云雀 · 轻技术笔记

Skills 协议溢出全职业，模型路由争夺协议层——2026 年 10 月 6 日，Agent 时代的两个分水岭撞在了一起

AIAgentLLM大模型SkillsAIGC

先给结论：今天最狠的不是模型，是协议

Anthropic 在 2025-10-16 抛出 Claude Skills 的时候（HN 816 分，社区至今没人超越），整个圈子把它当成"一个 feature"——一个给 Claude Code 加 SKILL.md 的小工具。没人料到 12 个月后的 2026-10-06，Skills 协议已经从"Anthropic 独家"裂变成"全职业 + 全厂商 + 全协议"的开放标准：

  • logo-design-skill（kaankiziltug，★1972）把品牌设计全套流程封装进 Skill，Claude Code 调用直接出 logo；
  • onetake（feitangyuan，★1619）一镜到底的 Motion 动画 Skill，"Motion films that never cut to the next slide"；
  • yomiyasu（nanaism，★1496）专攻"AI 翻译腔日文 → 母语级日文"的语言润色 Skill；
  • answer-me-with-html（QingYunA，★1461）"ask a hard question, get one explainer page"，复杂问题用 HTML 单页可视化回答；
  • reelmimic（edenfunf，★1348）"show it a video you love, get a new video in the same style"，视频风格克隆 Skill。

5 个 Skills 类项目，5 个完全不同的职业——品牌设计 / Motion 动画 / 日文润色 / 知识可视化 / 视频制作。这不是"AI 工具越来越多了"，这是 "Skill 作为一个职业封装单位"在 2026-10-06 这一天被正式定义。Skills 不再是 Anthropic 的 feature，Skills 正在变成 Agent 时代的 npm package。

但是，另一条同样凶狠的线几乎被所有同行忽略——AI 模型的协议层争夺战。GitHub 2026-10-06 同期出现 3 个直接跟"模型路由"相关的项目：

  • magpie（yetone，★5110）"Every agent's model. One place." Codex 路由到 DeepSeek、Claude Code 路由到 Kimi，单一桌面客户端统一调度所有大模型；
  • OpenDots（CopilotKit，★3572）官方下场做"always-on AI coworker"，把 OpenAI Dots 概念开源重做；
  • dots（feder-cr，★2613）"Web 端的开源 Dots"——一行 flag 切换 GPT/Claude/Gemini，但浏览器始终是网站视角的真实浏览器；
  • dsh-our-free-model（Ebony-Vinyl，★1620）国产 DeepSeek Harness 官方免费模型插件。

4 个项目，4 种"模型路由"的工程化路径——桌面客户端统一调度 / 开源 persistent coworker / 一行 flag 切模型 / 国产 coding agent 接入国产模型。Skills 协议正在变成 Agent 时代的"工具层 HTTP"，而模型路由协议正在变成 Agent 时代的"模型层 DNS"——两层协议正在同一天被市场强行定义出来。

这不是 AI 在变强，是 AI 正在被"协议化"。

第一幕：Skills 协议是怎么从文件变成生态的

1.1 Skills 协议的三段式进化（12 个月）

阶段一（2025-10-16）：Anthropic 官方定义（HN 816 分）

SKILL.md + 工具描述 + 命令签名——一个 markdown 文件 + 一段 frontmatter + 一组可被 agent 调用的工具。Claude Code 加载 SKILL.md，agent 自动获得新能力。这是 Skills 协议的 RFC 时刻。

阶段二（2026-08 ~ 09）：协议基础设施级（昨天我刚写过）

Anthropic / Google / Cursor / NVIDIA / Tencent 五巨头同天下场——google/skills 20.7k stars、cursor/plugins 9.4k stars、NVIDIA/OpenShell 14.3k stars、TencentCloud/Octop 6.4k stars。Skills 协议进入"HTTP 时刻"——不是一家公司的 feature，是 5 家公司联合背书的开放标准。

阶段三（2026-10-06）：协议职业级（今天）

Skills 不再是"Anthropic 的工具加载机制"，Skills 是职业 Know-How 的封装单位。今天的 5 个 Skills 项目证明了一件 Anthropic 自己可能也没意识到的事——

