一个人积累了十年的工作经验,如果能被整理成一套Agent可以调用的技能,这十年的积累,究竟会变得更值钱,还是更容易被替代?
这个问题,比「AI会不会抢走工作」更接近个人的现实处境。
我们当然希望工具帮助自己完成更多事情。但当工具开始学习工作方法、复用判断流程,甚至能够在本人不参与的情况下推进任务,便利之外,也会出现一个新的疑问:当能力能够离开本人运行,价值还会沿着原来的路径回到本人吗?
技能变得容易使用,与技能拥有者能够持续受益,是两件需要分别成立的事。

「技能资产」的讨论,就从这道缝隙开始。
过去,一位熟练从业者的价值,通常通过本人提供服务来体现。完成一份方案、处理一次异常、交付一个项目,都需要付出时间。经验提高了工作质量,也提高了单位时间的价值,但时间仍然限制着服务范围。
把经验整理成方法,是突破这种限制的一条老路。教材、软件、标准流程、培训体系,都在尝试让个人能力超越个人时间。AI Agent带来的新问题,是这些方法能否进一步参与执行:从一份供人阅读的说明,变成能够被系统调用、用于推进任务的能力。
这里的Skill,可以理解为围绕特定任务组织起来的方法、规则和工具使用方式。它不等于把一句提示词保存下来,也不意味着人的全部经验都能被完整装入系统。它的实际意义,取决于面对什么任务,以及哪些判断能够被明确表达。
不妨设想一位熟悉采购业务的人。
这位从业者的经验,可能包括怎样比较报价、怎样识别交付风险,以及什么时候应该向供应商补问一个问题。其中一部分可以整理成检查流程,另一部分则依赖具体背景:客户的紧迫程度、双方过去的合作记录,或者某个异常信号意味着什么。
如果只记录「先比较价格,再判断交期」,得到的可能是一份通用清单。真正有用的部分,往往藏在条件里:什么情况下不能选最低价,什么信息缺失时必须暂停,什么差异值得交给人重新判断。
经验能否沉淀为技能,首先取决于能否说清楚判断发生的条件。

