确定性说了三次，数据未曾露面：一场「技能决定论」演讲的质疑式复盘

2026 年 8 月 28 日（这是上传日期，录制时间可能更早，无法独立核实），YouTube 频道「AI Engineer」发布了一场约二十分钟的技术演讲，主讲人据视频元数据是伊马德·图伊尔（Imad Touil），自称是 QuantumBlack 的杰出工程师（distinguished engineer）。素材整理方特别提示：这个身份与头衔在整场转写里从未被本人亲口说出，只存在于标题元数据中。从结尾那句"有问题可以到领导力休息室（leadership lounge）找我"来看，这应是一场线下技术会议上的演讲实录。演讲题目叫《AI-Native Organisations Run on Skills》，大意是：人工智能原生组织，靠技能（skills）运转。这个断言出现在开场第一分钟，也贯穿了其后每一个论证环节。但把十五段自动转写逐段拆开，它被重复的次数，远远多过被证明的次数。本文是一场质疑式复盘：不下对错结论，只把这些话放回原处，看哪些环节咬合严密，哪些环节至今悬空。

要点速览

1. 互动落差很真实，计数从未发生。 开场两次举手：创建使用过技能的手多，跨组织治理维护过技能的手少；但整个过程没有人数、没有比例，所谓"绝大多数与极少数"只是台上向台下扫了一眼的观感。
2. 「10% 到 20%」是一份提前写好的自我保留。 主讲人称观众看到的只是全貌的一到两成，且各组织差异很大；而整场论证里的"全部""大多数"，恰恰都建立在没有展示的那八成到九成上。
3. 整个技术栈被降级，举证却只有反问。 钩子（hooks）、MCP 服务器、子代理（sub-agents）被宣布"带不来结构性价值"，唯一支撑是一句"谁真的构建过大量 MCP"的口头反问。
4. 时间线没有日期，基准名存疑。 Anthropic"第一篇讲技能的文章"没有日期标题，两个月后出现的标准没有名字，评测基准在转写里是 SkillsBench、素材词表疑为 SWE-bench，而"明显更高"的提升幅度始终没有数字。
5. 确定性的承诺与生成式的不确定性从未对质。 监管工作流被宣布"可预期、确定性"，转写里没有任何一处解释实现机制。
6. 模拟参数齐整，结果只有形容词。 十五个团队、每队五到十二人、跑六个月，产出的结论却是"中等""低到中""真的非常高"这类现场观感。
7. 胜利宣言与让步同段出现。 治理（governance）被说成"几乎解决"全部问题，同一段又承认部分技能"会分裂"，且关键让步句的否定词疑似被转写吞掉。
8. 结尾那声「那又怎样」是一把双刃剑。 主讲人用它敲打"自动进化技能"的热度泡沫，但同一个问题，也悬在他自己的整套主张上方。

<!-- digest-refs: segment-001, segment-005, segment-006, segment-008, segment-012, segment-013, segment-015 -->

【1】一场举手测试，只验出了缺口，没验出任何数字

开场不过几十秒，主讲人抛出第一个问题：已经创建并使用过技能的，请举手。转写显示，现场的手成片举起。第二个问题紧随其后：在你自己所在的组织里治理、维护过这些技能的，手请不要放下。手放了下去，大片地。主讲人的判词很轻："I see a few hands."——我看到的只有零星几只手。

于是这场演讲的主题被当场制造出来：会建会用的人遍地，会管会养的人罕见。必须承认，这个反差大概率是真的，它与大多数从业者的日常感受吻合。但它不是一次测量。整场互动没有点人数，没有算比例，没有留档，所谓"大多数"与"极少数"靠的只是一束投向观众席的目光。严格讲，这是一次气氛测量，而非一次调查；它的功能是制造落差，而不是提供数据。