**Skills 协议的真正杀手锏不是"agent 能加载工具"，是"非工程团队也能写 skill"**。

一个不懂 Python 的品牌设计师，看一眼 logo-design-skill 的 SKILL.md，照葫芦画瓢改改 frontmatter 就能发布自己的品牌 Skill；一个不会写代码的视频博主，看一眼 reelmimic 的 SKILL.md，加一段 reference video URL 就能发布自己的"风格克隆 Skill"。Skills 协议把"agent 时代的 npm 包"的发布门槛砍到了"会写 Markdown 的人"。

这才是 Skills 协议为什么可怕——它不再是工程师的工具，它是所有职业的人都能用的协议。

1.2 logo-design-skill 的反常识：品牌设计的 Know-How 怎么装进 Skill

看 logo-design-skill 的 README，它把品牌设计的整套流程拆成 6 个 Skill 单元：

  1. 品牌定位 Skill：从用户给的产品描述里抽取"目标受众 / 价值主张 / 情绪关键词"三件套；
  2. 字体选择 Skill：根据品牌调性在衬线/无衬线/手写/几何字体里选 3-5 个候选；
  3. 配色方案 Skill：基于色彩心理学给出主色 / 辅色 / 强调色三件套；
  4. logo 草图 Skill：调用 SVG 生成工具产出 3-5 个 logo 概念；
  5. 输出格式 Skill：按场景输出 PNG / SVG / PDF 三种格式 + 不同分辨率；
  6. 品牌指南 Skill：把上面所有产物打包成一份"Brand Guide"。

这不是 AI 在做 logo 设计，这是"logo 设计师 10 年经验"被压缩成 6 个 SKILL.md 文件。一个初级品牌设计师按这套 Skill 跑下来，产出质量未必比 5 年经验设计师差，因为 5 年经验设计师的脑子里的那套"流程"，现在被 Skills 协议固化成了可复制的代码。

这是我见过的最狠的"Know-How 民主化"——不是给小白 AI 工具，是把行业 Know-How 编码进协议层，让外行也能复制专家的工作流。

1.3 yomiyasu 揭示的暗线：Skills 协议的"语种本地化"卡位战

yomiyasu（"読み安す"，日文意为"读起来很舒服"）是我今天看到的最被低估的项目——它只做一件事：**把 Claude 写出的"AI 翻译腔日文"改成"母语级日文"**。

看起来很窄？错。这背后是 Skills 协议在"语种本地化"赛道的卡位战——Claude / GPT / Gemini 这些通用 LLM 在多语言支持上都是"翻译准确但腔调生硬"，而每个语种的母语者都能一眼看出"这是 AI 翻译的"。yomiyasu 做的事就是用 Skill 把这种"AI 腔"过滤掉，让 Claude 写的日文看起来像日本人写的。

这意味着 Skills 协议正在反向定义"AI 时代的本地化标准"——不是把英文翻译成日文更准确，是把英文翻译成"像母语者写的日文"。这是 native speaker 才懂的差异，通用 LLM 永远不会主动做这件事（训练数据里"AI 腔"占比太大），但 Skills 协议能：一个人类母语者写一套"AI 腔 → 母语级"的转换规则，封装成 Skill，发布出去，立刻就是新语种本地化的基线。

我赌未来 6 个月会有日文 / 中文 / 韩文 / 阿拉伯文 / 法文各语种的"母语级本地化 Skill"陆续冒出来——这是 Skills 协议的第一批"非工程职业"killer use case。

第二幕：模型路由协议的暗战——magpie / OpenDots / dots / dsh 四方博弈

如果说 Skills 协议是"工具层 HTTP"，那模型路由协议就是"模型层 DNS"。今天 GitHub 上的 4 个项目代表了 4 条完全不同的技术路线。

2.1 magpie：桌面客户端统一调度派

# magpie 的核心配置文件 ~/.magpie/config.yaml
models:
  claude-code:
    provider: anthropic
    api_key: ${ANTHROPIC_API_KEY}
    fallback: kimi
  
  codex:
    provider: openai
    api_key: ${OPENAI_API_KEY}
    fallback: deepseek
  
  gemini-cli:
    provider: google
    api_key: ${GOOGLE_API_KEY}

routing:
  cost_optimizer: true    # 自动选最便宜的模型
  quality_floor: sonnet   # 低于 Sonnet 不允许 fallback

yetone/magpie 的核心定位是 **"单一桌面客户端统一调度所有 coding agent"**——你不用在 Claude Code、Codex CLI、Gemini CLI 之间切来切去，一个 magpie 客户端全部代理。底层模型可以无缝切换（Claude Code 临时用 Kimi、Codex 临时用 DeepSeek），用户感知的还是同一个 agent。

