模型变强后，简单提示类 Skill 贬值；流程约束与团队规范类 Skill 仍值钱。

适用场景

升级旗舰模型后感觉 Skills 边际下降；上下文被大量 Skill 描述占满；需要定期 pruning。

方法与要点

可删：与模型内置能力重复的「如何写 for 循环」类。保留：团队合规步骤、发布 checklist、领域框架约束。grilling 等在弱模型更有用，强模型可改为轻量 Spec。测量：对比启用/禁用 Skill 的任务成功率与 token。

工作流

每季度 Skill audit → 标记 30 天未触发 → 归档 → 保留核心 5-8 个 → 新项目从最小集开始再加。

风险

误删合规 Skill 导致发布事故；以为模型万能跳过 TDD；pruning 无数据凭感觉。

检查清单

  • 有 Skill 使用遥测或手工 log
  • 合规/安全类永不自动删
  • pruning 后跑回归任务集
  • 文档说明「默认最小集」
  • 新人 onboarding 不复制老人全量安装

落地建议

把「强模型时代，AI 编程 Skills 还有必要装吗？」相关的动作写进团队 Wiki 或 CLAUDE.md，并在两次 Sprint 里刻意练习：一次只用 IDE 路径，一次只用 CLI 路径，对比 PR 大小、缺陷率与 review 耗时。记录哪些步骤必须人工签核、哪些可以交给 Agent 自治，比争论工具优劣更能沉淀可复用经验。