這兩個月我一直在折騰Agent skill的事，一是想持續把自己日常的工作流標準化，抽象成skill；二是在想怎么讓 AI 自己搞定技能。

先做了女媧，它可以把任何人的思維方式蒸餾成一個能跑的 Skill。后來又做了達爾文，干脆讓寫好的 Skill 自己進化，分數低的版本自動迭代到分數高的。一個管技能「生出來」，一個管技能「變好」。

兩塊拼圖，到手了。但是唯一的問題是，我的skill也變得越來越多，越來越混亂了。

你讓 agent 干一件復雜的事，它得在一堆 Skill 里挑、組合、按順序接力，這套活到現在我都還常常是需要手動觸發和配置。配一個寫作流程，我得自己想清楚先搜資料、再學風格、再寫初稿、再審校，一步步寫死在腦子里。技能造得再多、優化得再好，怎么讓 agent 自己把它們組織起來，這第三塊拼圖我一直沒拼好。

然后，這幾天在Github 上刷到個2.4k+ 星標的項目：OpenSquilla ，我在它最新的 3.0 里看到一個叫 MetaSkill 的東西，頗受啟發。

先說啥是OpenSquilla

OpenSquilla 是個開源、能本地跑的 AI agent，Python 寫的。基本上可以理解為和OpenClaw、Hermes Agent是同一個賽道的產品，但是它在這條開源的agent線上又走了幾步，在模型調用和skill的開發/管理上有著更先進的策略。

它的產品主線就一句話：不卷模型，卷 Harness。

Harness 你可以理解成模型外面那層「殼」。模型是發動機，殼是變速箱、油門和導航。大家都在比發動機馬力的時候，它去優化那層殼：每一輪該調哪個模型、該用哪個技能、怎么不白燒 token。

這層殼它分兩步搭：1.0 先把智能模型路由做進底座，3.0 在上面長出 MetaSkill。我重點測了這兩個方向的能力，順帶也把那層路由底座跑了一遍。

第一件：它開機就把我現成的技能庫認了進去

裝好到技能列表頁面的時候，我還挺驚喜的。

它認出了 134 個技能。除了它自帶的，我 Claude Code 里那些個人技能它全認了：飛書全家桶、瀏覽器自動化、我自己寫的女媧、達爾文、選題生成、表格處理等，都原封不動出現在列表里。

我沒導，它自己掃到的。

技能生態現在在爆炸，社區里幾千上萬個 Skill 在冒出來，從人寫的到 AI 自動生成的。但每個人真正用得順手的，是自己攢下來那一小撮。OpenSquilla 沒讓我從零重配，我攢下的這些原樣就能用。

第二件：我讓它一句話造一個新技能，它真造出來了

這才是我最想看的。

它有個東西叫 MetaSkill Creator，號稱你用一句自然語言描述需求，它就自動合成一個新的技能，把手寫一個技能的半小時壓到幾分鐘。

我沒客氣，直接丟了句需求：

「先對一段中文初稿做事實核查，再改寫成更口語、去 AI 腔的版本，最后輸出一份修改清單。」

它跑了一會兒，給我生成了一個技能文件。不是一段說明，是一張完整的流程圖，長這樣：

fact_check（事實核查）
  → rewrite（去AI腔改寫）
    → modlist（生成修改清單）

每一步用哪個技能、依賴前面哪一步、結果傳給誰，它都替我填好了。這套東西能照著一張流程圖、把多步驟真接力跑起來，我是親手跑通過的。

剛才那個潤色技能我測試的時候忘錄了。為了給你看個完整不剪的，我又換了個需求從頭錄了一遍，讓它造一個能基于視頻字幕給剪輯建議、還能寫腳本的技能，看它怎么自己一步步拼出來：

這正是我缺的那塊拼圖。女媧是我造的，讓 AI 造單個技能；達爾文也是我造的，讓單個技能變好；而第三塊「把多個技能組織成一條真能跑的流水線」，我一直沒動手，這回是 OpenSquilla 的 MetaSkill 替我補上的。造、優化、組織，到這里才算湊齊。