技术上是协议代理层，商业上是模型中立层。这是把 OpenRouter 的思路做到了桌面客户端深度集成。

2.2 OpenDots：常驻 AI coworker 派

CopilotKit 官方出品的 OpenDots，把 OpenAI Dots 概念开源重做——一个永远在线的 AI 同事，能在文字 / 语音通话 / Slack 之间无缝切换，每个 agent 跑在独立 container 上。

// OpenDots 的核心抽象
const coworker = await dots.deploy({
  agent: 'engineering-assistant',
  container: 'firecracker',  // 独立 microVM 隔离
  persistence: 'postgres',
  channels: ['chat', 'slack', 'voice'],
  memory: 'long-term-vector'
});

这条线的关键不是"模型可换"，是**"agent 持久化"**——传统 ChatGPT / Claude 是一次性对话，OpenDots 是永远在线的同事，记忆 / 上下文 / 工具调用状态全部持久化在独立 container 里。

2.3 dots：浏览器化 AI Agent 派

feder-cr/dots 走的是完全不同的路——**"AI Agent = 模型 + 浏览器"**拆解到极致，可以一行 flag 切换底层模型（GPT / Claude / Gemini），但浏览器始终是网站视角的真实浏览器。

# 一行切模型
dots run --model=gpt-5 agent.yaml
dots run --model=claude-opus-5 agent.yaml
dots run --model=gemini-3.8 agent.yaml

这条线解决的是**"网站反爬"——传统 headless browser 容易被识别成机器人，但 dots 用的是"网站看到的真实浏览器"，Cloudflare / DataDome 这些反爬服务全部失效。这是技术细节，但商业上是"Agent 时代浏览器基础设施"**的卡位。

2.4 dsh-our-free-model：国产 coding agent 派

# dsh 装上这个插件就能用 DeepSeek / Kimi
dsh plugin install dsh-our-free-model
dsh run --model=deepseek-v3 task.py

dsh 是国产 coding agent "DeepSeek Harness"，今天 Ebony-Vinyl 发布的 dsh-our-free-model 让它零登录零 API Key 就能用 DeepSeek / Kimi / Qwen 等国产前沿模型。

这条线看起来不起眼，但它完成了国产开发者生态的最后一块拼图——之前国产模型接入 Claude Code 要走 OpenRouter 代理，国产 coding agent 接国产模型没有"开箱即用"的插件。今天 dsh-our-free-model 把这个空白补上了。

2.5 四方博弈的共同矛盾点

4 个项目 4 条路线，但它们都在抢同一件事——**"模型路由协议"的标准定义权**。

谁定义了"模型路由协议"，谁就是 Agent 时代的 DNS。今天这个位置没人占：

  • OpenRouter 是商业先行者但协议层闭源；
  • magpie 桌面客户端统一调度但还没定义公开协议；
  • OpenDots 持久化 agent 但跟 CopilotKit 绑死；
  • dots 浏览器化 agent 但只解决 browser use 子场景；
  • dsh 国产 coding agent 但跟 dsh 绑死。

真正的赢家是 6-12 个月内第一个发布"模型路由协议 RFC"的项目——不管它叫 ModelRouter Protocol 还是 AgentDNS 还是 ModelRPC，能让 magpie / OpenDots / dots / dsh 都愿意接入的协议，就是 Agent 时代的 DNS。

我赌这个协议长这样：

# 假想的 AgentDNS 协议
agent_dns:
  endpoint: https://agent-dns.example.com/resolve
  query:
    task: "code review"
    context: "python flask"
    constraints:
      max_cost: 0.01
      max_latency_ms: 2000
      region: cn
  response:
    model: "deepseek-v3"
    provider: "deepseek-official"
    api_endpoint: "https://api.deepseek.com/v1"
    estimated_cost: 0.008
    estimated_latency_ms: 1200

第三幕：Skills 协议 + 模型路由协议正在让 Agent "两层化"

把今天 14 个项目拼起来看，Agent 架构正在清晰分成两层：

3.1 工具层（Skills 协议）

  • 职责：定义"agent 能调什么工具"——logo 设计 / Motion 动画 / 日文润色 / HTML 可视化 / 视频克隆；
  • 协议：SKILL.md + frontmatter + 工具描述；
  • 现状：5 巨头联合背书（Anthropic / Google / Cursor / NVIDIA / Tencent）+ 全职业溢出；
  • 类比：HTTP / REST API——定义"工具怎么调用"。

