GPTs 时代落幕?OpenAI 效仿 Claude 推出 Skills，打造可堆叠的 AI 能力矩阵
一、告别“GPTs”：一个时代的终结与隐忧
2023年11月，OpenAI 在 DevDay 上高调推出 GPTs（Custom GPTs）——用户无需代码即可创建专属AI助手，如“法律咨询GPT”“雅思写作教练GPT”或“Python调试小助手”。这一功能迅速引爆生态：短短半年内，官方商店上线超百万个GPTs，社区涌现大量垂直场景解决方案。然而，狂欢之下暗流涌动：
- 体验割裂：每个GPT是独立“黑箱”，用户需在不同GPT间反复切换、重复设定上下文，无法跨任务继承记忆或协同推理；
- 能力冗余：90%的GPTs底层共享相似模型与知识库，却因提示词封装差异导致响应不一致，甚至相互冲突；
- 维护成本高：企业客户反馈，一个中等复杂度的客服GPT平均每月需迭代5次提示工程，而版本管理、权限控制、审计追踪几近空白；
- 平台失控风险：第三方GPTs可嵌入任意插件、调用外部API，安全沙箱形同虚设，已发生多起敏感数据外泄与越权调用事件。
正如《The Verge》评论所言：“GPTs像一排排风格迥异的‘主题咖啡馆’——热闹、有趣，却无法共享厨房、统一采购、协同备餐。”当Claude 3.5于2024年6月发布 “Computer Use + Tool Use + Document Search”三合一技能链，并支持用户以自然语言动态组合（如“先查财报PDF，再对比竞品数据，最后生成PPT大纲”），OpenAI 的护城河正悄然松动。
二、“榛子计划”浮出水面：Skills 不是升级，而是重构
据AIBase深度信源披露，OpenAI 内部代号为 “Hazelnut（榛子）” 的新架构已于7月中旬向首批企业客户开放灰度测试。与GPTs本质不同，“Skills”并非独立应用，而是模型原生支持的、可声明式调用的原子化能力单元。其核心设计哲学有三：
▶ 1. 能力解耦：从“整机交付”到“乐高式拼装”
每个Skill被严格定义为：
- 输入契约（Input Schema）：结构化参数（如
file_id: string, date_range: [start, end]）； - 执行协议（Execution Contract）：明确标注是否需联网、调用哪类插件、是否触发RAG检索；
输出规范（Output Contract）：强制返回JSON Schema，支持下游Skill直接解析。
示例：
/analyze_financial_reportSkill 不再是一个“财报分析GPT”，而是一个可被/compare_competitors或/generate_exec_summary无缝调用的标准接口。
▶ 2. 动态堆叠：基于意图的实时能力编排
用户不再选择“哪个GPT”，而是描述需求：“把上周销售数据导出为Excel，标红异常值，并邮件发给区域经理”。系统通过意图解析引擎（Intent Parser） 自动拆解为技能链： [fetch_sales_data] → [detect_anomalies] → [export_to_excel] → [send_email]
关键突破在于：所有中间结果自动注入全局上下文缓存（Context Cache），避免传统Agent框架中频繁的序列化/反序列化损耗，端到端延迟降低62%（内部测试数据）。
▶ 3. 治理就绪：企业级能力生命周期管理
Skills首次内置全栈治理能力：
- ✅ 权限熔断：HR部门仅能调用
/verify_employee_id，禁用/access_payroll_db； - ✅ 审计溯源：每条Skill调用生成不可篡改的Trace ID，关联模型版本、输入哈希、输出签名；
- ✅ 热插拔更新：替换
/translate_textSkill时，所有依赖它的工作流自动平滑迁移，零中断。
这标志着OpenAI从“赋能开发者”转向“赋能IT治理者”——Skills不是玩具，而是可纳入SOC（安全运营中心）与ITIL流程的企业基础设施。
三、对标Claude：超越模仿的差异化突围
