# Agent Skills 用错的人很多：别让模型自己写说明书，去补它看不见的知识缺口

> 原标题：You're probably using Agent Skills wrong

- 来源：Hacker News 首页
- 发布时间：2026-06-22T01:02:16.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/39749
- 原文：https://notes.ansonbiggs.com/youre-probably-using-agent-skills-wrong/

## 摘要

Anson Biggs 结合 SkillsBench 论文吐槽了 Agent Skills 的常见误用。这个基准测试覆盖了 11 个领域、86 项任务，用 7 种模型配置跑了 7308 条轨迹。结果显示，人工整理好的 Skills 平均能把通过率拉高 16.2 个百分点，但领域差异极大：软件工程只涨了 4.5 个百分点，医疗健康则暴涨 51.9 个百分...

## 推荐理由

一篇用基准测试数据做支撑的实操吐槽，不是空对空的观点。H、K、R 三个维度都踩中了，但本质是个人博客的总结分析，不是原创研究或产品发布，所以定在 featured 门槛的 72 分。目前只有摘要，完整论证力度待看全文。

## 锐评

Anson Biggs 这篇博客的核心判断很直接：大多数人用 Agent Skills 的方法都错了。他引用了 SkillsBench 论文的数据——人工整理好的技能平均能把任务通过率拉高 16.2 个百分点，但领域差异极大，软件工程只涨了 4.5 个百分点，医疗健康暴涨 51.9 个百分点，甚至有 16 项任务加了技能后表现反而更差。论文里让模型自己写技能再解题的做法，平均下来毫无帮助，Biggs 认为这等于让一个不会做花生酱三明治的人先写菜谱再动手，纯属浪费时间。

他的改进思路是：等 Agent 在任务里卡住之后，问它到底缺什么知识，再针对那个缺口写技能。另外，对于重复性的项目流程，用技能来省 token 也是正经用途。他声称用这套方法改了基准测试后效果很强，但正文没披露具体的通过率数字，这点先别太激动。整篇文章的论证依赖个人经验和一个他没给出完整数据的自测结果，说服力要打个折。