更要命的是，这场演讲稍后在另一处自己拆了自己的台。讲到技术栈全景时，主讲人忽然坦白，观众此刻从屏幕上看到的，"literally, like, probably 10%, 20% of what is it"——很可能只是全部内容的一到两成，而且组织之间的差异还很大。一到两成是估的，差异很大是补的。一个以"组织靠技能运转"为题的演讲，等于当场承认自己的要点只露出一个边角。那么问题就摆在桌面上：那些用来支撑结论的"大多数人""几乎没有""全部诀窍"，其基数究竟藏在那没被展示的八成到九成里的哪一处？开场那句定调 "AI native organizations runs on skills"，连主谓单复数都没对齐（按语法应为 run，转写如此，未必是原话），却要以满场手的起落为证。证据与断言之间的位差，从第一分钟就开始了。

<!-- digest-refs: segment-001, segment-005 -->

【2】被降级的技术栈，与被独尊的一层

主讲人给了两幅图景。第一幅是所谓智能体（agent）软件栈的两个循环：内循环是代码与智能体，其核心组件按转写是上下文管理器（context manager）、工具与 MCP（模型上下文协议，Model Context Protocol，简称 MCP）、记忆与状态（memories and states）、技能；外循环是工作流（workflow），工作流里装着技能、子代理、MCP 服务器与钩子；底下还有一层"使能组件"（enablement components），包括环境沙盒（sandbox）与一个 MCP 网关。一个容易被忽略的细节是：在主讲人自己画的图里，技能出现了两次——内循环的核心组件里有它，外循环的工作流里还有它。全场最轴心的那个词，恰好是唯一把两层串起来的那根线，这大概也解释了，他为什么愿意在开场那场举手游戏上花掉整整一分钟。第二幅更恢弘：模型网关（model gateway）、知识图谱（knowledge graph）、工作流市场（workflow marketplace）、上下文层（context layer），上下走完一个软件交付生命周期（software delivery lifecycle）——定义、规划、拆解、实现四步。模型网关负责统一管理组织里全部大语言模型，既包括可以本地运行的开源模型，也包括前沿模型（frontier models），一个厂商都没点名；上下文层则负责把完成任务所需的一切汇集到一起，他拆成四样：项目指令（project instruction），用开发者仓库里熟悉的 CLAUDE.md、AGENTS.md 两个文件来类比；工具与 MCP schema，作用是搞清楚何时该用哪个工具；记忆，即与最终用户的对话历史，用他的说法是"人在环中"（human in the loop）；以及检索来的内容，可以从文件、代码库等处拉取。他说，这套四步"当今大多数编码代理（coding agents）差不多都是这么被塑造出来的"。这是一句市场判断，转写里没有任何出处。

真正值得注意的是随后连续发生的两次"降级"。第一次，他说这套内外双循环"在组织的复杂度下根本不是这么组合的"——"In reality, that is not how it is composed at scale"——它只是完整生命周期里的一个产品增量（product increment）步骤；真正端到端的旅程还要经过产品策略、成功指标、路线图、市场研究、竞争分析、客户访谈、问题陈述、方案验证、实验与用户故事，以及数据准备与平台工程运维（platform engineering ops）。第二次降级发生在回到技术栈之后：工作流的四个核心组件里，钩子只是"沿流程触发事件"，子代理只是"压缩上下文窗口（context window）"，至于 MCP 服务器——"who actually built a lot of MCPs?"——谁真的构建过大量 MCP？他反问。他自答：大家只是用着既有工具自带的 MCP 工具，并不真正拥有它们。于是结论顺流而下："all of your know-how is actually at the skills level"——归根到底，所有诀窍都沉淀在技能这一层。他随即补了一句带警告的定调："if you don't have the right structure of your skills, then you're not really having a deterministic workflow"——如果你的技能没有正确的结构，你就谈不上真正拥有一个确定性的工作流。结构对了才谈得上确定性，可这个"结构"长什么样，转写里暂时没有下文。

