过去3年，我一直有个疑惑：向量化、RAG、Skill，这些是不是都只是AI发展过程中的过渡技术？ 特别是Skill。我们为什么要花大量精力，把人...
SaaS白夜行 · 商业与创投
吴昊SaaS 2026-11-05 07:33 广东 过去3年，我一直有个疑惑：向量化、RAG、Skill，这些是不是都只是AI发展过程中的过渡技术？ 特别是Skill。我们为什么要花大量精力，把人的经验拆成一条条规则、一个个Skill，再教给LLM？ 如果LLM已经像一位非常聪明的员工，为什么还要用大量SOP限制它？ 最近我越来越倾向于一个判断：智能应该交给模型，软件工程应该做好模型不擅长、也不应该自行决定的事情。 比如，分析销售商机、判断客户意图、制定跟进策略，这些需要综合判断的工作，应该尽量发挥LLM的智能，而不是用几百条规则限制它。 但客户数据权限、合同审批、资金操作、业务状态变更，这些必须由软件系统严格控制。【对思考宽松，对行动严格。】[嘿哈] 再进一步，企业的专业经验应该放在哪里？ 今天很多公司选择编写Skill，把行业知识、最佳实践和工作方法交给Agent调用。 但我认为，更长远的方向可能是：利用开源或开权模型，通过行业数据、专家反馈和业务结果进行持续训练，让模型真正形成行业判断能力。 就像一个经验丰富的销售经理，他不是每次遇到问题都翻阅销售手册，而是把多年经验内化成了自己的判断。 当然，实时业务数据仍然需要RAG或其他检索方式获取；变化快的企业规则仍然适合放在模型外；权限和安全红线更不能靠模型自觉遵守。 因此，我越来越看好一种新的软件架构：模型负责智能判断，软件负责提供数据、工具、权限与结果验证。而Skill可能更多承担经验传递和能力扩展的角色，不必成为永久的、越来越庞大的规则库。 过去的软件工程，重点是把经验固化成程序。 未来的软件工程，重点可能是让智能持续进化，同时确保它可靠地做事。 ====== 深圳实战课刚刚结束，现场非常火热，课后NPS也超高。 今年我还有最后1场《软件企业AI升级实战课》，上午讲“AI战略与产品”（外功），并进行学员自家AI战略反思；下午讲“AI下的组织及经营升级”（内功），并分组研讨各岗位学员AI落地思路。 【时间地点】 北京：11月15日 （周日，崔牛会年会 · 企业AI大会后一天，同一会场） 欢迎SaaS/企服AI的朋友们加我助手的微信SaaSroad1 报名[嘿哈] 跳转微信打开