控制权之争：从 Workflow 到 Claude Skills，AI 正在进入「执行契约时代」

读本文作为《LLM进化史》三部曲终章让我们看穿AI世界层出不穷的新概念背后的真正本质——所有技术演进其实都是围绕谁来决定AI的行为这一核心问题展开的控制权之争。一、AI圈最大的幻觉每天都在诞生新技术图AI控制权之争的核心概念示意图如果在AI圈待过一年大概率会产生一种错觉每天都有革命性新概念诞生。Workflow、Agent、Tool、Function Calling、MCP、Skills……名字越来越科幻架构图越来越像星际飞船。但这些看似眼花缭乱的概念其实都在解决同一个问题下一步该做什么到底谁说了算这就是Agent世界的真正核心矛盾控制权之争就像公司里的项目决策到底是老板拍板、部门经理定夺还是一线员工自主决定AI世界的技术演进本质上就是在不断重新定义这个决策权限。二、最初的世界人类拥有绝对控制权图早期Workflow时代人类绝对控制流程模式在AI诞生之前软件世界规则极其简单程序员写死流程机器无条件执行。Step1 → Step2 → Step3这就是最早形态Workflow。本质一句话人类完全掌控流程机器只负责执行。就像工厂里的流水线每一步都提前设计好工人只需按部就班操作。例如一个自动化任务读取PDF → 提取文本 → 调用翻译API → 保存Markdown。所有分支都提前写死if PDF → 用解析器Aif Word → 用解析器B。这个时代的特点● 极度稳定● 完全可预测● 没有任何智能但有一个致命缺陷❌无法处理模糊需求。只要任务稍微复杂一点比如用户输入不规范、文档格式多样、执行路径不固定Workflow就会像精密钟表掉进沙堆一样彻底停摆。因为它的前提是流程必须提前确定。于是问题出现了如果流程无法写死该怎么办控制权第一次开始动摇。三、第一次权力转移流程控制权交给模型图第一次权力转移流程控制权从程序到模型随着LLM出现人类突然发现一件惊人的事情模型居然能理解需求。也就是说它可以决定下一步该做什么。这意味着流程控制权开始从程序转移到模型。Agent就这样诞生了。新的架构变成人类 → Agent → LLM → Tool。模型开始负责● 判断任务类型● 决定调用什么工具● 规划执行顺序这一刻控制权发生第一次转移程序 → 模型。就像公司老板开始授权部门经理自主决策项目流程不再事无巨细地干预每一步。听起来很美好但很快问题就来了。四、失控的世界模型太自由了图模型失控场景示意图当流程控制权交给LLM后人类立刻发现事情开始变得不可控。模型可能会● 选择错误工具● 设计奇怪流程● 写出毫无必要的复杂步骤● 把简单问题变成史诗级任务一句话总结模型太聪明但也太不稳定。就像授权给了一个才华横溢但缺乏经验的经理有时候能做出惊艳的决策有时候却会把项目带向奇怪的方向。于是人类又试图夺回部分控制权。就像老板发现经理决策过于随意开始制定一些基本规则来规范决策过程。五、MCP限制模型的能力边界图MCP限制模型能力边界原理示意图MCP经常被误解为工具协议但它真正解决的问题其实是模型能触达的世界边界在哪里MCP规定● 有哪些工具存在● 如何调用● 能传什么参数● 返回什么结构所以它控制的不是流程而是模型能做什么换句话说Workflow控制怎么做MCP控制能做什么。这是控制权的第二次博弈人类放弃流程控制权但保住能力控制权。就像老板不再干预经理的具体决策流程但会明确规定我们可以调动哪些资源不能动用哪些预算决策范围必须在这些边界之内。六、但真正的问题还没解决执行的不确定性图Prompt层不确定性带来的问题示意图即便有了MCP一个核心问题仍然存在模型的执行行为依然不稳定。原因很简单在早期Agent体系中执行逻辑往往写在Prompt里。这导致● 结果不可复现● 行为不可预测● 依赖提示词技巧本质问题是❌不确定性集中在Prompt层。