这套推理每一步都走得很快，却没有一步带着证据。钩子"带不来结构性价值"是断言；"没人真正构建过 MCP"是在用提问代替普查——对象是谁、样本多大，均未给出。更微妙的是术语本身：转写里内循环被称作 "the code and agents harness"，素材方标注 harness（编排框架）一词可能是听错，也可能是口误；连这幅图的基石名词都处在未定状态。至于"过去十八年职业生涯里，每个组织都散布着多个开发生命周期"（转写作 DLC，词表疑为软件开发生命周期 SDLC）——"For the past 18 years in my career"——十八年这个自述数字同样无法核实，他服务过哪些组织，一个名字都没有。把一切压到"技能"身上的那杆秤，恰好是全场最缺砝码的一杆。

<!-- digest-refs: segment-001, segment-002, segment-003, segment-004, segment-005 -->

【3】两个月出标准、二月已普及，却没有人名、没有日期、没有幅度

为了回答"为什么是技能"，主讲人称 Anthropic 在距演讲几个月前发表了"第一篇讲技能的文章"；两个月后，一个被采纳的开放标准出现了，"大量智能体编排框架开始采用这个新标准"；再到"今年二月前后，大多数智能体都已经采用了它"。连起来看，一篇文章、两个月出标准、再到二月已普及——技能的采纳速度是以月计的，快得几乎没有发出声音。他还附了一条现场观察：智能体拉取技能的动作发生在它的"思考"过程里，肉眼看不见，但只要盯住思考轨迹，就能看到它边跑边拉。这条曲线之所以悄无声息，正是因为它躲在推理过程内部；可反过来讲，曲线走得越安静，它就越需要那几个没被说出口的姓名与日期来作证。

这条时间线听起来干脆，可每一环都缺关键信息：文章没有日期标题，标准没有名字与发布方，"大量框架"没有点名，"今年"是哪一年转写没给——若按上传日期 2026 年 8 月倒推，今年二月大约指 2026 年 2 月，但录制时间本身未知，这层推算也就跟着悬空。然后是他自称的"快照"：他在一些公开 GitHub 仓库与公共注册表上统计了技能数量，结论是公开渠道与组织内部实际的创建量都"远超快照所示"。快照里到底有多少？没有数。超过多少？没有数。一张没有数字的快照，只能算一张照片。

最值得追问的是评测那段。据转写，最新版的一个评测基准（benchmark）让模型"在不使用技能的情况下执行软件工程与网络安全领域的同类任务"对比。没技能时表现不错——"because that's what it expects"——因为没技能正是模型所习惯的形态，而且还会一天天进步；挂上"更具确定性的技能"之后，"结果明显高于不用技能的基线"。高多少？没有数。更蹊跷的是基准的名字：转写里写作 SkillsBench，而素材分析包自带的词表把它订正为 SWE-bench，把 "autoengineering" 订正为 "software engineering"。订正本身未经核实，但它与转写的出入恰好构成一条可追踪线索——顺着这两个名字去查，就能知道台上引用的究竟是哪个基准、什么规模的对照。把一个"明显更高"的对比讲完全程，却既不给基准一个确切的字，也不给提升一个具体的数，这段论证的承重墙其实是悬空的。

<!-- digest-refs: segment-006 -->

【4】把「确定性」挂在监管流程上：凭什么？

转到"技能该怎么设计"，主讲人开出的是一张全对的清单：可复用、模块化、可被发现、专门做一件事而不要做成新的单体、可组合以避免重复与运行时冲突、一致与确定、成本高效，还要对付上下文窗口的容量——办法是渐进披露（progressive disclosure）：在正确的时间放进正确的技能、正确的数量，去解决正确的问题。可移植性则用一个亮眼的承诺收尾：在 Claude Code 上写好的技能搬到 Cursor，"it's going to just work"，直接就能用。这句话没有给出标准名称，也没有给机制，只有"遵循同一标准"——而那个标准，上一个章节里同样没有名字。

真正的重头戏是监管案例。一张被说成"非常简单"的幻灯片：数据保留政策（data retention policy）技能。他强调，涉及监管时，必须理解并明确指示智能体在何时、如何操作客户数据（转写里是 why，按词义疑为 when 或 how），确保数据"按法规被处理"。监管层面的可组合技能要覆盖四类：数据保留政策、披露标准、《通用数据保护条例》（GDPR）规则、申报模板。他说，这些技能由"监管披露审核工作流"在运行时自动拉取，于是——"the outcome is expected. It's deterministic."——结果是可预期的，是确定性的；还能产出"一个真的可以存储下来的审计报告"，并精确标出待改进之处，回环改进代码库。

