2026年7月9日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

Claude Skills 2.0#技能基准A/B测试,你的技能可能正在悄悄"过期"

发布日期:2026-03-12 13:56:55 浏览次数: 2763
作者:无界社区mixlab

微信搜一搜,关注“无界社区mixlab”

推荐语

AI时代的新挑战:你的技能可能正在悄悄拖累AI的表现,而不是帮助它。

核心内容:
1. AI技能过期的两种类型:能力提升型和偏好编码型
2. 如何通过Comparator Agents进行技能A/B测试
3. 跨学科视角下的对比思维应用

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家


技能基准A/B测试:你的技能可能正在悄悄"过期"

你是否注意过,那些曾经让你引以为豪的技能,正在悄悄"变质"?

三个月前,你写了一个帮助 Claude 写 Landing Page 的技能。当时模型还不擅长这个,你的详细步骤确实让它表现得更好。

然后,Anthropic 发布了一个新模型。

这个新模型本身就非常擅长 Landing Page—— 甚至比你的技能指导下的表现更好。但你的旧技能还在那儿,顽固地告诉 Claude "按我说的步骤来"—— 即使那些步骤已经过时了。

结果呢?Claude 正在被你的技能拖累,而不是被帮助

这种情况大多数人根本注意不到。你的技能没有报错,没有崩溃,它只是—— 悄悄地,让你的输出变差了。

这就是 AI 时代的"技术债务":技能也会过期,而且你往往后知后觉。

Skills专项:如果没有自己的Skills,OpenClaw只能是一个玩具#Mixlab AI编程专项

两种技能的不同命运

理解技能为什么会"过期",需要先理解技能有两种类型:

Capability uplift(能力提升型):这类技能教 AI 做它本来做不好的事。随着模型能力变强,这些技能可能变得多余

关键信号是:如果基础模型(不加载技能)就能通过你的 eval 测试,说明模型的默认能力已经"吸收"了你的技能技巧。这时候,技能不是"坏了",而是"可以退休了"。

Encoded preference(偏好编码型):这类技能记录的是"流程"——模型已经会做每一步,但需要按你团队的方式串联起来。这类技能更持久,但也有风险:流程变了,技能没跟上也等于失效

无论是哪种类型,核心问题都是:你需要一个机制来"发现"技能何时失效。

A/B 测试:消除偏见的评判者

这就要说到 Anthropic 新引入的 Comparator Agents(比较器代理)

这个功能解决了一个根本问题:当你修改了技能,怎么知道修改真的"变好"了?

传统的做法是——凭感觉。你运行一次,有改善,开心;没改善,困惑。但这有个致命问题:人类有确认偏见,我们倾向于看到我们想看到的结果。

Comparator Agents 的做法完全不同:

  • 它同时运行两个版本:技能 A vs 技能 B,或者"技能加载"vs"技能不加载"
  • 评判代理不知道哪个版本是哪个,所以不存在先入为主
  • 最后输出一个清晰结论:哪个版本更好,好多少

这就像在产品经理的世界里做 A/B 测试——数据说话,消除偏见。


《OpenClaw 蓝皮书》一份写给普通人的AI助手指南

跨学科视角:对比思维的源头

这种"对比"的思维方式,在多个领域都有深刻根源。

产品思维看,A/B 测试是互联网产品的基石——上线两个版本,让用户用脚投票,用数据替代"我以为"。

科学方法看,这是"控制变量"的精髓——只有一个因素不同,其他条件保持一致,然后观察结果差异。

版本控制的角度看,这和"创建分支对比不同方案,测试后选择最优,删除其他分支"的思路一脉相承。

三种视角指向同一个结论:没有对比的优化是盲目的,没有基准的迭代是无方向的。

Agent Skill 的 Script 架构设计指南:平衡认知与执行

行动框架:技能体检的节奏

建议每个 Mixlab 读者建立自己的"技能体检"节奏:

  1. 每次模型大更新后
    ,运行基准测试
  2. 记录"技能加载"vs"技能不加载"的对比结果
  3. 判断结果
  • 基础模型胜出 → 考虑退役技能
  • 技能险胜 → 继续保留但持续监控
  • 技能大比分胜出 → 保持并持续优化
  • 关注趋势
    :通过率变化趋势 > 单次分数
  • 工具选择上,用 Skill Creator 的 benchmark 模式可以批量运行所有 eval,生成一份完整的"技能健康报告"。

    新的Skill可以做的事情


    致最先触达未来的那一小部分人

    多数人还在为"技能数量"沾沾自喜时,聪明的玩家已经开始做"技能质量管理"。

    你的 AI 工作流不是一次性的项目,而是需要持续维护的"数字资产"。就像代码需要重构,技能也需要定期"体检"和"升级"。

    在这个 AI 能力指数级增长的时代,会维护技能的人,比会写技能的人更有价值。

    因为真正的问题从来不是"能不能写",而是"写了之后呢?"

    Skills专项:如果没有自己的Skills,OpenClaw只能是一个玩具


53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