Anthropic 与 OpenAI 同周发布 Agent 技能系统，三大原语收敛

Polymarket 显示，截至 2026 年 8 月，Anthropic 的最佳 AI 模型支持率达 99%。OpenAI 为 1%。市场参与者没有进行对冲——他们已经完全停止了对模型竞争的押注。这才是关键：模型问题尘埃落定之后，战争转移到了别的地方。

本周，战争从两个方向同时转移到了同一个地方。Anthropic 发布了 /design，这是一项将 Claude Code 转变为 UI 设计工具的技能——画板、迭代优化循环，以及通过终端 prompt 完成实现。同一周，OpenAI 在其 YouTube 频道上密集投放了九段 ChatGPT Work 操作教程视频——定时任务、Gmail 和 Slack 的连接器、无需重新输入 prompt 即可重复执行工作流的技能。两家实验室，同一周，都推出了相同的三个基本要素：连接器（connectors）、技能（skills）、定时 Agent（scheduled agents）。

这不是巧合，而是趋同。

几个月前，Andrej Karpathy 就预判了这次转变：一种"新范式"，LLM 成为"一个自包含的、持久的、异步的实体，拥有跨组织的工具和上下文，与人类团队协同工作"。这条推文获得了 23,365 个赞和 820 万次浏览。他描述的是终点。本周，两家实验室都推出了抵达终点的方法。

模型战争已结束。平台战争刚刚开始

Polymarket 的数据以残酷的清晰度讲述了这一趋势。8 月底最佳 AI 模型：Anthropic 99%，OpenAI 1%。9 月底最佳模型：Anthropic 92%，OpenAI 4%，Google 3%。这些市场背后的 689,000 美元流动性不是冷漠——而是信念。市场已将模型竞争定价为一种垄断。连 Karpathy——他对每一个前沿模型发布都会做评估——都称 Claude Fable 5 为"值得一个大版本升级的阶跃式进步"和"在所有维度上以显著优势领先 SOTA"。

当一个市场定在 99% 时，有趣的问题不是谁赢了，而是什么会打破这个定值。而现在，两家实验室都没有试图打破它。OpenAI 没有急于发布更好的模型——它在急于发布更好的平台。Sam Altman 本周的推文？"我们造了一颗芯片，它很快。"定制芯片，而非新模型。投资逻辑已从智能转向基础设施。

这就是为什么两家实验室的发布在同一周落地。模型正在成为大宗商品化的输入。平台——技能执行 runtime、连接器绑定企业数据、定时 Agent 无人监管运行的平台——才是现在切换成本所在的地方。

战略判断：谁拥有技能 runtime，谁就拥有切换成本。当你的组织有 200 个依赖 Claude 连接器 API 的技能时，迁移到 OpenAI 意味着重写 200 个工作流。这不是技术护城河——而是运营护城河。而且它每天都在叠加。

三个基本要素，并排对比

两个平台现在都提供相同的三个构建模块。实现不同，战略意图完全一致。

连接器：数据管道

连接器是 Agent 平台接入现有工具的方式——Gmail、Slack、Google Drive、Salesforce、Jira。没有连接器，AI Agent 就是一个被锁在房间里的聪明大脑。

Anthropic 的方案：Model Context Protocol（MCP）——一个开放协议，已捐赠给 Linux 基金会。Claude Cowork 使用 MCP 加 Connectors 和 Plugins。Microsoft 365 连接器展示了深度：Claude 可以发送邮件、管理日历事件、修改 OneDrive 或 SharePoint 中的文件。十个首发合作伙伴包括 Atlassian、Figma、Canva、Stripe、Notion 和 Zapier。

OpenAI 的方案：Connected Apps 和插件目录。ChatGPT Work 继承你现有工具连接的权限。最近新增了 Google Drive 直接编辑功能。OpenAI 在 24 小时内发布了九段教程视频——整套入门课程被定位为"工作区操作系统"，而非聊天机器人。

真正重要的差异：Anthropic 将其连接器协议开源了。OpenAI 保持专有。MCP 已被 Microsoft（VS Code、GitHub Copilot）、Cursor、Gemini CLI 以及 agentskills.io 上大约 40 款产品采用。这是 Anthropic 在打 Android 剧本——通过成为标准而非唯一实现来获胜。