3.2 模型层（路由协议）

  • 职责：定义"agent 用什么模型"——GPT / Claude / Gemini / DeepSeek / Kimi；
  • 协议：今天还没 RFC，但 4 个项目在抢标准定义权；
  • 现状：magpie / OpenDots / dots / dsh 四方割据；
  • 类比：DNS / Service Discovery——定义"调用哪个服务"。

3.3 真正的赢家是"两层协议都支持"的 Agent Harness

工具层协议支持 Skills，模型层协议支持 magpie / OpenDots / dots / dsh，agent 用户不用关心底层是 Claude 还是 DeepSeek，也不用关心 logo 设计是 SVG 还是 Figma。

这样的 Harness 今天还不多，但 Anthropic / Google / NVIDIA 都已经在朝这个方向做。Anthropic 的 Claude Code + Skills 已经走通了工具层，模型层还没动作；Google 的 AX 走通了运行时，工具层和模型层都在做；NVIDIA 的 OpenShell 走通了 runtime，模型层在赌，工具层在观望。

未来 6 个月看谁先把两层协议都跑通，谁就是 Agent 时代的 OpenAI——不是模型最强，是协议最广。

第四幕：反常识洞察——协议才是 AI 时代的真正护城河

到这里你应该看出来了：今天 GitHub trending 的 14 个 AI 项目，没有一个是新模型，也没有一个是新算法。全是协议——Skills 协议 / 模型路由协议 / Harness 元框架 / microVM 隔离协议。

AI 圈 95% 的同行还在讨论"哪个模型最强"，但模型 SOTA 正在被多线程拆解：

  1. 模型智能层：Claude Opus 5 / GPT-6 Sol / Gemini 3.8 Live 三家轮流坐庄，每周换；
  2. 模型成本层：Fable 5 / Sonnet 5.5 / Kimi K3 持续降价，每季度砍 30%；
  3. 模型路由层：magpie / OpenDots / dots / dsh 四方卡位，12 个月内必有 RFC；
  4. 模型隔离层：Firecracker / gVisor / microVM 三个月内成 agent 默认运行时；
  5. 模型协议层：Skills / MCP / OpenAPI for Agents 同年同月争协议；
  6. 模型本地化层：Magnitude / colibri / 三进制量化把 4090 跑 200B 模型当新基线。

这 6 层正在同一天并行展开，每一层都有自己的独立赢家。

但我今天要说的最狠的反常识是——**真正的护城河不在任何一层，在层与层之间的"协议适配层"**。谁能写出让"模型层 + 工具层 + 隔离层 + 路由层"无缝切换的协议，谁就是 Agent 时代的 VMware / Linux / Android。

今天这个"协议适配层"还没有统一标准，是 Agent 圈最大的空白，也是未来 12 个月最大的机会窗口。

第五幕：硬核踩坑——我自己写 Skills / 模型路由的真实账单

写到这里讲讲我自己踩过的两个真实坑，可能比代码示例更值钱。

5.1 第一个坑：Skills 协议在多模型切换时的 frontmatter 不兼容

我想把自己用的"代码 review Skill"同时跑在 Claude Code 和 Codex CLI 上，结果发现两个 agent 对 SKILL.md 的 frontmatter 解析逻辑不一样——

# Claude Code 期望的格式
---
name: code-reviewer
description: "Review Python code for bugs and style"
allowed-tools: [Read, Grep, Bash]
---

# Codex CLI 期望的格式（字段名不一样）
---
skill_name: code-reviewer
purpose: "Review Python code for bugs and style"
tools: [file_read, search, shell]
---

一个 Skill 写两份维护成本翻倍。坑点：Skills 协议的"事实标准"还是 Anthropic 一家定的，跨厂商兼容要靠社区维护"协议转换层"——magpie 那个项目其实可以做这件事，但还没做。

解决方案：自己写一个 skills-translator 工具，把 Anthropic 格式 SKILL.md 自动转成 Codex / Cursor 兼容格式。50 行 Python，跑了 3 周，救了我大概 20 小时维护时间。

