竞争点不是"加功能"，是"做减法"。