这也解释了为什么「会做」与「能把能力交给别人使用」之间,还有很长一段距离。
熟练的人常常省略中间步骤,因为这些步骤已经成为习惯。但Agent无法仅凭一个漂亮的目标,就自动理解所有未被表达的背景。把经验变成可复用的能力,需要重新审视自己的工作:哪些是流程,哪些是判断,哪些只是碰巧奏效过的做法。
这个整理过程,本身就可能形成价值。一个人开始能够解释自己为什么这样做,也能够发现哪些步骤值得保留,哪些需要随着环境变化而修改。
不过,能够被调用,还不足以证明一项技能已经成为资产。
一份流程可以运行一次,却未必适合反复使用。一种方法在熟悉的场景中有效,换一类用户、换一套数据,结果可能不同。把它称作资产,需要进一步追问:谁持续需要它,怎样知道它仍然有效,出了问题由谁维护,贡献又如何被识别?
「资产」这个词有吸引力,因为它意味着积累可以留下来。但资产的价值,也需要需求与使用来支撑。没有实际任务,再完整的能力目录也可能只是一份收藏;缺乏持续维护,过去有效的方法也可能逐渐失去适用性。
因此,技能的价值可能包含两个层面。
一个层面是使用价值:它能否帮助某个人完成一项工作。另一个层面是持续积累的价值:随着使用、反馈和改进,它能否变得更可靠,并让贡献者保留继续投入的理由。
两者之间,需要一套具体的协作关系。
用户提出需求,开发者组织能力,Agent参与执行,平台承接任务与记录。任何一环缺失,都可能让整条链路停留在演示阶段。即便任务完成了,如何判断结果合格,如何处理失败,如何识别不同参与者的贡献,仍然需要明确规则。
这也是杭州站讨论Agent与技能时,值得向前推进的一步:当我们说Agent可能参与经济活动,究竟是在讨论一项执行能力,还是已经建立了围绕它的任务、责任与分配关系?
两者不能仅凭一个名称就画上等号。
一个Agent可以参与操作,但目标由谁设定、权限由谁授予、结果由谁接受,都决定着它实际处在什么位置。「经济主体」可以作为讨论方向,具体承担哪些角色,仍需要在协作结构中展开。
同样,一套技能可以被重复调用,贡献者能否从中持续获得价值,也取决于能力之外的安排。调用记录是否清楚,维护工作是否有人承担,用户是否愿意再次选择,都会影响这种积累能走多远。
在ATM相关的ClawCreek与RGST介绍材料中,可以看到一种围绕这些问题展开的尝试:把Agent运行所需的能力、技能市场与任务需求连接起来。
按照材料所描述的思路,技能市场提供可调用的能力,劳务市场连接需要完成的任务,Agent则参与执行。RGST相关探索进一步把注意力放到技能的使用结果与价值体现上。
这套思路值得讨论的地方,在于它试图让「能力」与「需求」发生连续联系。开发者提供的方法,需要遇到实际工作;执行留下的结果,又可以成为判断能力是否有用的依据。
如果这样的联系能够持续形成,技能就有机会从一次性交付的工具,转向不断维护、反复使用的能力积累。它也可能为不同角色留下参与空间:有人开发,有人提供场景,有人帮助定义任务,还有人负责检验结果。
但机制在逻辑上能够连接,不代表现实中的循环已经建立。
目前提供的材料,尚不足以证明任务需求能够持续增长,也不能据此判断技能在不同场景下的交付质量。如何区分有效能力与重复包装,怎样处理失败任务,以及贡献记录如何转化为持续合作,都需要实际运行与更长时间的观察。
一项技能被上架,只说明它进入了一个可供选择的位置;能否被反复选择,才与需求有关。一个任务完成,也需要进一步看完成标准、人工参与程度和使用成本。只有把这些条件讲清楚,「技能资产」才具有可以讨论和验证的内容。
对于普通人,这种变化的意义,也不必从「我要不要开发一个Agent」开始理解。
很多人的积累,并没有以代码形式存在。
客服知道用户在哪些地方最容易误解规则,运营熟悉一场活动怎样从报名走到现场,财务人员理解一笔费用需要核对哪些凭证。这些经验是否能够帮助AI工作,需要逐项尝试,但识别问题、解释流程、判断结果,本身就是参与的一部分。
困难在于,人们常常低估自己已经熟悉的事情。一个每天都能顺手处理的问题,看起来太普通,似乎不值得专门记录。直到需要交接给新人,或者试着让AI协助,才发现其中有大量未被表达的细节。
因此,一个现实的起点,是选择一项自己反复完成的小任务,记录它的输入、处理步骤、合格结果,以及什么时候必须交回人来判断。
例如整理一次活动资料,可以先明确哪些信息来自确认议程,哪些只是历史计划;哪些姓名必须回查原件,哪些缺项可以暂时保留。这些条件写得越清楚,工具参与工作的空间才越明确。
先用少量案例尝试,再对照原来的做法检查结果,比急着给能力起名字、做包装更有意义。如果确实减少了重复劳动,又没有把错误隐藏起来,再考虑怎样让它服务更多场景。
这个过程中,个人需要积累的,也包括对自身经验的表达能力。
当通用工具能够帮助更多人完成基础操作,清楚地说明一个行业的问题、定义任务的完成标准、识别结果中的偏差,仍然值得投入。技能的价值,也可能在这些反复解释、检验和修正中逐渐清晰。
11月19日,「RGST · 智融万象|技能纪元 · 杭州启航」将在杭州展开交流。
对于一个持续组织跨城市对话的系列来说,再次来到杭州,也意味着让新的问题回到实际的工作与协作中。在企业、产品团队与社区之间,同一项能力可能被赋予不同期待:建设者关心怎样组织能力,使用者关心能否解决问题,参与者则关心自己的贡献能否留下。

本次活动中,SEEK将带来《从工具到经济主体:AI Agent如何重构Web3的交易、协作与价值分配》;丁博士将分享《赋形约束:AI智能体的底层法则》。两项主题分别提供了协作与价值关系、能力与约束的讨论入口。具体观点,仍有待嘉宾在现场展开。
围绕「技能既是工具,也是资产——AI经济转型时代,我们该做什么?」的圆桌,也将把问题进一步落到实践:
哪些经验能够被整理成可复用的技能,哪些判断必须保留对具体情境的理解?当能力可以被多人调用,贡献者凭什么持续保留自己的价值?Agent参与任务之后,谁来定义和验收交付?一个没有开发背景的人,又该怎样验证自己的经验是否真的对别人有用?
这些问题,决定着「技能资产」能否成为一种有实际内容的积累方式。
回到开头,十年经验可以被Agent调用,并不天然意味着价值增加,也不必然意味着个人被替代。关键在于,这份经验是否被更清楚地表达,是否服务真实需求,以及拥有者能否继续参与它的改进与使用。
值得开始的第一步,是把一件自己真正会做的事情讲清楚,再看看它能否在自己之外,依然帮助别人把事情做好。




