去除所有Skill后GPT-5.6更快更好

背景

在 AI 应用日益普及的今天，许多用户依赖高级语言模型（如 GPT 系列）来完成复杂任务。为了提升输出质量，不少人会为模型配置大量预设的“skill”——即预定义的提示词模板、工作流规则或条件判断逻辑。这些 skill 本意是引导模型按照特定路径思考、避免偏离主题。然而，随着模型自身能力（尤其是推理和泛化能力）的增强，过度依赖外部 skill 可能反而带来负面效果。一位 LINUX DO · AI 社区的用户在帖子中分享了自己的亲身实践：在去掉所有 skill 后，他发现自己的 GPT 5.6 sol 表现“又快又好”，并由此引发了对 skill 机制与模型原生能力之间关系的讨论。

核心内容

帖子原文的核心观点是：用户在使用 GPT 时，发现每提出一个问题，模型都会调用大量预设的 skill。这些 skill 导致模型思考时间变长（“思考久”），额度消耗加速（“额度消耗快”），并且会生成大量测试案例和 Markdown 文件（“一大堆测试案例一大堆 md 文件”）。更糟糕的是，每次修改后都会出现新的问题，似乎陷入了一种“修了东墙补西墙”的循环。用户认为，随着模型能力越来越强（原文暗示为 GPT-5.6 级别），skill 的存在反而容易引发模型的“左右脑互博”——即不同 skill 指令之间相互冲突或干扰，导致思考过程混乱，效果适得其反。因此，他的结论是：与其费力设计复杂的 skill 链条，不如让模型依靠自身能力，自主思考出最优解决方案。

关键要点

• 去掉 skill 后的体验：用户去掉了所有预设 skill，发现 GPT 5.6 sol 的响应速度更快（“快”），并且输出质量更好（“好”）。
• skill 带来的问题：调用大量 skill 会导致思考延迟、额度消耗增加，并产生大量冗余输出（如测试案例、md 文件），且修改后易引发新 bug。
• 模型能力与 skill 的冲突：当模型自身能力足够强时，skill 的非必要约束会干扰模型的自然推理，造成“左右脑互博”——即不同 skill 指令间的矛盾。
• 核心建议：信任模型的本体智能，让模型自行探索最优解法，而非用外部 skill 过度引导。

意义与影响

这一观点反映了 AI 使用中一个正在被更多人关注的矛盾：prompt engineering 的边界在哪里？ 早期，模型能力有限，需要大量 skill 或精细提示词来弥补不足；但随着模型（如 GPT-5.6 级别）逐步具备更强的推理、代码生成和自主规划能力，复杂的外部 skill 栈可能成为负担而非助力。该帖子提示用户，在高端模型上应当尝试“减法”——减少不必要的规则和预设，让模型发挥其内在的“涌现能力”。对于 AI 工具开发者而言，这也意味着设计 skill 或工作流时，需要更谨慎地评估模型的实际能力，避免过度编排。同时，该观点也呼应了“少即是多”的 AI 交互哲学：在模型强到一定程度时，最简洁的提示反而可能产生最有效的结果。