1. 先搞清楚“Gems”退役和“Skills”上线到底意味着什么如果你最近在关注 Google 的 Gemini 模型可能已经注意到一个消息Gemini Gems 将在十月退役并转变为“Skills”。对于普通用户或者开发者来说这个消息听起来可能有点模糊——是功能没了还是换了个名字会不会影响我正在用的东西简单来说这不是一个简单的功能下架而是一次产品形态和开发者生态的整合与升级。你可以把它理解为Google 正在把原来相对独立、封闭的“Gems”能力重新打包成更标准化、更开放、更容易被其他工具和平台集成的“Skills”。这背后反映的是整个 AI 应用开发模式的变化从“使用一个固定的、黑盒的 AI 功能”转向“组合和调用一系列可插拔的、标准化的 AI 能力模块”。对于开发者尤其是那些已经在用或打算用 Gemini API 的人来说最直接的影响是接口和调用方式可能会变原来基于 Gems 的特定调用方式如果有的话需要迁移到新的 Skills 接口或标准如 MCP - Model Context Protocol。能力获取方式更灵活Skills 的理念是“即插即用”。你不再需要依赖 Gemini 官方提供的、打包好的“Gems”套件而是可以从一个更开放的“Skills 市场”或社区找到针对特定任务如代码审查、UI设计、学术研究优化过的能力模块直接集成到你的工作流中。生态竞争加剧从热搜词如claude skills,codex skills,mcp排行榜就能看出这已经不是一个厂商的游戏。Anthropic 的 Claude、OpenAI 的 Codex 等都在构建自己的 Skills/工具生态。这次转变是 Google 为了在未来的 AI 智能体Agent和工具调用生态中保持竞争力。所以如果你只是用 Gemini 聊天这个变化对你几乎无感。但如果你是开发者、研究者或者在使用像 Cursor、Workbuddy 这类集成了 AI 能力的 IDE/工具那么你需要开始关注“Skills”的玩法了。这关系到你未来如何更高效地让 AI 帮你写代码、做测试、分析文献。2. 从“Gems”到“Skills”不仅仅是改名是开发范式的迁移要理解这次变化我们得先看看“Gems”和“Skills”到底指什么。虽然官方没有给出极其详细的定义但从社区讨论和现有实践可以勾勒出清晰的轮廓。Gemini Gems 是什么你可以把 Gems 理解为 Google 为 Gemini 模型预置的一些“专家模式”或“特定场景优化包”。在概念上它可能类似于给模型一个强力的系统提示System Prompt或者结合了特定微调、检索增强生成RAG的知识库让模型在某个垂直领域比如代码生成、学术写作、创意文案表现得更专业、更可控。它的特点是相对封闭、由官方主导、功能集成度高。用户可能是通过一个开关或一个特定入口来启用某个“Gem”。Skills 又是什么Skills 则是一个更开放、更通用的概念。它指的是一个 AI 模型如 Gemini、Claude可以调用的一项标准化、可描述、可被发现的外部能力或工具。这个能力的背后可能是一个函数、一个 API、一个命令行工具或者一套复杂的处理流程。关键在于它遵循一定的协议如正在兴起的MCP来声明自己“能做什么”、“需要什么输入”、“会返回什么输出”。举个例子一个“代码审查 Skill”它声明自己接收一段代码和语言类型作为输入输出结构化的审查意见如潜在 bug、风格问题、性能建议。一个“学术PDF解析 Skill”它声明自己接收一个 PDF 文件输出提取的文本、参考文献列表、图表摘要。一个“UI 设计稿转代码 Skill”它声明自己接收一张设计图或 Figma 链接输出前端框架如 Vue3的代码。范式迁移的核心从“功能调用”到“能力组合”Gems 时代用户说“帮我用学术模式写论文”模型切换到“学术 Gem”来工作。这个“学术 Gem”内部具体怎么实现的用户和第三方开发者不太清楚也难以定制。Skills 时代用户或开发者可以告诉 AI 智能体“你现在可以调用‘学术数据库检索 Skill’、‘文献总结 Skill’和‘APA格式排版 Skill’”。智能体在回答问题时会自主判断是否需要、何时需要调用这些 Skills并按照标准格式交换数据。这些 Skills 可以是 Google 官方的也可以是社区开发的甚至是你自己写的。这种转变的好处是巨大的解耦与复用一个写好的“代码审查 Skill”既可以被 Gemini 调用也可以被 Claude 调用只要它们都支持 MCP 这类协议。生态繁荣开发者可以专注于打造一个精良的、解决特定问题的 Skill并发布到市场。其他开发者无需重复造轮子直接集成即可。热搜词里的skills市场、开源skills正是这个趋势的体现。智能体Agent的基石未来的 AI 应用不会是简单的问答而是能自主规划、使用工具完成任务智能体。标准化、可发现的 Skills 是智能体感知和操作世界的“手”和“脚”。所以Gems 退役转为 Skills是 Google 将 Gemini 从一个“多才多艺的模型”推向一个“开放能力平台”的关键一步。