就像经理虽然有明确的权限边界但具体怎么决策全凭个人经验和喜好同样的问题不同时间可能会做出完全不同的决定。于是下一阶段的进化出现了。七、Claude Skills把不确定性从Prompt中剥离图Claude Skills的三层结构示意图Claude Skills的出现并不是为了增强智能。它解决的是一个更工程化的问题如何让模型的决策变成稳定可复现的执行行为Skills的本质不是工具也不是简单上下文。它是一种执行契约一个Skill包含三层结构1️⃣能力暴露层告诉模型我有哪些能力适用于什么场景2️⃣调用契约层明确输入结构、输出结构、调用规则3️⃣执行实现层提供确定性代码、可校验结果、稳定执行逻辑本质一句话LLM负责决策Skill负责确定性执行。就像公司制定了标准化的操作流程经理只需做决策要不要做而具体怎么做则完全按照标准化流程执行确保结果稳定可预测。八、控制权的第三次迁移从Prompt到契约图第三次控制权迁移对比图在没有Skills时Prompt决定执行逻辑引入Skills后LLM决策 → Skill执行控制权发生第三次转移Prompt → 执行契约也就是说不确定性被拆分● 语义不确定性 → 模型负责● 执行确定性 → Skill负责这才是Skills的真正革命意义。就像公司把决策和执行彻底分离经理只需要决定做什么而怎么做则由标准化的流程和团队负责既保留了决策的灵活性又确保了执行的稳定性。九、重新审视整个演化轴图AI控制权演化轴的三个阶段示意图现在我们可以用一条清晰的控制权进化线来总结第一阶段流程统治时代控制权属于程序代表技术Workflow特点稳定、刚性、无智能第二阶段能力边界时代控制权属于接口与协议代表技术MCP / Tools特点模型决定流程人类限定能力范围第三阶段执行契约时代正在发生控制权属于能力契约设计者代表技术Claude Skills特点模型负责决策契约保证执行稳定就像公司管理模式的进化从创始人一言堂到授权管理加边界限制再到标准化流程加灵活决策。十、真正的结论图AI技术发展本质示意图到这里我们应该能看清一个事实AI技术的发展并不是在不断增强智能而是在不断回答一个问题谁来控制不确定性答案经历三次转移程序 → 接口 → 契约本质上所有新技术都在做同一件事把不可控的部分从系统中剥离出来。就像不断优化的公司管理体系核心都是在减少不确定性让组织既能保持灵活性又能确保稳定运行。十一、这也是为什么前两篇一直强调一句话图Agent本质示意图现在我们应该能彻底理解这句话Agent是所有不需要智能的部分。因为真正的智能始终只有一个地方对语言与语义的理解。而Workflow、MCP、Skills本质都是在做同一件事帮助我们控制不确定性。就像公司里真正需要智能的是高层战略决策而大部分执行工作都应该标准化、流程化减少不确定性提高效率。十二、未来趋势Skills也不会是终点图AI未来趋势示意图Skills并不是终极形态它只是AI进入执行契约时代的阶段性产物。未来趋势其实非常清晰●能力契约会内化进模型生态就像操作系统会内置各种标准API未来的AI模型会默认集成各种常用能力契约●配置会被完全隐藏用户不需要了解复杂的配置细节就像我们现在不需要知道手机底层的技术细节一样●用户只需要表达意图用户只需说帮我整理这份报告而不需要说明具体怎么整理最终形态可能是一个默认拥有完整执行能力体系的超级Agent。人类只负责提需求系统自动完成一切。就像拥有一个全能助手我们只需要说我要开个生日派对它会自动完成场地布置、邀请嘉宾、安排餐饮等所有细节。十三、三部曲终章总结图《LLM进化史》三部曲核心结论示意图第一篇我们拆掉神话LLM不是智能而是概率预测机器。它并不理解语言只是根据统计规律生成最可能的下一个词。第二篇我们拆掉架构幻觉Agent只是自动化外设系统。它本身没有智能只是连接LLM和外部工具的桥梁。