真正的 Skill 商店，為什么變成了微信公眾號和小紅書？

我們正處在一個 Skills 大爆發，但面對海量選擇，卻無從下手的時代。

作者｜蘇子華

編輯｜鄭玄

Skills 已經多到看不過來的程度了。

僅僅在 OpenClaw 的官方技能商店 ClawHub 里，Skills 數量已經突破了 5 萬個，覆蓋內容創作、數據處理、自動化辦公等全場景。

OpenClaw 的官方技能商店 ClawHub｜圖片來源：ClawHub

與此同時，互聯網大廠與 AI 公司紛紛布局 Skill 商店，比如騰訊的 SkillHub，字節扣子的技能商店，阿里版「龍蝦」JVS Claw 內置的技能庫等等。

騰訊的 SkillHub，為中國用戶優化的 AI Skills 社區｜圖片來源：SkillHub 官網

按理說，這應當是繼 AppStore 之后的又一次「分發革命」，大廠和 AI 公司們也都試圖在積極搶占這個新的 AI 能力分發入口。

但現實并不如預期。

從用戶反饋來看，各種「Skill 商店」的使用率并不高，許多平臺上充斥著重復、低質量或無人訪問的技能頁面。反而，在過去兩個月里，「微信公眾號」和「小紅書」成為了最主要的 Skills 發現與傳播渠道。

越來越多人，換掉了去「商店」搜索的習慣，而改成在社交平臺刷內容找 Skills。

很多時候，真正讓某個 Skill 爆火、被廣泛使用的關鍵來自于：一篇公眾號文章、一條小紅書的「工具推薦」、或者一篇 X 上的帖子。

換句話說，一個本該由「應用商店」承載的分發體系，現在卻被內容平臺接管了。

01

為什么是微信公眾號和小紅書，

接住了這波流量？

如果我們去復盤一個 Skill 是如何火起來的，會發現一個比較清晰的路徑，它們往往不是「被搜索」，而是「被種草」。

一個典型鏈路大概是這樣的：

某個創作者、博主在公眾號寫了一篇類似《我用這個 AI 工具，把一周工作壓縮到一天》、《最實用的職場 Skills 清單》的文章；或者在小紅書發了一篇《這 5 個 AI 工具讓我效率翻倍》的帖子。諸如此類。

小紅書上關于 Skills「種草」的帖子｜圖片來源：小紅書 App

而后，這些文章和帖子被大規模收藏、點贊、轉發，大量用戶再去安裝相應的 Skills。

Skills 的傳播沒有像 App 那樣可以靠搜索、靠排名。

一方面，這可能是因為傳統 App 商店的分類方式是「工具類型」：社交、效率、游戲、攝影等等。但 Skills 的真實入口，是「具體問題」，比如，我今天要寫方案，我要做匯報，我要剪視頻——這些需求是高度個性化的、模糊的，不容易被分類和搜索。

另一方面，用戶更加追求結果導向，而不是過程導向。過去，用戶會關心一個 App 的界面是不是好看、交互是否友好，但用戶大多并不關心 Skills 相關的 UI 界面是否漂亮、優美、簡潔，大家只關心它輸出的結果好不好。

因此，一個 Skill 是否被傳播，取決于一個非常簡單的問題：

它能不能給出一個「肉眼可見的結果」？

也就是，輸出質量和任務成功率。比如：一鍵生成 10 條爆款標題、30 秒做出一份完整 PPT 等等。這些內容天然適合在內容平臺展示，因為它們具備「展示性」。

而傳統的「應用商店」，很難在內容里直接證明自己的價值。在微信公眾號和小紅書上，創作者們可以先展示 Skills 的工作結果，再引導使用。這使得內容平臺成為天然的分發渠道。

還有一個關鍵要素，是信任背書。

在 AppStore 時代，用戶愿意信任平臺機制：下載量、評分、排名。但在 Skills 時代，這套機制幾乎失效了。用戶更愿意相信的是：某個 KOL 的推薦、某個創作者的真實體驗，或者某個同行的使用案例。

也就是說，信任從「平臺」轉移到了個體。其中一部分原因在于，Skills 的工作機制不透明，像個「黑箱」，用戶只知輸入輸出，不知其分析指令、調用工具、做出決策的過程。

這不僅降低可靠性，還存在安全隱患——部分 Skills 存在投毒風險，可竊取密碼、部署木馬，而用戶因不了解工作機制，難以提前識別。

這可能也是為什么公眾號、小紅書會成為 Skills 傳播的核心陣地——它們本質上在承擔「信任分發網絡」的角色。

將以上三個原因疊加在一起，我們會發現，Skills 的分發，本質上更像內容消費，而不是軟件分發。

用戶不是在下載、安裝一個工具，而是在「購買一種能力」。而內容平臺，正好是能力被理解、被信任、被傳播的地方。

02

Skills 的未來，卡在了「評估體系」

越來越多的專業人士正將自己的工作經驗、工作流、方法論，提煉開發為一個個 Skill，散落在各處。如果把時間拉長來看，今天的 Skills 生態面臨的挑戰，是一個更大的問題：