至少有三处需要较真。其一，四类清单如何撑起"不管是在网页、移动端还是其他应用里构建的任何数据、任何功能都遵守这些规则"的总体性宣称？概括的口径远大于清单的长度。其二，"确定性"被安在一个运行大语言模型（large language model，简称 LLM）的工作流上，转写里没有任何一处解释机制：是固定规则路径，是代码兜底，还是纯靠提示约束？生成式系统的不确定性与"确定性产出"的承诺之间，本应有一场正面对质，现场没有发生。其三，演示的前提本身就飘着——技能目录、编排框架、输出各落在幻灯片哪一边，主讲人当场的左右指认前后不一致，素材方标注需对照画面才能确认。连演示的物理布局都要靠猜，其上的确定性结论自然要多打一个问号。段末那句 "However, if we don't govern skills," 戛然而止——转折之后的恐惧，被留给了下一段。

<!-- digest-refs: segment-007, segment-008 -->

【5】十五个团队、六个月：参数齐了，数据没露面

"治理缺位"的后果被讲成一连串必然：同样技术栈的团队"必然"重复建设而不共享；技能验证不跟最新模型对齐，"质量就会随着时间退化"；没有治理，"你根本无法发现技能"。解法借的是微服务（microservices）时代的旧机器——内部开发者平台（Internal Developer Platform，简称 IDP）如 Backstage 让"接入服务目录（service catalog）就能立刻查到微服务归谁所有"，技能也需要同样的注册、归属与领域驱动设计（domain-driven design，简称 DDD）式的目录塑形；在此之上还要安全流水线防提示注入（prompt injection）、访问控制（access control）防敏感业务逻辑外泄，然后从个人层、团队层一路走到集中式平台：可搜索、带元数据（metadata）的目录，命令行（command-line interface，简称 CLI）拉取，依赖关系，版本与生命周期，访问控制，评估与可观测性（observability）。最后落到那句转折："And this is where technology stops solving the problem"——技术到此为止。接下来该由架构师、工程负责人、基础设施负责人、网络安全负责人"真正坐下来"，各自认领一部分领域。

检验这套机器的是他自称的模拟：十五个团队，每队五到十二人，连续跑六个月，跟踪人均创建技能数、技能平均利用率、每日拉取数、重复率、质量与安全比率。参数交代得整整齐齐，结论却全部落在形容词上。他随机点开两个团队看板：第一个，"生产力大概是中等"（原话 medium）；第二个，生产力"低到中"、质量与安全"中等"，唯独成本，"it's really high"，真的非常高。没有任何一个具体数值从口播里掉出来。随后他说，如果对全部技能实行统一治理，"当然，其中一些会分裂"——"some of them will split... And this is reality"——分裂到底指什么，转写没有解释。紧接着是一句孤立而突兀的 "perfect as we expect"，素材方提示这里疑似漏掉了否定词 not：原话可能是"并不总像我们期待的那么完美"。一个否定词的有无，直接决定这句是让步还是夸口——而转写恰好在这里断了。再往后，治理机制被浓缩成一个魔法时刻：发布一个技能，下一位工程师要建新技能时，编码代理的编排框架会自动识别已存在的那一个并直接拉取复用——"you almost solve all of the issues that I covered about governance"，几乎解决了所有问题。

"几乎解决"四个字，"几乎"和"解决"都必须保留，哪一个都不该被吞掉。何况紧接着主讲人自己就收窄了战线：技能"只是工作流的一个组件"，搞懂技能不等于万事大吉。十五个团队的模拟没有给出可复算的数字，随机看板的口播评级没有给出打分标准，治理的"桌子"点了四个角色的名，却没说清是谁把大家叫到桌边——毕竟那张桌子，按他自己的说法，正站在"技术停止解决问题"的边界线上。