对于开发者学习重点要从“如何用好某个 Gems”转向“如何发现、集成、甚至开发一个标准的 Skill”。3. 作为开发者或用户你现在需要做什么面对这个变化不同角色的人行动优先级不同。我们分情况来看。情况一我只是个普通用户通过 Gemini 网页或 App 聊天行动几乎不需要做任何事。你感受到的 Gemini 能力不会消失只会以更流畅的方式整合在对话中。原来可能需要手动选择的“专家模式”未来可能会变成 AI 自动判断并调用相应的后台 Skill 来服务你。体验可能更无缝。情况二我是开发者正在或计划使用 Gemini API这是受影响最大的群体。你需要开始调整技术栈和认知。关注官方公告和迁移指南这是第一步。Google 一定会提供从现有 Gems 相关接口如果存在到新 Skills 体系的迁移路径和文档。密切留意 Gemini API 的更新日志和官方博客。了解 MCP 等协议MCPModel Context Protocol是目前被 Claude、Cursor 等广泛采纳的用于定义和调用 Skills/Tools 的开放协议。它由 Anthropic 提出但旨在成为行业标准。即使 Google 最终推出自己的类似协议或基于 MCP理解 MCP 的核心概念Server, Client, Tools, Resources对你理解整个 Skills 生态至关重要。探索现有的 Skills 生态不必等 Google。现在就可以去体验 Claude 的claude skills或者 Cursor、Windsurf 这类 IDE 中集成的codex skills。看看社区里有哪些好用的 Skills如热搜词中的qianwen-ai/qianwen-ai,academic research skills,专注于vue3前端生态的skills。这能让你直观感受 Skills 是如何工作的。评估现有项目检查你的项目是否直接依赖了可能属于“Gems”范畴的、非标准的 Gemini 调用。如果是规划在过渡期结束前进行重构。情况三我使用集成了 AI 的第三方工具如 Cursor, Workbuddy行动关注你所用工具的更新。这些工具为了保持竞争力一定会尽快适配包括 Gemini Skills 在内的各大模型 Skills 生态。你的体验可能会得到提升因为工具能调用的能力更丰富、更标准化了。例如cursor能用skills吗这个问题未来答案很可能是“能而且支持 Gemini、Claude 等多个来源的 Skills”。情况四我想开发自己的 AI 应用或智能体Agent行动这是最好的入场时机。你的学习路径应该是第一步学习 MCP。这是目前最实用的起点。尝试为你的某个本地能力比如一个解析特定日志的脚本包装成一个 MCP Server。第二步体验现有 Skills。通过 Claude 或 Cursor添加并使用一些社区 Skills理解它们的能力描述Schema和交互模式。第三步设计你的 Skill。思考你要解决什么问题输入输出是什么如何让它易于被 AI 理解和使用参考热搜词ai skills怎么开发、agents skills原理。第四步关注 Gemini Skills SDK。等待 Google 发布官方的 Skills 开发工具包这将让你开发的 Skill 能更深度地集成到 Gemini 模型中。4. 实战如何快速体验“Skills”的工作模式以 MCP 为例由于 Gemini 官方的 Skills 体系细节尚未完全公开我们可以通过目前最成熟的MCP 协议来模拟和体验未来 Skills 的工作方式。这里以在支持 MCP 的客户端如 Claude Desktop中运行为例。核心概念速览MCP Server提供具体 Skills/Tools 的后端服务。比如一个“天气预报 Server”一个“数据库查询 Server”。MCP ClientAI 应用本身如 Claude Desktop、Cursor。它负责与用户对话并决定何时调用哪个 Server 提供的 Tool。Tool一个可被调用的具体功能属于一个 Server。体验步骤准备环境确保你安装了 Node.js 环境。这是运行大多数 JavaScript/TypeScript 编写的 MCP Server 所必需的。安装 Claude Desktop这是目前体验 MCP 最方便的平台。从 Anthropic 官网下载安装。寻找并运行一个简单的 MCP Server我们以一个最简单的“计算器” Skill 为例。实际上你可以找到很多有趣的比如github.com/modelcontextprotocol/servers仓库里有官方示例。