Anthropic停止了构建新代理。不是因为技术遇到瓶颈，而是他们发现了一个更本质的问题。五周前，当他们发布Claude Code时，团队意识到一件事：所有场景下的代理，底层架构几乎一模一样。差异不在代码，在知识。
如果你现在还在为每个业务场景单独开发一个AI代理，你可能正在用组装生产线的方式做模块化工程。
Barry和Mahesh在Anthropic的最新演讲中透露，他们已经将重心从「构建代理」转向「构建技能」。这不是术语游戏，背后是整个AI代理架构的范式迁移。MCP成为连接标准后，Claude Agent SDK提供生产级代理框架，Anthropic发现：代理本身已经足够通用，真正的变量是领域专业知识。
他们用了一个很直接的比喻——你希望谁帮你报税？是智商300的数学天才Mahesh，还是经验丰富的税务专家Barry？答案显然是后者。智力可以解决未知问题，但专业知识才能保证一致性和效率。今天的AI代理就像Mahesh：聪明，但缺少真实工作场景中的前置上下文、最佳实践和领域经验。
问题的核心在这里。
Anthropic团队最初认为，不同领域的代理会长得很不一样——财务代理需要一套工具，研究代理需要另一套支架，每个用例都要单独开发。但在构建Claude Code之后，他们发现代理的底层能力惊人地通用。生成财务报告这件事，可以被拆解为：调用API提取数据、在文件系统中组织数据、用Python分析数据、将洞察综合为文件格式。全程都是代码。
这意味着代理的核心支架可以薄到只剩Bash和文件系统。问题是，通用能力解决不了领域问题。一个从零开始理解2025年税法的AI，永远比不上一个提前装载了税务专家经验的AI。
他们创造了「技能」这个概念。
技能不是什么复杂系统，就是组织好的文件夹。里面可以包含提示词、脚本、可执行文件、代码、资产，甚至二进制文件。这种刻意的简单性来自一个判断：任何人，无论是人类还是代理，只要有电脑，就应该能创建和使用技能。你可以用Git做版本控制，可以放进Google云端硬盘，可以打包后在团队内分享。
技能的第一个作用是解决工具问题。传统AI工具存在三个硬伤：说明文档写得模棱两可、模型遇到困难时无法修改工具本身、工具永远占用上下文窗口。代码解决了这些问题——它自带文档，可以被修改，可以存储在文件系统里，只在需要时加载。
Anthropic团队发现Claude反复编写相同的Python脚本来给幻灯片应用样式，于是让Claude把脚本保存到技能库里，作为「未来自己的工具」。现在只需运行脚本，效率和一致性都大幅提升。
但这只是起点。
技能真正的价值在渐进披露机制。运行时，模型只能看到技能的元数据，知道「我有这个能力」，但完整内容不会进入上下文窗口。只有当代理决定使用某个技能时，才会读取完整的指令文件和目录结构。这种设计让一个代理可以装载数百甚至上千个技能，而不会撑爆上下文。
这不是理论。五周内，技能生态已经增长到数千个。Anthropic将这些技能分成三类：基础技能、第三方技能和企业内部技能。
基础技能赋予代理新的通用能力。Anthropic自己构建了文档技能，让Claude能创建和编辑专业级Office文档。Cadence构建了科学研究技能，让Claude能做EHR数据分析，并使用常见的Python生物信息学库。
第三方技能来自生态系统合作伙伴。Browserbase为开源浏览器自动化工具Stagehand构建了技能，现在Claude可以更有效地导航网页。Notion发布了一系列技能，让Claude能在整个工作区做深度研究。
但最激动人心的是企业内部技能。
财富100强公司正在用技能教代理组织最佳实践，以及那些「奇特而独特的内部软件使用方式」。大型开发人员生产力团队在用技能部署Claude Code，并将代码风格规范、内部工作流程打包进去。服务数万名开发人员的团队，不再需要为每个场景开发定制代理，只需要为通用代理配备正确的技能库。
这里出现了一个反直觉的现象：非技术人员开始构建技能。财务、招聘、会计、法律领域的从业者，正在用技能扩展通用代理，让代理适配他们日常工作中的真实需求。Anthropic认为这是早期验证——技能让不做编码工作的人也能定制AI能力。
五周前发布技能后，Anthropic立刻推出了金融服务和生命科学领域的新产品。这些产品没有重新开发代理，只是给Claude配备了对应的MCP服务器和技能库。结果是，Claude在这些领域的专业人员面前，效率立刻提升。
这背后是一种新兴的通用代理架构。代理循环管理模型的内部上下文和令牌流动，运行时环境提供文件系统和代码读写能力，MCP服务器提供外部世界的工具和数据，技能库提供领域专业知识。今天，让代理进入新领域，可能只需要配备正确的MCP服务器和技能库。
这种架构的可扩展性在于：技能可以引用其他技能，可以明确依赖MCP服务器，可以声明环境中的包依赖。多个技能的组合性会让代理行为更复杂、更相关、更可预测。
Anthropic正在探索三个方向。第一是像对待软件一样对待技能——测试、评估、版本控制、依赖管理。第二是追踪技能演进和代理行为演进的清晰血缘关系。第三是共享和分发机制。
最后这一点最关键。
想象一个由组织内部的人和代理共同策划的、不断进化的能力知识库。你给代理反馈，它的技能会变好，你团队里所有人的代理也会变好。当有人第一次加入团队使用Claude时，它已经知道你的团队关心什么、如何最有效地完成工作。这个复合价值会扩展到组织之外——社区中其他人构建的技能会让你的代理更强大、更可靠。
这种愿景在Claude开始创建技能时变得更具体。Anthropic将技能设计为「迈向持续学习的具体步骤」。标准化格式提供了一个保证：Claude今天写下的任何技能，都可以被未来版本有效利用。学习变得可转移。技能不捕捉所有信息，只捕捉可在特定任务中使用的程序化知识。Claude可以立即获得新能力，根据需要进化，然后放弃过时的能力。
Anthropic的目标是，与你合作第30天的Claude，要比第一天的Claude好得多。今天，Claude已经可以用技能创建器技能为你创建技能。
Barry和Mahesh用计算机历史做了一个类比。模型像处理器，需要大量投资但本身作用有限。代理运行时像操作系统，协调进程、资源和数据，让处理器更有价值。但真正的价值来自应用层——数百万开发人员构建的软件，编码了领域专业知识和独特观点。
技能就是AI时代的应用层。
这个类比解释了为什么Anthropic停止构建代理。处理器和操作系统的价值在标准化，应用的价值在多样性。如果每个场景都要重新开发一个代理,就像每次要用电脑做新事情,都要重新设计一台电脑。通用代理+技能库的模式,让创造力发挥在正确的层级——不是重复造轮子,而是解决具体问题。
但这种模式有明确边界。技能适合那些可以被结构化、可复用、可迭代的知识。对于高度定制化、频繁变化、难以标准化的场景,单独开发代理可能仍然更高效。技能的价值在规模化和组合性,如果你的场景只需要一次性解决,技能的投入产出比并不高。
Anthropic团队在演讲最后说，是时候停止重建代理,转而构建技能了。
这句话背后的逻辑是:当底层能力趋于通用,差异化就从架构转向知识。代理是平台,技能是生态。平台的价值在于降低门槛,生态的价值在于共享增长。五周数千技能的增速,证明了这个判断。
问题是,你准备好把专业知识装进文件夹了吗?