<!-- digest-refs: segment-009, segment-010, segment-011, segment-012, segment-013 -->

【6】「几个月后市场上见」，与结尾那声「那又怎样」

收尾两段把镜头推向未来。集中式平台被描述成工作流与技能共同的归宿：后来的工程师可以接入既有工作流，补齐所需技能，跑通测试，把改进推回平台供全组织复用；"this is just the start"，这一切只是起点，现阶段跨度是六到八个月。下一个方向是技能注册表（skills registry）："你们应该有一个，如果还没有的话"；他还预告了一个好消息——"过去所有解决 IDP 问题的厂商，已经在开始把这项能力集中化"，"也许再过几个月你就会看到它出现"，而且"市面上已经有很多工具在做这件事"。厂商是谁？"所有"。工具是哪些？"很多"。一个名字都没有。接着他承认，技能评估（skills evaluation）"仍然是一个开放讨论"，业界没有公认的正确方法；他自己觉得"最省事又管用"的，是把静态测试（static tests）挂上去，或者对照 Anthropic 的最佳实践来评。

然后到了全文最锋利也最耐人寻味的一分钟。清单的最后一项是"自动进化"（auto-evolving）：让技能自己演化——"这是当下所有人追捧的下一个热度。"他模仿了一段宣称："是啊，我可以搭一个闭环（closed loop），让我的技能自动进化。"随即反问一句："So what, right?"——那又怎样呢？如果没设好护栏（guardrails）就自动启动这台机器，"影响会远比今天大"；而没有治理，你做的不过是在维护自动进化的技能。讲完，他致谢收尾，邀请大家到"领导力休息室"找他提问。

这声"那又怎样"值得琢磨。它当然敲得响：技术能力不会替组织做治理决定，追热点的自动进化尤其该被审问。但同一个反问是可以掉头的——技能标准两个月普及的叙事没有名字，技能数量的快照没有数字，评测的提升没有幅度，模拟的产出没有数值，预测的厂商没有名单。对这些，"那又怎样"的正确答案、被追问的下半场，恰恰发生在转写止步的地方：那间"领导力休息室"。转写没有记下任何一条提问。整场演讲在最有意思的一刻进入了沉默。

<!-- digest-refs: segment-014, segment-015 -->

代表性短摘与中文转述

• "AI native organizations runs on skills." —— 中文转述：人工智能原生组织，靠技能运转。定调句；转写里 runs 与 organizations 单复数不对齐，按语法疑为 run。
• "In reality, that is not how it is composed at scale, when you look at the organization complexity." —— 中文转述：现实里，一旦把组织的复杂度算进来，它根本不是这样组合起来的。
• "The MCP servers, we all know that you made it in an MCP tool, but tell me, who actually built a lot of MCPs?" —— 中文转述：MCP 服务器嘛，我们都知道你用得上 MCP 工具，可你告诉我，谁真的构建过大量 MCP？原文句法断裂，素材方标注为疑似口误或转写误差，中文按语意补全。
• "if you don't have the right structure of your skills, then you're not really having a deterministic workflow" —— 中文转述：如果你的技能没有正确的结构，你就谈不上真正拥有一个确定性的工作流。
• "if I'm having a skill on Claude Code and I want to move it to Cursor, it's going to just work" —— 中文转述：只要遵循同一标准，我在 Claude Code 上写好一个技能，想搬到 Cursor 就能直接跑。这是全场关于可移植性的招牌承诺，标准名称与机制均未给出。
• "This defines a new unit that makes your know-how in your organization executable, portable" —— 中文转述：这定义了一个新单元，让你组织里的诀窍变得可执行、可移植。句子在 portable 处被截断，后半句缺失。
• "the outcome is expected. It's deterministic." —— 中文转述：结果是可预期的，是确定性的。
• "if we don't have a skill someone is vibe coding back and forth and trying to figure out exactly how to steer the agent to implement it properly" —— 中文转述：没有技能的话，就有人在那里"氛围式编程"（vibe coding，指不靠明确技能、反复试错地引导智能体），来回折腾，琢磨怎么把智能体引导到正确实现。
• "So what, right?" —— 中文转述：那又怎样呢？

