Skills ≠ GPTs：从定制助手到能力模块

当前的 GPTs 主要依赖提示工程封装特定功能，而 Skills 是更底层的预训练能力单元：

• 以 文件夹形式组织，包含指令、上下文、示例甚至可执行代码；

• 可被 AI 在任务中 自动识别、动态加载与组合调用；

• 支持将现有 GPT 一键转换为 Skill，实现能力沉淀与复用。

例如，用户可以创建一个“财务分析Skill”，内嵌 Python脚本、财报解析规则与可视化模板。当用户提问“分析这份财报趋势”时，ChatGPT 可自动调用该Skill，执行代码、生成图表并输出解读，无需重复描述需求，也无需手动粘贴代码。

四大核心特性定义AI能力新标准

1. 可组合性：多个Skill可叠加使用，如“翻译 + 法律校验 + 合同生成”，串联成完整工作流；

2. 可移植性：一次构建，可在 ChatGPT Web、移动端、API 及第三方应用中通用；

3. 高效性：按需加载，避免全量模型冗余计算；

4. 可扩展性：支持文本、工具调用、代码片段等多模态能力封装。

用户交互：斜杠命令 + 可视化编辑

流出的UI截图显示，Skills可通过 斜杠命令 快速调用（如 /financial-analysis），并配备 可视化编辑器，允许用户拖拽模块、编写逻辑、测试效果，大幅降低开发门槛。

背景与战略意义

在AI智能体（Agent）成为行业焦点的背景下，OpenAI正加速从“对话模型”向“可编程智能平台”转型。Skills机制让开发者像搭积木一样构建复杂Agent，普通用户也能通过共享技能库一键获得专业能力，这也是 OpenAI 对抗 Claude、Gemini 及开源Agent框架的关键战略。

AiGoe 认为，Skills的推出标志着大模型竞争进入 “能力即服务（Ability-as-a-Service）” 新阶段。当AI不仅能理解指令，还能调用用户“教过它”的专业技能，人机协作将迈入真正的 协同创造 深水区。而这颗看似微小的“榛子”，或许正是撬动下一代AI生产力的关键支点。