這些 Skills 如何被評估和交易？

移動互聯網時代，AppStore 能成功，是因為它建立了明確的反饋和信號：下載量、評分、排名。這些數據形成了可執行的市場機制——好應用能上升，差應用被淘汰。

Skills 市場卻缺乏這種「質量標準」。

原因首先在于，Skills 的性質與 App 完全不同，它屬于一種「黑箱能力」，輸出不可標準化，結果難以直接對比。

App 的功能基本都是確定性的：一個拍照 App，畫質好不好可以直接比較。但 Skills 的結果，往往是開放性的：文案有沒有「感覺」？分析有沒有「洞見」？策略是否「可執行」？這些都高度主觀。

其次，輸出結果「好不好」高度也依賴上下文。

一個 Skill 在某個場景下表現很好，在另一個場景下可能完全失效。例如，對中文語境優化很好，但英文表現一般；對某個行業數據熟悉，但換個行業就不行。

另外，Skill 的運行是否足夠經濟。一個 Skill 調用了什么模型，完成一個任務要消耗多少 token，目前也很難量化。

當以上問題疊加，就會導致一個結果，傳統應用商店的評分機制也很難評判哪個 Skill 更好。

這帶來的直接后果，就是低質量泛濫。在多個 AI 平臺的「Skill 商店」中，大量技能功能重復、標題黨式命名，例如 10 個不同版本的「萬能寫作助手」，但 90% 的邏輯都相同。同時，優質技能因缺乏曝光難以被發現。

這也是用戶寧愿相信博主、不愿依賴官方商店的關鍵。而市場反饋機制缺失，對于開發者來說，也缺乏參考標準改進產品，只能「憑感覺」迭代更新。

如果說，未來我們交易的可能是一個寫報告的能力，一個做分析的能力，一個自動執行任務的能力。那么，要讓這種交易成立，至少要滿足：

• 能被理解（用戶知道它能做什么）；

• 能被信任（用戶相信它會做好）；

• 能被比較（用戶知道哪個更好）；

公眾號和小紅書解決的是第一個和第二個問題，但第三個問題——讓 Skills 被比較、被定價的評估體系——仍然相對空白。

目前，各種「Skill 商店」只是一個看起來像市場，實際上卻還沒有評估體系、價格機制的地方，很難被用戶真正接納。

03

如何評估 Skills？

因為 Skills 的評估體系，目前還相對空白，我們可以試著推演幾個可能的評判維度。

第一個，針對于 Skills 的評判，可能更需要的是能力圖譜。

一個 Skills，不是好或不好，而是在什么任務上表現好，在什么任務上表現差。這更接近一個「能力圖譜」，而不是只打幾顆星。

第二個，可能需要引入「成本維度」。

在 AI 時代，一個不同的變量是「成本」，這是 App 時代不需要考慮的。同樣完成一個任務，A Skills 消耗 500 tokens，B Skills 消耗 5000 tokens。在大規模使用時，這會變成巨大的差異。

因此，未來的評估體系，必須同時考慮：成功率、成本、延遲。這有點類似于對于云計算的考核標準，而不是傳統軟件。

第三，可能需要引入「可解釋性」和「安全審計」維度。

因為隨著 Skills 開始接入更多真實世界能力（郵件、文件、支付等），風險問題會迅速放大。或許需要某種「第三方評測、審計機構」來評估 Skills 的數據使用方式、檢測潛在安全風險等等。

因此，未來可能出現一種新類型的平臺，即「AI 能力評測與認證機構」，負責為各類 Skills 出具「能力報告」，包含準確率、能耗、安全級別、兼容性等指標。

當然，也有一種可能，「Skill 商店」在 AI 時代并不會是一種很重要的角色。

極客公園編輯部近期對多位創業者的訪談當中，一個普遍被提及的觀點是，Skills 可能是「中間態」，個性化的端側模型是未來。

也就是說，未來個人數據，可以通過后訓練的方式訓練進一個專屬的端側模型中。

現在的 AI 記憶主要通過外部數據庫（如 RAG）提取，而未來端側模型可以直接內化這些記憶和技能。這樣模型在理解用戶信息、記憶調取速度以及執行技能的泛化能力上，都會有質的提升。

不過，無論是哪種可能，如今創作者通過體驗和驗證，彌補了市場機制的缺位，通過內容來制造了「信任」。

而未來，如何評估 Skills？它如何通向未來的生產力重構？都是一個值得探討的開放式問題。

*頭圖來源：極客公園

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

大疆神秘影像新品，本周四 20:30，極客公園視頻號直播間，第一時間帶你上手。