企业官网建设流程全解析

“GPT-5.6 上来以后，我已经很少折腾 Skills 了。”

这个现象我觉得挺有意思。

因为前一段时间大家还在研究怎么给 Codex 配 Skills、怎么写指令、怎么把自己的开发流程固化进去。

结果模型能力继续往上走以后，一部分人的使用方式反而又变简单了：

打开项目。

告诉 Codex 我要什么。

然后让它自己干。

于是很容易产生一个结论：

Skills 是不是要被淘汰了？

我自己的看法是：

对于普通用户，确实越来越没有必要为了 Skills 而 Skills；但对于团队和固定工作流，Skills 反而可能比以前更重要。

这两个结论其实并不矛盾。

先说为什么 GPT-5.6 会让人产生“Skills 没用了”的感觉

核心原因其实就一个：

模型自己越来越会干活了。

以前使用 AI 编程，经常有一种感觉：

你不是在让 AI 写代码，而是在教 AI 怎么写代码。

比如你需要告诉它：

先读哪些文件。

不要动哪些目录。

项目用什么技术栈。

改完以后运行什么测试。

报错以后怎么处理。

UI按照什么规范写。

提交代码之前检查什么。

这些东西如果每次都重新说一遍，非常烦。

于是 Skills 出现以后，思路就很自然：

把重复说的话保存下来。

以后遇到同类任务，直接让 Codex 调用。

OpenAI 现在对 Skills 的定义其实也差不多：它本质上就是一套可以重复使用的指令、资源和脚本，让 Codex 按照特定方式完成某类任务。

问题是 GPT-5.6 出来以后，模型本身在长任务、工具调用、真实代码库理解和 Agent 工作流上的能力明显提高了。

OpenAI 把 GPT-5.6 Sol 定位为目前最强的 coding model，并特别强调它在 Terminal-Bench、DeepSWE 这类真实代码和长流程任务上的提升。

这就产生了一个非常现实的变化：

以前必须写进 Skill 里的很多“操作常识”，现在模型自己就知道了。

举个最简单的例子

以前你让 Codex：

帮我把这个项目的登录模块重构一下。

你可能很不放心。

于是再补一大堆：

先阅读项目结构。

确认认证逻辑。

不要修改现有 API。

保持数据库兼容。

修改以后运行测试。

如果测试失败继续修。

不要随便增加依赖。

最后告诉我修改了哪些文件。

写完发现每次都要说。

干脆做一个 Skill。

但现在模型越来越强以后，你可能只说：

重构登录模块，保持现有接口兼容，完成后跑测试。

然后它自己开始：

看项目。

找相关文件。

理解依赖。

修改代码。

跑测试。

发现错误。

继续修。

最后总结。

那用户自然会想：

我为什么还要花半小时维护一个 Skill？

这其实就是很多人减少使用 Skills 最直接的原因。

本质上，是 Prompt Engineering 正在经历一次类似的变化

几年前使用 ChatGPT，大家特别喜欢研究 Prompt。

网上到处都是：

“万能Prompt模板。”

“超级提示词。”

“角色+背景+任务+要求+格式。”

甚至一个简单问题，前面先写800字提示词。

后来模型越来越聪明以后，很多人发现：

正常说人话反而就够了。

Codex 的 Skills 现在某种程度上也在经历类似过程。

以前模型能力不足，需要很多外部规则帮它“扶着走”。

模型能力越强，用户越倾向于直接表达目标。

于是使用体验从：

“告诉 AI 每一步怎么做。”

慢慢变成：

“告诉 AI 最后我要什么。”

这个变化我觉得非常重要。

因为真正好用的 Agent，本来就不应该要求普通用户先学会怎么配置 Agent。

GPT-5.6 还有一个变化：它开始更像“自己会规划”的程序员

这可能才是影响 Skills 最大的地方。

OpenAI 对 GPT-5.6 的描述里有一个能力我觉得特别值得注意：

它能够编写并运行轻量程序去协调工具、处理中间结果、监控进度，然后根据当前情况决定下一步做什么。

换句话说，以前很多工作流是：

人：

第一步做A。

第二步做B。

第三步做C。

如果C失败，执行D。

现在越来越接近：

人：

我要X。

Codex：

我先看看项目。

→ 发现问题A。

→ 调工具。

→ 修改。

→ 跑测试。

→ 测试失败。

→ 分析日志。

→ 再修改。

→ 重新测试。

→ 完成。

这时候很多原本需要 Skill 描述的流程，模型自己动态生成了。

而且动态规划有一个天然优势：

它可以根据现场情况改变计划。

固定 Skill 有时候反而会限制它。

所以现在我反而不建议新手一上来就折腾几十个 Skills

这是我觉得 Codex 教程特别容易把人带偏的地方。

刚开始用：

装20个Skills。

Git Skill。

React Skill。

Debug Skill。

Testing Skill。

Code Review Skill。

Deploy Skill。

然后每天研究：

这个任务到底调用哪个 Skill？

最后本来是为了提高效率，结果变成：

花大量时间维护自己的 AI 配置。

有点像以前折腾 Linux。

真正写代码两个小时。

配置开发环境三天。

如果你只是个人开发者，我现在反而建议：

先什么都别装。

直接把项目给 Codex。

开始干活。

等你真正遇到：

“这件事情我已经重复告诉它十次了。”