诚然，Skills的设计灵感部分源于Anthropic的“Tool Use”与“Computer Use”能力。但OpenAI的破局点在于将能力抽象提升至模型架构层：
| 维度 | Claude 的 Tool Use | OpenAI Skills（榛子） |
|--------------|------------------------------------------|--------------------------------------------|
| 调用方式 | 需显式声明工具列表（tools=[...]） | 隐式推断+自然语言触发（“帮我订明天早班高铁”→自动调用/book_train_ticket） |
| 组合逻辑 | 线性串行（A→B→C），无状态共享 | DAG图谱编排，支持分支、循环、条件跳转（“若预算<5万则走方案A，否则启用方案B”） |
| 模型耦合 | 工具调用由外部Orchestrator调度 | Skills作为模型“内在函数”（Intrinsic Functions），由o1-preview/o3系列模型原生支持 |
| 生态定位 | 第三方开发者主导工具开发 | OpenAI官方构建核心Skill库（含200+金融/医疗/法务领域认证Skill），开放SDK供ISV扩展 |
更深远的意义在于：Skills正在消解“模型即服务（MaaS）”的边界。未来ChatGPT不再是一个对话窗口，而是一个分布式AI操作系统（AI OS）——它调度本地设备算力（如Mac上的Core ML）、云端专用模型（如Codex for code）、甚至边缘IoT设备（如工厂传感器集群），真正实现“能力随需而至”。
四、产业影响：开发者、企业与用户的三重重塑
🔹 对开发者：从“提示工程师”到“能力架构师”
- 新岗位诞生：Skill Designer（需掌握领域建模、契约设计、可观测性埋点）；
- 开发范式迁移：GitHub上
openai-skills-sdkStar数两周破万，主流框架（LangChain、LlamaIndex）已发布Skills适配器； - 商业模式进化：Skill Store将采用“使用量计费+效果分成”双轨制，优质Skill作者单月分成超$20万案例已出现。
🔹 对企业：构建“AI能力中台”的最后一块拼图
某全球Top3制药企业透露，其正用Skills重构临床试验系统：
screen_patient_eligibility（对接EMR系统）generate_consent_form（符合FDA 21 CFR Part 11）flag_adverse_events（实时匹配MedDRA术语库）
三大Skill组合后，患者筛选周期从14天压缩至3.2小时，且全程符合GxP审计要求。
🔹 对普通用户：交互回归“人类直觉”
一位教师用户演示了典型场景：
“把三年级数学错题本里的几何题抽出来，按难度分级，生成5道同类新题，再配上讲解视频脚本。”
系统未打开任何GPT，却在8秒内返回：① 分级表格（含知识点标签）；② 5道新题（LaTeX渲染）；③ 3分钟讲解脚本（含板书节奏提示）。
——用户不再思考“该用哪个AI”，只专注“我想完成什么”。
五、结语：范式转移已至，未来属于“能力网络”
GPTs的落幕，绝非创新的退潮，而是AI交互史的一次必然跃迁。当Claude以“工具调用”叩开自动化之门，OpenAI以“Skills”筑起能力网络的基座——这场竞争早已超越功能表层，直指AI时代的操作系统主权。
正如OpenAI首席产品官在内部信中所写：
“我们曾让用户创造AI，现在我们要让AI理解用户意图；
我们曾提供百个GPT，现在我们交付一个可无限生长的能力宇宙；
GPTs是AI民主化的第一步，Skills才是AI原生化的真正开端。”
当“榛子”正式发布（预计Q4 2024），那个需要记住几十个GPT名字的时代，终将被一个只需说出需求、便自动编织能力之网的未来取代。
真正的智能，从不囿于某个应用，而在于让能力如空气般无处不在、按需而至。
（本文基于AIBase报道、OpenAI技术白皮书草案及多位一线工程师访谈综合撰写）
🔗 延伸阅读：《Skills技术规范预览版》｜《企业级AI能力中台建设指南》