创建一个项目目录初始化并安装依赖mkdir mcp-calculator-demo cd mcp-calculator-demo npm init -y npm install modelcontextprotocol/sdk创建一个server.js文件内容如下这是一个极简示例const { Server } require(modelcontextprotocol/sdk); const server new Server( { name: calculator, version: 1.0.0, }, { capabilities: { tools: {}, }, } ); // 定义一个加法工具 server.setRequestHandler(tools/list, async () ({ tools: [ { name: add_numbers, description: Add two numbers together., inputSchema: { type: object, properties: { a: { type: number, description: First number }, b: { type: number, description: Second number }, }, required: [a, b], }, }, ], })); // 处理工具调用 server.setRequestHandler(tools/call, async (request) { if (request.params.name add_numbers) { const { a, b } request.params.arguments; return { content: [ { type: text, text: The sum of ${a} and ${b} is ${a b}., }, ], }; } throw new Error(Tool not found); }); // 启动服务器使用 stdio 传输这是 Claude Desktop 连接的方式 server.connectStdio().catch(console.error);运行这个 Servernode server.js。它会保持运行等待 Client 连接。配置 Claude Desktop 连接这个 Server找到 Claude Desktop 的配置文件夹macOS 通常在~/Library/Application Support/ClaudeWindows 在%APPDATA%\Claude。编辑或创建claude_desktop_config.json文件。添加以下配置告诉 Claude 去连接我们本地运行的 calculator server{ mcpServers: { calculator: { command: node, args: [/ABSOLUTE/PATH/TO/YOUR/mcp-calculator-demo/server.js], env: {} } } }注意将/ABSOLUTE/PATH/TO/YOUR/替换为你server.js文件的绝对路径。重启 Claude Desktop 并体验重启 Claude Desktop 应用。新建一个对话直接输入“请调用加法工具计算 123 加 456。”如果配置成功Claude 会识别出可用的add_numbers工具并自动调用它最终返回结果 “The sum of 123 and 456 is 579.”通过这个流程你就完成了一个完整的“Skill”从开发到被 AI 调用的过程。未来 Gemini Skills 的体验将会非常类似你开发或安装一个 Skill在 Gemini 的开发平台或配置文件中声明它然后在对话中Gemini 就能自动使用这个 Skill 来增强它的能力。5. 技能Skills生态的现状与选型思考从热搜词可以看出Skills 生态已经非常活跃且多元。面对claude skills、codex skills、开源skills以及即将到来的Gemini Skills我们该如何选择这里提供一个选型思路。首先按用途对 Skills 进行分类编程开发类这是最丰富的领域。包括代码生成与补全针对特定框架Vue3, React、语言Rust, Go或模式TDD的增强。代码审查与分析安全检查、性能分析、代码风格检查。调试与日志分析解析特定格式的日志、堆栈跟踪。工具集成直接调用git,docker,kubectl等命令行工具。热搜词代表专注于vue3前端生态的skills,codebuddy好用java skills,ai 编程 skills 选型清单需求澄清、tdd、代码审查与 ui 设计。研究学习类学术搜索与摘要连接学术数据库总结论文。文献管理与引用自动生成 BibTeX 等引用格式。数据抓取与清洗从网页或文档中提取结构化数据。热搜词代表academic research skills,codex 科研必用skills。效率与工具类文件处理转换文档格式如 Markdown 转 Word解析 PDF/Excel。信息查询天气、股价、汇率、词典。自动化脚本执行一系列重复的电脑操作。热搜词代表superpower skills一个知名的 Chrome 扩展提供多种网页操作能力。垂直领域类设计UI 设计稿生成、色彩分析。测试为测试工程师生成测试用例、分析测试报告。运维服务器监控、部署脚本。热搜词代表测试工程师用的skills。选型决策清单当你要为一个项目或工作流选择 Skills 时可以按以下顺序思考协议兼容性优先这个 Skill 是否遵循开放协议如 MCP如果是那么它很可能不绑定某个特定模型未来兼容性更好。