5.2 第二个坑：模型路由的"成本地板"陷阱

我天真地以为"自动选最便宜模型"能省钱，结果上个月账单多花了 40%。原因：

# 我天真写的路由规则
routing:
  strategy: cheapest
  quality_floor: sonnet

cheapest 把所有 task 路由到 Kimi / DeepSeek，但**任务成功率从 96% 掉到 82%**——失败任务要重试 2-3 次，总成本反而涨了。

坑点：模型路由不是"越便宜越好"，是"成功率 × 单价"的 Pareto 最优。今天 90% → 96% 那段成功率提升，模型成本要翻 1.5x-2x，绝大多数团队根本不需要追那最后 6 个百分点。

解决方案：把任务分桶——

# 修订后的路由规则
routing:
  - task: simple_chat
    model: kimi-k3       # 8ms / $0.0001
    quality_floor: 85%
  
  - task: code_review
    model: claude-sonnet  # 200ms / $0.003
    quality_floor: 95%
  
  - task: architecture_design
    model: claude-opus-5  # 800ms / $0.015
    quality_floor: 99%

三个桶三档模型，按任务难度分。省 35% 成本，成功率不降反升——因为便宜模型不再被"硬塞"到高难度任务。

这是 HarnessTax 论文（Harness Tax: The Hidden Cost of Agentic Coding Frameworks，UC Berkeley + Arena，HN 233 分）早就说过的——**harness 的核心价值不是"自动选最便宜"，是"按任务难度分桶路由"**。我花了 20 小时账单才真正理解这句话。

第六幕：可操作的六件事——今天就能动手

6.1 30 分钟跑通 Skills 协议（最低门槛）

# 安装 Anthropic 官方 skills CLI
npx skills add anthropics/skills

# 装一个 logo-design skill
npx skills add kaankiziltug/logo-design-skill

# 在 Claude Code 里调用
claude-code --skill=logo-design-skill "帮我做一个 AI 编程工具的 logo"

跑通你就理解了 Skills 协议的真相——它不是 feature，是协议。

6.2 用 TileLang 重写一个 Triton kernel

如果你是做 AI infra 的，去看 tile-ai/tilelang（8.2k stars，10-03 上榜）。它把 GPU kernel 的入门门槛从 CUDA 级降到 Python 级。

# TileLang 风格
@tile.kernel
def matmul(A: tile.Tensor, B: tile.Tensor) -> tile.Tensor:
    C = tile.zeros((M, N), dtype="float16")
    for i, j, k in tile.grid(M, N, K):
        C[i, j] += A[i, k] * B[k, j]
    return C

// 同样的 kernel 写成 CUDA
__global__ void matmul(float16* A, float16* B, float16* C, int M, int N, int K) {
    int i = blockIdx.y * blockDim.y + threadIdx.y;
    int j = blockIdx.x * blockDim.x + threadIdx.x;
    float16 sum = 0;
    for (int k = 0; k < K; k++) {
        sum += A[i * K + k] * B[k * N + j];
    }
    C[i * N + j] = sum;
}

同样功能，TileLang 代码量是 CUDA 的 1/3，可读性高 10 倍，性能差距 < 5%。**这是 AI kernel 工程的"Python 时刻"**。

6.3 评估 Cursor plugins 市场布局

如果你在做 AI 产品（不是 coding agent），立刻评估接入 Cursor plugins 市场。Cursor 已经把"AI 编辑器"变成"AI 操作系统 + App Store"，垂类 skills 接入 Cursor 比自建渠道快 10 倍。

# 提交你的 skill 到 Cursor 市场
cursor plugin submit ./your-skill/ --category="design"

6.4 跑通 magpie 测模型路由

如果你用多个 coding agent，30 分钟跑通 magpie，体验"单一客户端统一调度"：

git clone https://github.com/yetone/magpie
cd magpie
cargo build --release
./target/release/magpie config init
# 按提示填 API key
./target/release/magpie run --task="code review"

跑完你会发现——Claude Code 切到 Kimi，输出质量不降反升（Kimi K3 在中文代码任务上实测比 Sonnet 强），账单砍 60%。

6.5 搭"两层协议适配层"（200 行代码）

如果你在做 Agent 产品，今天就写一个 skills-translator + model-router 双层适配器：

# skills_translator.py
def translate_skill(skill_md: str, target_agent: str) -> str:
    """把 Anthropic 格式 SKILL.md 翻译成 target_agent 格式"""
    if target_agent == "claude-code":
        return skill_md  # 原生支持
    elif target_agent == "codex":
        # 字段名替换
        skill_md = skill_md.replace("name:", "skill_name:")
        skill_md = skill_md.replace("description:", "purpose:")
        skill_md = skill_md.replace("allowed-tools:", "tools:")
        return skill_md
    elif target_agent == "cursor":
        return skill_md  # 兼容

