metago-thought-10-skill-centrism

name	metago-thought-10-skill-centrism
description	Skill中心论深度推理。评估AI架构范式是否以Skill为核心而非大模型。当需要AI架构设计、能力评估、范式对比、智能体架构决策时调用。

Skill 中心论 V22.1

描述

确立 Skill（技能）而非大模型作为 AI 系统的核心，通过架构范式评估量化系统的"Skill 中心度"，指导智能体架构设计与能力体系建设。

触发条件

• 设计 AI/智能体系统架构
• 评估系统的能力可扩展性
• 对比"模型中心"与"Skill 中心"架构
• 进行智能体的能力体系建设

前置条件

• 明确的 AI 系统架构
• 可识别的能力组件

---

元思想核心

Skill 中心论核心命题：

AI系统的核心是 Skill，而非大模型
大模型是 Skill 的执行载体，Skill 是能力的本质单元

架构范式对比：

范式	核心	能力单元	扩展方式	局限
模型中心	大模型	模型参数	重新训练	能力固化、难以增量
Skill 中心	Skill	独立技能	新增 Skill	需要技能管理框架

Skill 中心度公式：

S = (Modularity + Composability + Independency + Traceability) / 4

维度	评估内容	理想值
Modularity	技能是否模块化、有清晰边界	独立可替换
Composability	技能是否可组合形成复杂能力	可编排
Independency	技能是否独立于特定模型	模型无关
Traceability	技能执行是否可溯源	全链路可追踪

Skill 中心度判定：

• S >= 0.8：强 Skill 中心架构
• 0.5 <= S < 0.8：中等 Skill 中心
• S < 0.5：模型中心架构（能力固化）

---

推理框架

步骤 1：架构识别

• 系统的核心是什么？（模型/Skill/混合）
• 能力单元的粒度是什么？（参数级/Skill级/混合）

步骤 2：四维评估

• Modularity：能力是否封装为独立 Skill？
• Composability：Skill 之间是否可编排？
• Independency：Skill 是否绑定特定模型？
• Traceability：Skill 执行是否可追踪？

步骤 3：Skill 中心度计算

• S = (四维均值)
• 判定架构范式

步骤 4：架构优化

• 若 Modularity 低：将能力拆分为独立 Skill
• 若 Composability 低：设计 Skill 编排框架
• 若 Independency 低：解耦 Skill 与模型
• 若 Traceability 低：增加执行溯源机制

步骤 5：能力体系建设

• 规划 Skill 目录结构
• 设计 Skill 生命周期管理
• 建立 Skill 质量评估标准

---

验证方法

1. 四维评估是否有架构层面的证据
2. S 值计算是否正确
3. 架构范式判定是否与实际系统行为一致
4. 优化建议是否针对短板维度
5. Skill 的粒度是否合理（不过粗也不过细）
6. 用能力扩展场景测试：新增能力是否可通过新增 Skill 实现（无需重训模型）