优先选择开源skills和遵循 MCP 的 Skills。评估模型绑定有些 Skills如某些claude skills可能深度绑定了 Claude 的特定提示工程或微调迁移到 Gemini 可能效果打折扣。看清描述。关注活跃度在 GitHub 或 Skills 市场上查看该 Skill 的更新频率、Star 数、Issue 处理情况。一个几个月没更新的 Skill 可能已经无法使用。安全与隐私这个 Skill 需要什么权限它会将你的数据发送到哪里对于处理敏感代码或数据的 Skill务必审查其代码或选择可信来源。从简单开始不要试图一次性安装几十个 Skills。先从解决你当前最痛的一个点开始。例如如果你是前端开发者就先找一个vue3相关的 Skill 体验。组合使用未来的趋势不是找一个“全能”的 Skill而是组合多个“专精”的 Skill。例如你可以让 AI 先调用“需求分析 Skill”澄清问题再调用“代码生成 Skill”写代码最后调用“代码审查 Skill”检查。关于“小模型 vs 大模型”的思考呼应热搜词4o、claude 3.5、gemini ultra2.3 什么时候该用小模型 Skills 生态的成熟恰恰让“大小模型协同”变得可行。未来一个复杂的任务可能由 AI 智能体来规划它可能会决定简单的、模式固定的信息查询如查天气 → 调用一个本地小模型或专门的 API Skill快速、低成本。复杂的、需要深度推理的代码生成或设计 → 调用 Gemini Ultra/Claude 3.5 Opus 等大模型 Skill能力强、质量高。 Skills 作为标准化的能力接口让智能体可以像调度微服务一样灵活调度不同规模和成本的“模型能力”。6. 为 Gemini Skills 时代做好准备开发者的行动路线图对于开发者而言这次转变是挑战更是机遇。以下是一个从现在开始可以执行的行动路线图。第一阶段学习与观察现在 - Gemini Skills 正式发布掌握核心协议深入学习MCP。即使 Google 用自家协议原理也相通。理解 Tool 的定义、Resource 的管理、Server/Client 的通信模式。动手实验按照第 4 部分的示例亲手将一个本地脚本比如一个简单的文件重命名工具、一个查询本地数据库的脚本包装成 MCP Server并在 Claude Desktop 中成功调用。这是理解整个流程的关键。扫描生态定期浏览github.com/topics/mcp、github.com/modelcontextprotocol以及 Claude、Cursor 的社区了解有哪些高质量的 Skills 出现。关注热搜词中提到的skills市场动态。关注官方动态订阅 Gemini API 和 Google AI 的官方博客、更新日志。第二阶段规划与设计Gemini Skills 发布初期评估官方 SDK一旦 Google 发布 Gemini Skills SDK立即评估其与 MCP 的异同、易用性和功能完整性。识别机会点结合你的专业领域思考有哪些重复性高、规则明确、但当前 AI 原生对话解决不好的任务这很可能是一个 Skill 的机会。例如如果你是测试工程师能否开发一个“从需求文档自动生成测试用例骨架”的 Skill如果你是学术研究者能否开发一个“根据研究方向自动爬取并格式化最新 arXiv 论文列表”的 Skill如果你是运维工程师能否开发一个“解析特定监控系统告警并给出初步排查建议”的 Skill设计 Skill 接口用文档清晰定义你的 Skill名称、描述、输入参数类型、说明、是否必填、输出格式。良好的设计是成功的一半。第三阶段开发与部署技能成熟期选择实现方式纯函数/逻辑如果 Skill 不依赖外部服务可以用任何语言实现核心逻辑然后用官方 SDK 或 MCP SDK 包装。API 封装如果你的 Skill 是对现有内部或第三方 API 的封装重点在于设计适配层和错误处理。复杂流程对于需要多步操作、状态保持的 Skill可能需要引入工作流引擎或更复杂的设计。注重健壮性AI 的输入是不可控的。你的 Skill 必须做好输入验证严格检查参数类型、范围、必填项。错误处理对可能出现的异常网络超时、API 限流、数据格式错误有清晰的错误信息返回帮助 AI 和最终用户理解问题。超时控制设定合理的执行超时避免阻塞 AI 智能体的响应。编写清晰文档除了代码注释必须提供清晰的用户文档说明 Skill 的功能、使用示例、限制和常见问题。发布与迭代将你的 Skill 发布到 Gemini Skills 市场如果开放、GitHub 或其他社区。收集反馈持续迭代。长期视角未来的 AI 应用开发很可能不再是“从头训练一个模型”或“精心设计一个提示词”而是“如何巧妙地组合和调度一系列高质量的 Skills来构建一个能解决复杂问题的智能体”。掌握 Skill 的开发、集成和运维能力将成为 AI 时代开发者的一项核心技能。从“Gems”到“Skills”的转变正是这个宏大趋势中的一个具体注脚。现在开始投入正是时候。