为何微信公众号与小红书成了真正的Skill传播主阵地？

本文来自微信公众号：极客公园，作者：苏子华，编辑：郑玄，原文标题：《真正的Skill商店，为什么变成了微信公众号和小红书？》

我们正处于Skills爆发式增长的时代，面对海量选择却常常不知从何入手。

Skills的数量已多到令人目不暇接。

仅在OpenClaw的官方技能商店ClawHub中，Skills数量就突破了5万个，覆盖内容创作、数据处理、自动化办公等全场景。

与此同时，互联网大厂与AI公司纷纷布局Skill商店，比如腾讯的SkillHub、字节扣子的技能商店、阿里版「龙虾」JVS Claw内置的技能库等。

按理说，这应是继AppStore之后的又一次「分发革命」，大厂和AI公司都试图抢占这个新的AI能力分发入口。

但现实并不如预期。

从用户反馈看，各类「Skill商店」的使用率并不高，许多平台充斥着重复、低质量或无人问津的技能页面。反而，过去两个月里，「微信公众号」和「小红书」成了Skills发现与传播的主要渠道。

越来越多人不再习惯去「商店」搜索，而是转向社交平台刷内容找Skills。

很多时候，某个Skill爆火并被广泛使用的关键，往往来自一篇公众号文章、一条小红书的「工具推荐」或一篇X上的帖子。

换句话说，本应由「应用商店」承载的分发体系，如今被内容平台接管了。

01

为何微信公众号和小红书能接住这波流量？

复盘一个Skill的走红路径会发现，它们往往不是「被搜索」，而是「被种草」。

典型链路大致如下：

某个创作者或博主在公众号撰写《我用这个AI工具，把一周工作压缩到一天》《最实用的职场Skills清单》这类文章，或在小红书发布《这5个AI工具让我效率翻倍》的帖子。

随后，这些文章和帖子被大量收藏、点赞、转发，用户再去安装对应的Skills。

Skills的传播不像App那样依赖搜索和排名。

一方面，传统App商店按「工具类型」分类，如社交、效率、游戏、摄影等，但Skills的真实入口是「具体问题」，比如写方案、做汇报、剪视频——这些需求高度个性化且模糊，难以被分类和搜索。

另一方面，用户更追求结果导向而非过程导向。过去用户会关注App的界面和交互，但对Skills，大家更关心输出结果是否优质，而非UI是否美观。

因此，一个Skill能否传播，取决于一个简单问题：

它能否给出「肉眼可见的结果」？

即输出质量和任务成功率，比如一键生成10条爆款标题、30秒做出完整PPT等。这些内容天然适合在内容平台展示，因为具备「展示性」。

而传统「应用商店」难以直接证明自身价值。在微信公众号和小红书上，创作者可先展示Skills的工作结果，再引导使用，使内容平台成为天然的分发渠道。

另一个关键因素是信任背书。

AppStore时代，用户信任平台机制（下载量、评分、排名），但在Skills时代，这套机制几乎失效。用户更愿意相信KOL推荐、创作者的真实体验或同行的使用案例。

信任从「平台」转移到个体，部分原因是Skills的工作机制不透明，像个「黑箱」，用户只知输入输出，不知其分析指令、调用工具和决策过程。

这不仅降低可靠性，还存在安全隐患——部分Skills可能投毒，窃取密码或部署木马，用户因不了解工作机制难以提前识别。

这或许就是公众号、小红书成为Skills传播核心阵地的原因——它们本质上承担了「信任分发网络」的角色。

综合以上三点，Skills的分发本质更像内容消费，而非软件分发。

用户不是在下载安装工具，而是在「购买一种能力」，而内容平台正是能力被理解、信任和传播的地方。

02

Skills的未来，卡在「评估体系」

越来越多专业人士将工作经验、流程和方法论提炼为Skills，散落在各处。从长远看，当前Skills生态面临的挑战是：这些Skills如何被评估和交易？

移动互联网时代，AppStore的成功在于建立了明确的反馈信号（下载量、评分、排名），形成了「好应用上升、差应用淘汰」的市场机制。

但Skills市场缺乏这种「质量标准」。

首先，Skills与App性质不同，属于「黑箱能力」，输出不可标准化，结果难以直接对比。

App功能多是确定性的（如拍照App的画质可直接比较），但Skills的结果常是开放性的（文案是否有「感觉」、分析是否有「洞见」等），高度主观。

其次，输出结果的好坏高度依赖上下文。

一个Skill在某场景表现好，换个场景可能失效，比如对中文语境优化好但英文表现一般，或熟悉某行业数据但换行业就不行。

此外，Skill的运行经济性也难以量化，比如调用什么模型、完成任务消耗多少token。

这些问题叠加，导致传统应用商店的评分机制难以评判Skill的优劣。

直接后果是低质量Skill泛滥，多个AI平台的「Skill商店」中，大量技能功能重复、标题党命名（如10个不同版本的「万能写作助手」，90%逻辑相同），而优质技能因缺乏曝光难以被发现。

这也是用户宁愿相信博主、不愿依赖官方商店的关键。市场反馈机制缺失，也让开发者缺乏改进参考，只能「凭感觉」迭代。

若未来交易的是写报告、做分析或自动执行任务的能力，需满足三个条件：

• 能被理解（用户知道它能做什么）；

  
  

  
  

• 能被信任（用户相信它会做好）；

  
  

  
  

• 能被比较（用户知道哪个更好）；

  
  

  
  

公众号和小红书解决了前两个问题，但第三个问题——让Skills被比较、定价的评估体系——仍相对空白。

目前的「Skill商店」看似是市场，实则缺乏评估体系和价格机制，难以被用户真正接纳。

03

如何评估Skills？

由于Skills评估体系尚不完善，我们可推演几个可能的评判维度。

第一，可能更需要「能力图谱」。

一个Skill并非简单的「好或不好」，而是在哪些任务上表现好、哪些任务上表现差，这更接近「能力图谱」，而非星级评分。

第二，需引入「成本维度」。

AI时代新增了「成本」变量，这是App时代无需考虑的。完成同一任务，A Skill消耗500 tokens，B Skill消耗5000 tokens，大规模使用时差异显著。

因此，未来评估体系需同时考虑成功率、成本、延迟，类似云计算的考核标准，而非传统软件。

第三，需引入「可解释性」和「安全审计」维度。

随着Skills接入更多真实世界能力（邮件、文件、支付等），风险会迅速放大。或许需要「第三方评测、审计机构」评估Skills的数据使用方式、检测潜在安全风险等。

未来可能出现「AI能力评测与认证机构」，为各类Skills出具包含准确率、能耗、安全级别、兼容性等指标的「能力报告」。

当然，「Skill商店」在AI时代或许并非重要角色。

极客公园编辑部近期访谈多位创业者，普遍观点是Skills可能是「中间态」，个性化端侧模型才是未来。

即未来个人数据可通过后训练融入专属端侧模型，现在AI记忆主要靠外部数据库（如RAG）提取，未来端侧模型可直接内化这些记忆和技能，在理解用户信息、调取记忆速度及执行技能的泛化能力上实现质的提升。

不过无论哪种可能，如今创作者通过体验和验证弥补了市场机制的缺位，用内容建立了「信任」。

未来如何评估Skills？它如何推动生产力重构？都是值得探讨的开放式问题。