技能：杀手级基本要素

技能是包含指令、脚本和资源的可复用包，使 AI Agent 每次都以相同方式重复任务。这是 AI 原生组织的机构知识单元。

Anthropic 的版本：Agent Skills 于 2025 年 10 月推出。开放规范位于 agentskills.io，提供参考 SDK。基于文件系统的 SKILL.md 格式可在 Claude Code、API、claude.ai、Cursor 等多端运行。截至 2026 年 6 月，约有 40 款产品支持该标准。社区在 GitHub 上已发布 190 万个技能——但质量参差不齐（平均得分：12 分制中 6.2 分；36% 包含 prompt 注入漏洞）。

OpenAI 的版本：Skills 于 2026 年 7 月为 Business 和 Enterprise 计划推出。截至 2026 年 7 月 23 日，默认启用企业工作区。Skills 存储在 ChatGPT 工作区内，使用 OpenAI 自有格式——据 VentureBeat 报道，该格式"悄然采用了与 Anthropic 规范结构相同的架构"，包括相同的文件命名约定和元数据格式。

在 AI Engineer World's Fair 上，QuantumBlack 的 Imad Touil 指出了真正的问题：大多数工程师构建过技能，但很少有人分享，能在组织层面治理技能的几乎没有人。这个逐级递减的漏斗正是机构知识流失的地方。护城河不是模型——而是经过维护的技能库。

真正重要的差异：Anthropic 有 10 个月的先发优势和跨平台采用的开放标准。OpenAI 有分发渠道——ChatGPT Work 打包进所有 Plus、Pro、Business 和 Enterprise 计划，无需额外付费。Anthropic 正在赢得开发者社区。OpenAI 正在赢得企业采购对话。

定时 Agent：自动化层

定时 Agent 将聊天机器人转变为同事——按计划或触发条件无人监管运行的任务，在你睡觉时也在执行。

Anthropic 的版本：Claude Cowork 任务可按需或按计划运行，云端执行不再要求你的设备保持在线。任务存在于 Projects 中，Projects 持有输入输出以保持上下文连贯性。

OpenAI 的版本：ChatGPT Work 定时任务可以运行一次、按计划重复、对触发器做出反应或监控变化。与 Codex 自动化分组，形成统一的任务管理界面。

真正重要的差异：OpenAI 有更多触发灵活性（事件驱动，不只是 cron）。Anthropic 有更好的上下文连贯性（任务保持在记得状态的 Projects 内）。对运维人员来说，问题是：你需要一个更智能的调度器，还是一个记得自己为什么运行的调度器？

对比矩阵

GitHub 已经成为技能市场

对技能作为基本要素的需求信号远超这两家实验室。8 月 29 日的 GitHub Trending 讲述了这个故事：

scientific-agent-skills——37,725 星，每日增长 1,604。涵盖 100+ 科学数据库的 165 个经验证技能。被全球 190,000 名科学家使用。

archify——30,367 星，每日增长 3,927。一个用于架构图并支持动效和导出的 Agent 技能。

ponytail——116,239 星，每日增长 1,171。将 Agent 生成代码削减 54%，同时保留安全护栏。

graphify——112,227 星，每日增长 376。将代码库转换为可查询知识图谱，作为 /graphify 技能运行。

GitHub 热门榜前八名中有五个是 Agent 技能。不是库，不是框架，是技能。市场已经表态：AI 能力的原子单元是技能，开发者构建它们的速度比两家实验室 curate 的速度还快。

技能质量问题是真实存在的。Agentman 生态系统报告发现，22,511 个受审计划技能中存在 140,963 个安全问题——每个技能约 6.3 个问题。此外，36% 的受测技能包含 prompt 注入漏洞。数量正以比治理更快的速度增长。听起来很熟悉？这是 npm 2016 年的情形，只不过这些包能读取你的邮件。（我们在供应链分析中深入报道了攻击面。）