再考虑做成 Skill。

这样合理得多。

但这里千万不要得出另一个结论：Skills 已经没用了

我觉得这是另外一个极端。

因为模型再聪明，也解决不了一个问题：

它不知道你公司的规矩。

比如你们团队规定：

所有 API 必须返回某种结构。

数据库 Migration 必须经过某个流程。

React 组件必须按照内部 Design System 写。

所有 PR 必须执行特定检查。

发布必须经过 staging。

错误日志必须按照公司的格式。

安全审计必须跑内部脚本。

这些东西不是“编程能力”。

而是：

组织知识。

GPT-5.6 再聪明，也不可能凭空知道你们公司的内部规范。

这时候 Skill 的价值就完全不一样了。

它不再是：

“教 AI 怎么编程。”

而是：

“教 AI 在我们公司应该怎么编程。”

我觉得这才是 Skills 真正长期存在的理由。

OpenAI 自己目前其实也还是这么定位它：Codex 官方页面明确把 Skills 描述成让 Codex 学会团队标准、工作流和工作方式的机制，而不是准备淘汰的旧功能。

所以 GPT-5.6 真正淘汰的，其实是“低价值 Skills”

比如这种：

“写代码之前先阅读相关文件。”

“修改完成以后运行测试。”

“发现Bug以后分析原因。”

“写React代码要注意可维护性。”

“不要随便删除现有功能。”

说白了：

这些本来就是一个优秀 Coding Agent 应该会的事情。

以前模型能力不够，所以我们需要把它写出来。

以后模型自己就会。

自然没必要继续维护。

但另外一种 Skill 不会消失：

使用我们公司的内部组件库构建页面，所有表单必须调用 xxx-validator，API请求统一通过 xxx-client，提交前运行 xxx-test 和 xxx-security-check。

这个 GPT-5.6 不可能自己猜出来。

这种 Skill 的价值反而非常高。

还有一种场景，Skills 甚至会越来越重要：多人团队

一个人用 Codex 的时候：

我知道自己想要什么。

AI偶尔写得不符合习惯，我改一下就行。

但是一个50人的开发团队不一样。

如果50个人分别告诉Codex：

“按照我们的规范写。”

每个人理解的“规范”可能都不一样。

最后AI生成出来的东西也五花八门。

这时候 Skill 的意义其实不是提高模型智商。

而是：

统一AI行为。

你可以把它理解成：

以前公司给程序员写：

Coding Guidelines。

Development Handbook。

SOP。

现在开始把这些东西写成：

AI可以直接执行的规则。

这其实是一个非常大的变化。

我甚至觉得 Skills 未来最大的用户可能不是个人，而是企业

个人开发者最喜欢的是：

少配置，直接干。

企业最需要的是：

可重复、可控制、可审计。

两边需求完全不同。

个人用户：

“帮我把这个网站做出来。”

能做出来就行。

企业：

“帮我把这个功能做出来。”

但是：

必须使用指定技术栈。

必须符合安全规范。

必须通过测试。

必须符合品牌设计。

必须走发布流程。

必须保留审计记录。

这时候你就会发现：

模型越强，企业反而越需要 Skills。

因为以前 AI 只能写几行代码，管不管它都无所谓。

现在 AI 可以自己修改几十个文件、跑命令、部署甚至操作外部工具。

能力越大，越需要告诉它边界在哪里。

OpenAI 自己其实也没有在弱化 Skills

这一点很重要。

如果 GPT-5.6 真的是为了淘汰 Skills，那 OpenAI 应该慢慢减少它的存在感。

实际情况恰恰相反。

OpenAI 今年还在继续把 Skills、Apps 和工作流打包进 Plugins，并推出针对不同岗位的插件体系。官方介绍里，一个 Plugin 可以同时包含 Skills、Apps 和模板，用于把一整套工作方式交给 Codex。

OpenAI 自己内部甚至已经构建了数百个 Skills，用于跑评测、训练任务、写文档、增长实验等重复工作。

所以准确地说：

不是 Skills 正在消失，而是 Skills 的定位正在变化。

我觉得 GPT-5.6 之后，Codex 最舒服的使用方式应该是三层

第一层：

模型自己会的事情，不要教。

怎么读代码。

怎么Debug。

怎么搜索项目。

怎么跑测试。

这些让 GPT-5.6 自己判断。

第二层：

项目自己的规则，放在项目上下文里。

技术栈。

目录结构。

架构约束。

哪些东西不能碰。

第三层：

真正重复、稳定、组织特有的工作流，再做成 Skills。

比如：

发布流程。

内部代码审查。

安全检查。

设计稿实现规范。

公司特定的数据处理流程。

这样 Skills 数量其实会明显减少。

但留下来的每一个 Skill，价值都会更高。

所以如果问：

为什么 GPT-5.6 上 Codex 以后，越来越多人开始弃用 Skills？

我觉得答案不是：

GPT-5.6 把 Skills 淘汰了。

而是：

GPT-5.6 把很多原本不得不用 Skill 补偿的模型能力缺陷补上了。

以前我们写 Skill，是为了告诉 AI：

“你应该怎么成为一个程序员。”

以后写 Skill，更多是在告诉 AI：

“你已经会编程了，现在我告诉你，我们这里是怎么工作的。”

这两个阶段完全不一样。

所以如果你是普通个人用户，我反而建议少折腾 Skills。

先直接用 Codex + GPT-5.6。

真的遇到一个流程反复出现，再把它固化下来。

但是如果你是团队负责人，甚至企业用户，我反而觉得现在才是应该认真研究 Skills 的时候。

因为模型越强，真正稀缺的东西就越不是：

“怎么让AI会写代码。”

而是：

“怎么让一个已经很强的AI，长期按照你的方式工作。”

我觉得这才是 GPT-5.6 之后 Skills 真正的价值。