前段时间我下载了一个号称能"模糊照片还原五官、打码也能识别"的 skill。试了几张图，确实惊艳——再模糊、再小，它都能"描"出脸的轮廓。我当时心想，这玩意儿是真厉害啊。
顺手打开 skill 内部的文档想看看它怎么实现的，发现里面只有几样东西：功能描述、场景列表、指令示例、几段模拟输出。没有任何实际的处理逻辑。
带着疑惑，我把这个 skill 关掉，用同一张图直接问大模型——结果几乎一模一样。
那一刻我意识到一件事：让我惊艳的不是这个 skill，是底层那颗模型。skill 只是给我加了一层"它在认真为我处理"的仪式感而已。
这是"人人都能懂"系列的第五篇。前四篇分别讲了 谁在干活、什么是 agent、AI 为什么忘事、什么是 Harness。这一篇讲一个普通用户每天都会碰到、但很少有人指出来的事情。
什么是"安慰剂 skill"
我自己造了个词，叫安慰剂 skill。一句话定义：
装了感觉很厉害，不装其实也差不多的 skill。
它有完整的包装、专业的描述、看起来煞有介事的"能力清单"，但你把它关掉，用同样的需求直接去问大模型，效果几乎没差别。
这个词是从医学里借的。安慰剂在医学上指"没有治疗成分但做成药片样子"的糖丸，给病人吃下去，有些病人的症状真的会缓解——因为起作用的是"相信"本身，不是糖丸里的成分。
AI 世界里这种东西特别多，而且不一定是"骗"——很多 skill 的作者自己都真心觉得自己写了个有用的东西。
"疗效"到底从哪来
装了 skill 之后感觉效果好，这种感觉是真的，但来源往往不是 skill 本身：
1. 你的预期变了
当你看到一个被认真包装的 skill——有 logo、有作者、有专业话术、有适用场景——你打开它之前就已经在想"这次应该会更专业"。同样一段回答，前面有这层心理铺垫和没有，感受可以差出一个量级。
2. AI 自己在"配合表演"
很多 skill 的核心其实只是一段角色设定："你是某某领域的资深专家，请用专业口吻回答…"。模型读到这段，回答的语气就会变得更像"专家"——更多名词、更多分点、更多"首先/其次/综上所述"。
但话术变专业，不等于内容变专业。模型本来就知道的那些事，包了一层皮之后听起来更像那回事了而已。业内有个词叫 confidence theater（自信戏剧）——讲的就是这种感觉。
3. 你的选择性记忆
试 10 次 skill，有 3 次回答正中下怀，7 次跟没装时差不多。但你大概率只会记住那 3 次。下次有人问"这个 skill 好用吗"，你脑子里浮出来的是那 3 次的画面，于是回一句"还挺神"。
4. 作者也在自我安慰
很多人写 skill 是为了"沉淀自己的工作心得"。把心得写成一个文件这个动作本身，会让人觉得"这事我搞透了"——哪怕文件里写的内容模型本来就懂。
四种常见的安慰剂 skill
这一年我装过、卸过、甚至自己写过的 skill 里，下面这四类最容易踩坑。
类型 1：图片处理型
"模糊照片还原五官""老照片修复""一键抠图换装""打码也能识别"。
真相是：现在的多模态大模型自己就能看图、就能描述、就能生成新图。这些 skill 大多只是把请求转译给底层模型，没有任何独门处理。
更进一步：所谓"模糊还原"本质上是模型在"重画一张它觉得可能长这样的脸"——不是还原，是想象。如果你拿这种结果去做认人、做证据，是会出大问题的。这类糖丸的危险性比看起来高得多。
类型 2：虚假专家型
"十年经验的写作大师""三甲医院主任医师""华尔街资深律师""TOP 投行分析师"。
打开文件一看，里面只有身份描述、口吻要求、几条"请用专业角度回答"。没有任何这个领域真专家才会有的东西——没有判例数据库、没有用药指南、没有最新的财报数据、没有连接到任何外部专业信息源。
真专家和这类糖丸的区别其实有一条很简单的界线：
- 真专家挂载了知识库或连接器，能查到模型本来不知道的信息（具体的诊疗规范、具体的法条、具体的财报数据）
- 糖丸只有身份描述，回答的全是模型自己本来就有的、互联网上烂大街的通识
这类糖丸最危险的地方在于：装了"医生"两个字之后，用户会更相信它说的话，但它背后还是那个会一本正经胡说八道的通用模型。涉及健康、法律、财务、安全的场景，糖丸是会害人的。
类型 3：提示词优化大师型
"你给我一个烂提示词，我帮你打磨成专业级提示词。"
这类 skill 看起来很神，输入一句"帮我写个产品介绍"，它先生成一段长长的"优化后的提示词"，再用这段提示词去问模型，最后给你结果。
问题在于：这件事是大模型自己内部本来就在做的。你给它一句模糊的话，它内部会自动补足细节、推断你想要的格式。把这个过程显式化出来给你看，让你觉得"它在认真为我加工"——但效果跟你直接说那句烂提示词区别不大。
当然，把过程显式化也不是完全无用——它至少让你看见"模型在用什么思路理解我"。所以这类糖丸是四种里相对最"无害"的，只是别误以为它真的让模型变聪明了。
类型 4：思维链型
"深度思考助手""慢思考模式""让 AI 先想一想再回答"。