逆向观点：趋同是陷阱

这里有一个两家实验室营销部门都不想让你听到的观点：架构趋同对运维人员来说是陷阱，而非好处。

是的，两个平台现在都提供连接器、技能和定时 Agent。是的，它们正在趋同于结构相同的格式。但在没有标准趋同的情况下，基本要素的趋同意味着你在为两个看起来兼容但实际并不兼容的生态系统构建。

在 AI Engineer World's Fair 上，Box 的 Ben Kus 在演讲开始时撤回了他一年前在同一舞台上推荐的基于图的 Agent 架构。他的元观点比具体内容更重要：Agent 工具的迭代速度足够快，最佳实践指南大约 12 个月就会过期。今天任何在 Agent 框架上做标准化的企业都应该假设自己在租，而不是买。

Hacker News 社区一直在实时剖析这种趋同。当 Anthropic 的 Claude Design 系统 prompt 泄露时，帖子变成了一场关于技能是护城河还是负债的辩论——这正是运维人员需要解决的张力：

World's Fair 的采用数据强化了这种谨慎。Figma 的 Eyal Blum 发现，最优秀的工程师是采用 Agent 最慢的，因为他们最先看到失败模式。Amazon 研究了 50 个团队一年——一半的团队 velocity 提升不到 3 倍，一半约 4.5 倍。采用是双峰的，不是普遍的。Millennium 的 Brian Lewis：只有约 5% 的初创公司演示能转化为 signed contracts。

Anthropic 和 OpenAI 的发布暗示了 hockey stick 曲线。但在实际部署过 Agent 的从业者提供的数据面前：先是 plateau，然后是漫长的可靠性爬坡。

运维人员现在应该做什么

趋同是真实的，碎片化也是真实的，战略定位的窗口期很窄。以下是具体的行动手册：

1. 标准化到开放规范。两家实验室都已收敛到 agentskills.io 的格式——Anthropic 创建了它，OpenAI 采用了它。按该规范构建内部技能。如果一个平台赢了，你的技能仍然可用。如果两个都没赢，开放标准会存活于两者之上。（更深的架构分析见我们之前对 skills vs MCP 的分析。）

2. 在技能 volume 之前投资技能治理。你的团队不需要 200 个技能。它需要 20 个经过测试、审计和维护的技能。现在就建立评审流程——像对待生产代码一样对待技能，而不是 prompt 实验。供应链风险是真实存在的。

3. 将定时 Agent 视为生产工作负载。这些不是 cron 任务。它们是自主系统，读取你的邮件、修改你的文档、发到你的渠道。给它们与任何生产服务相同的可观测性、告警和回滚机制。

4. 不要基于今天的模型选择平台。Polymarket 说 Anthropic 现在有最好的模型。它三个月前也这么说过，六个月前也是。模型会轮流领先。平台会叠加。选择依据应该是连接器深度、技能生态成熟度，以及平台与你现有工具栈的契合度。（我们在 ChatGPT Work 初期圈地运动和跨厂商 Agent 队列模式中做了完整格局对比。）

5. 为迭代做好预算。Ben Kus 在 12 个月后收回了自己的建议。预期你的 Agent 架构会以同样的节奏演进。为可替换性而构建——薄集成层、可移植技能格式、核心工作流中无平台特定锁定。

结论：模型战争已结束，平台战争已开打。Anthropic 和 OpenAI 都在发布相同的三个基本要素，因为谁拥有技能 runtime 谁就拥有企业关系。赢家不会是拥有更多技能的实验室，而是能治理好技能的。运维人员如果能在开放规范上标准化、投资治理、将 Agent 视为生产系统，无论谁最终胜出，都能保持平台弹性。

Agent 技能生态系统已有 190 万个已发布技能并持续增长。GitHub Trending 现在就是技能市场。40 款产品支持开放标准。两家前沿实验室都在相同架构基础上构建。

未来 12 个月将回答一个问题：平台战争是产生一个让所有人受益的标准（像 HTTP），还是只让平台所有者受益的碎片化生态（像移动应用商店）？

如果你将工程组织押注在任一平台上，这个问题的答案就是你真正的战略风险。谨慎规划。

Originally published at AgentConn