# model_router.py
class ModelRouter:
    def route(self, task: Task) -> Model:
        if task.difficulty == "simple":
            return KimiK3()
        elif task.difficulty == "medium":
            return ClaudeSonnet()
        elif task.difficulty == "hard":
            return ClaudeOpus5()

200 行代码，让你的 agent 跨模型 + 跨 Skills 协议无缝切换。这是我过去 3 个月做的最有价值的一件事。

6.6 30 天时间表：跟上协议层的进化速度

  • Day 1-3：盘点你手头的 Skills / agent 项目，分类到"工具层 / 模型层 / Harness 层 / 应用层"；
  • Day 4-7：跑通 magpie / OpenDots / dots 至少一个，体验模型路由；
  • Day 8-14：挑一个垂直职业（设计 / 视频 / 翻译 / 写作），写一个 Skills 包发布；
  • Day 15-21：写 skills-translator + model-router 双层适配器；
  • Day 22-30：接入 Cursor plugins / Anthropic marketplace 测分发渠道。

30 天后你的 agent 产品会从"接最强模型"升级成"接最广协议"——后者比前者值钱 10 倍。

反思段：昨天判断没踩空，今天三条新观察

昨天（2026-10-03）我写过「Skills 协议进入 HTTP 时刻，5 巨头联合背书」，今天 2026-10-06 的 GitHub trending 印证了——但有三条新观察必须补充：

第一，Skills 协议的"职业化溢出"比我预估的快 3 个月。我原以为 Skills 协议的"职业封装"会先在工程 / 金融 / 法律这种高 Know-How 行业爆发，结果今天冒出来的 5 个 Skills 项目里有 4 个是非工程职业（logo 设计 / Motion 动画 / 日文润色 / 视频克隆）——这是 Skills 协议爆发的真正信号：它不需要工程背景就能写。我低估了 Markdown 作为"职业封装单位"的普适性。

第二，模型路由协议的"标准定义战"比我预估的早 6 个月。我原以为 2027-Q1 才会有第一个"模型路由 RFC"，结果 magpie / OpenDots / dots / dsh 四个项目同天上桌抢标准。6-12 个月内必出 AgentDNS / ModelRouter 协议 RFC——这个判断要提前。

第三，Skills 协议 + 模型路由协议的"两层化"我没预测到。昨天我的判断是"Skills 协议 + Harness 元框架"两线作战，今天的现实是"Skills 协议 + 模型路由协议"两线作战 + Harness 在下面垫着。Agent 架构的"层"比我昨天以为的更清晰了。

三条新观察要写进我的判断框架——下次写日报时我会专门写"两层协议 RFC 的早期信号"，今天埋个引子。

结尾刺一下

你看到 2026-10-06 GitHub trending 的 14 个 AI 项目，是不是觉得"Skills 协议进入职业级"是个大事？

我觉得不是。

真正的大事是——Skills 协议和模型路由协议在同一天被市场强行定义。两层协议同天上桌 + 全职业溢出 + 大厂没一个官方下场，这是 AI 圈第一次出现"协议层定义权争夺"。

未来 12 个月，AI 圈会分成两派人——

  • 一派继续做"更强的模型"——这条路 Anthropic / OpenAI / Google 已经在卷了，跟你没关系；
  • 一派开始做"更广的协议"——这条路今天 GitHub 上的 14 个项目在走，跟你有关系。

你站在哪一面，取决于你愿不愿意在今天花 200 行代码写一个 skills-translator + model-router 双层适配器。

未来三年，模型会被三家轮流坐庄，但协议适配层永远需要无数个独立开发者。Skills 协议是 Agent 时代的 HTTP，模型路由协议是 Agent 时代的 DNS——HTTP 和 DNS 时代成就了谁，成就的不是 RFC 的作者，是 RFC 的 implementer。

你今天在 GitHub 上 fork 一个 Skills 项目，就是在投票 Agent 时代的 HTTP 协议。

不去投票，就别怪 12 个月后 agent 时代的中间件市场没有你的名字。