所以 MetaSkill 到底是什么

官方給它的定義我覺得有點繞，我用大白話講。

它本質就是一份特殊的 Markdown 文件，開頭標一行「這是個 meta 技能」，下面把若干步驟連成一張流程圖。但關鍵不在文件本身。

打個比方。過去那種編排框架，是我提前把流程寫死，agent 照著我畫好的線跑。MetaSkill 反過來：我不寫流程，只把規則和能用的技能告訴模型，讓它自己現編一條流程出來。一個是我給你畫好路線圖，一個是我給你地圖和規則、你自己找路。

你用自然語言說目標，剩下的它自己來：挑出相關技能、拼成一條工作流、把工具和上下文都安排好。

而且它不是放任 agent 亂來。這張圖交給 runtime 之后，依賴順序、工具白名單、風險等級、模板安全，都是被強制校驗的。哪一步能讀文件、哪一步能跑命令，都得提前聲明。既讓它自己組織，又給它上了護欄。

用一句話解釋的話大致就是：以前是我把技能怎么配想清楚再喂給 agent，現在是我把目標說清楚，agent 自己把技能配出來。

順便說個更省錢的點

測的過程里還有個東西值得單獨拎出來：它的模型路由，也就是我前面說的那層 1.0 底座。

我先用火山方舟的豆包測。OpenSquilla 在里面內置了四檔模型，從最便宜的 mini 到最強的 code 版，路由器會判斷每一輪任務的難度，自動挑。

我讓它用一句話解釋 HTTP，它走了最便宜的 mini，沒開思考。我給它出了道狼、羊、白菜過河、還要順帶分析這題和圖著色問題抽象共性的難題，它自己升到了最強那檔，還主動打開了深度思考。這兩檔的輸入價格差大概 16 倍。

光在一家廠商里挑還不夠意思。我又換成 OpenRouter 測了一遍，它能在幾十家廠商的模型之間跨著挑。同樣那道 HTTP 題，它路由到了 DeepSeek 一個便宜的 flash 模型；同樣那道過河難題，它直接跳到了 Claude 的 Opus，還是打開了深度思考。簡單活交給國產便宜模型，難活才上最貴的旗艦，這個選擇是跨著廠商做出來的。

還有個對國內挺友好的點。它不挑食，除了 OpenRouter 這種海外聚合，國內像火山方舟、阿里云、騰訊云這些模型一大把的云廠商也能直接接。你想全程國產，照樣跑得起來。

不管哪種接法，賬都一樣省：能用便宜的就不動貴的，錢花在真正難的那幾輪上。而且這個難度判斷是在我本地做的，沒把我的問題發給某個外部模型去打分。

說點更深一層的體會。現在幾乎所有 agent 產品，都是把選模型這件事明晃晃甩給用戶：下拉菜單里一排模型，你自己挑。我還算會挑的那種，天天做模型評測，誰擅長寫代碼、誰推理強、誰便宜，我門兒清。

但正因為天天干這個，我越來越覺得這不該是最終形態。普通用戶憑什么要懂這些？讓人為每一次對話操心該選哪個模型，本身就是產品沒做好分內的事。自動路由把這份負擔免掉，你只管說要干什么，剩下的交給它分配。

這就是「卷 Harness」的實感。同樣一筆預算，能多干不少活。

這還只是隨手一次請求的演示。我又看了它整整 25 個任務跑完的總賬：和單用 Opus 的方案比，分數基本沒任何差異，花的錢卻差出了一個數量級。

回到那三塊拼圖。

造（女媧）、優化（達爾文），這兩塊我自己拼上了。第三塊，組織，一直空著。說拼圖其實不太準，組織更像蓋在前兩塊上面的一層。可缺了這層，技能造得再多再好，也各干各的，串不成事。

這兩個月我最深的體感是，當技能多到一定程度，瓶頸早就不是模型聰不聰明，而是這一堆技能能不能被組織起來。OpenSquilla 給的答案，是把「組織」這件事做進 agent 的底座，讓它自己來，而不是等我一條條配。從 1.0 的智能路由到 3.0 的 MetaSkill，走的都是「卷 Harness 不卷模型」這一條路。

行業的注意力，幾乎都在「模型又漲了幾分」上。但工作流編排，會不會正在變得比參數量更重要？我不敢下定論。只是在我這種手里攥著一堆技能的人身上，這個方向，我是真希望它走通的。

它是開源的，GitHub 上搜 OpenSquilla 就能找到，想自己裝來試的可以去翻翻。我那塊拼圖，是真被它補上的。