<!-- digest-refs: segment-001, segment-003, segment-005, segment-007, segment-008, segment-012, segment-015 -->

注

1. 本稿的全部素材来自自动生成字幕（whisper）转写及其分析包；字幕未经人工校对，标点、断句、时间码与实际发言之间可能存在偏差。正文中凡标注"转写如此""疑似""素材方提示"之处，均为对转写不确定性的保留。
2. 主讲人姓名（伊马德·图伊尔）、所属机构（QuantumBlack）、频道（AI Engineer）与上传日期（2026 年 8 月 28 日）均来自视频元数据；本场转写中主讲人未自报姓名与头衔，录制时间可能早于上传日期，以上信息均未经外部核验。
3. 素材分析包词表给出的若干订正——SkillsBench 疑为 SWE-bench、autoengineering 疑为 software engineering、DLCs 疑为 SDLCs 等——同样未经核实，仅作为可追踪线索列出，读者可据此自行查证。
4. 文中"转写显示""自称""据元数据"等限定语表示相应说法仅见于素材、尚无独立证据，一律按不确定状态处理，不写作既成事实。

最后

离开讲台的是讲述者，留下的是一套修辞上完整、证据上悬空的主张。把这面镜子举起来照一照，有几处反射比内容本身更清楚。

第一，数字感与证据完全不成比例。全场真正站得住的硬数字屈指可数，报一下名：十八年职业资历、十五个团队、每队五到十二人、六个月模拟、屏幕上的一成到两成、现阶段六到八个月、两个月出标准。而论证链条上最吃力的三个环节——确定性技能带来的提升幅度、渐进披露省下的词元数量、跨团队重复建设的规模——统统没有数值。举手互动缺数字，看板评级缺数字，模拟结果缺数字；反倒是断言在一路升级：从"技能是关键组件之一"，到"所有诀窍都沉淀在技能层"，再到"几乎解决全部治理问题"，全程在形容词轨道上完成。一个主张被说得越肯定，证据义务就越大；这场演讲恰好反着来——连全篇唯一主动给出的覆盖面数字"一成到两成"，本身也是一句没有量过的估计。

第二，"确定性"的口径问题。这个词在转写里至少出现三次——确定性工作流、一致与确定、结果可预期且确定——但每一次它对面的"生成式不确定性"都被礼貌地略过。承诺确定性的流程运行在本身不承诺确定性的模型上，这是技能叙事最该回答、却始终没有回答的问题。

第三，文本自身的不稳定。关键让步句 "perfect as we expect" 疑似丢了否定词，"会分裂"没有解释，"为什么操作客户数据"疑为"何时或如何"——论证走到最要紧的几个岔口时，脚下的自动转写恰好都在打滑。这不只是技术瑕疵：当一套"治理"叙事连自己的底稿都给不出稳定版本，它承诺给别人的确定性，就更加可疑。

第四，可追踪信号其实不少，只是没人顺着追踪。Anthropic 那篇"第一篇关于技能的文章"可以查；两个月后的开放标准可以查；SkillsBench 与 SWE-bench 两个名字可以查；"今年二月"与上传日期的时差可以算；领导力休息室里的问答没有转录，但它的缺席本身就是一个信号。一个把"可追踪、可审计"挂在嘴边的演讲，值得被这些线索追踪一遍——而追踪的结果，将决定这场演讲是开荒，还是预热。

最后也是最深的一层：他用"那又怎样"审问自动进化的热度，这种审问姿态本身是对的。但同一把尺子量回他自身，就量出了缝隙。如果技能只是工作流的"一个组件"，那套以技能为唯一主角的治理方案，是不是也在放大自己的分量？如果治理最终要靠架构师、工程负责人、基础设施负责人、网络安全负责人"坐下来"，那个没人认领的"谁把大家叫到桌边"，恰恰是"技术停止解决问题"之后真正难的部分。演讲在那里停了。追问不必停在同一个地方。