真相是：现在主流的推理模型本来就在内部跑思考链——GPT 的 reasoning 模式、Claude 的 extended thinking、DeepSeek R1 的思维链全都是模型自带的。在非推理模型上加一句"请一步步思考再回答"，效果跟弄一个完整的 skill 包装差不多。
这是最容易被"模型已经升级了，skill 没跟上"甩在身后的一类。一年前"一步步思考"的 prompt 还算有用的小技巧，今天大部分情况下已经是默认行为。
怎么识别一个 skill 是不是糖丸
方法很简单，一看一试。
一看：打开它的文件
大部分 skill 都允许你查看内部文件。打开来扫一眼，重点看：
- 有没有具体的判断规则（比如"遇到 X 情况，先做 Y"）
- 有没有挂载的知识库或外部连接器
- 有没有模型本来不知道的具体信息（行业数据、内部流程、特定的踩坑记录）
如果打开之后只看到一堆"请专业地""请深入地""请考虑全面"——形容词堆叠却没有具体规则——大概率是糖丸。
一试：装前先关掉对照
这是 10 秒钟就能做的事，但 99% 的人不做：
- 关掉这个 skill
- 用同一段提问问大模型
- 对比结果差多远
如果几乎没差别——糖丸实锤。如果差别明显——值得留着。
就这两个动作，能帮你避开八成踩坑。
为什么糖丸这么多
不是因为做 skill 的人都在"骗"，而是几个原因叠加的：
AI 普及初期的必然现象。类似 2010 年前后的 App Store——一堆"手电筒 App""计算器 App""弹钢琴 App"。系统自己就能干的事，被人包装成单独的 App 卖。skill 现在的生态非常像那时候。
包装是廉价的，真功夫是贵的。写一段角色设定 + 几个示例 + 一个漂亮的封面图，半天就能搞定。但要真的攒出一份模型本来不知道、能让回答质量上一个台阶的内部知识，需要十几年的从业经验或者大量的踩坑数据。前者成千上万，后者凤毛麟角。
用户也愿意为"感觉"付费。大部分时候 AI 输出"感觉专业"就够用了——内容是不是真的更对，多数日常场景下用户也不会去严格验证。这就给糖丸留出了生态位。
真正有价值的 skill 长什么样
反过来说，什么样的 skill 不是糖丸？
关键不是"有没有 skill"，而是 skill 里有没有装进模型本来不知道的东西。这种"不知道"通常有三种形态：
具体的踩坑记录
比如做小红书运营的 skill 里写着："封面前 7 个字必须出现核心词，否则在推荐流里截断率会高 30%。"
这种话模型自己说不出来，因为它不在公开数据里。这是真功夫。
具体的判断规则
比如做法律咨询的 skill 里写着："遇到劳动纠纷类咨询，先追问发生地、合同形式、劳动关系建立时间、是否过了仲裁时效（一年）——任一缺失就先反问，不要急着下结论。"
这种规则不是大模型自己能编出来的判断流程，是从业者实际工作里沉淀下来的"先做什么、再做什么"。
外接的真数据
比如挂载了一个 PDF 知识库（公司内部规章）、连接了一个实时 API（最新汇率、库存、医保目录）。这种 skill 一打开你能明显看见"它知道一些模型本来不知道的事"。
给写 skill 的人的一句话
如果你也在写 skill，避免做出糖丸的诀窍只有一条：
把"请认真做"换成具体的判断规则。
不要写"请深入分析"，写"遇到 X 情况先问 Y，再决定 Z"。
不要写"请用专业角度"，写"这个领域有 3 个常见误区，分别是 A/B/C，回答前先排除"。
不要写"请考虑用户体验"，写"先列出用户的 3 个典型使用场景，再针对每个场景给出方案"。
越具体，越像药。越形容词，越像糖。
几个特别需要警惕的场景
糖丸大多数时候是无害的——浪费点时间，多花点订阅费，就是了。但有两种场景下糖丸可能真的会害人：
涉及付费时。如果一个 skill 绑定了课程、社群、订阅费——你付的钱里有多少是为了那个"装着感觉很厉害"的感觉，多少是为了实际能用的东西？打开它的文件看一眼，往往能省下一笔。
涉及严肃决策时。健康、法律、财务、安全——任何"搞错了会出事"的场景。装着"医生"两个字的糖丸，比没装这两个字的通用模型要更危险，因为它让你更相信回答。这种时候要么找真专家，要么用挂载了真数据源的工具，不要把生死决策交给一颗包了糖衣的通用模型。
最后
这年头大家都在做 skill、装 skill、卖 skill。在被一个 skill 惊艳到的时候，先别急着归功给它。打开看看里面有没有真东西，关掉对比一下结果——10 秒钟，能让你判断得清醒很多。
下次再刷到一个很神的 skill，先别急着装。
先问一句，到底是药，还是糖。
参考资料：
- clskillshub.com（2026/4）：《47% of Popular Claude Prompts Are Placebo》——盲测 120 条流行 prompt 前缀，47% 加与不加在用户盲评中无显著差异。
- arXiv:2406.11661——学术界对应概念叫 placebo prompting，讨论提示词扰动带来的随机波动。