上周我在咖啡馆改代码，隔壁桌两个程序员在聊天。
一个说：「我最近在学AI，收藏了100多个工具，但感觉会用的人太多了，不知道自己的优势在哪。」
另一个说：「对啊，我也是。每天刷推看到别人用AI日入过万，自己也想试试，但不知道从哪开始。」
这对话让我想起一件事。
我最近在构建自己的skill库，已经做了20多个skill。很多人问我：「Roland，你怎么这么快就能做出这么多skill？」
说实话，我一开始也不知道。直到上周，我帮一个做产品的朋友调试他的skill，才突然意识到。
我和他的差别，不是技术能力，而是我能把问题讲清楚。
他的skill逻辑没问题，但AI总是理解不了他想要什么。为什么？因为他用的是「产品经理的语言」，而不是「AI能理解的语言」。
这让我想到一个更大的问题：2026年，会不会出现一个新职业？专门教AI做事的人。
我把这个职业叫做「Skill工程师」。
一、为什么会出现这个职业
先说结论：技术门槛在降低，但认知门槛在凸显。
你看现在的AI工具，Claude、ChatGPT、Gemini，哪个不是越来越好用？Prompt都不用写得多复杂，随便说两句就能出结果。
但问题来了。
会用AI的人太多了，真正值钱的是什么？
是能把专家的知识结构化，教给AI的人。
举个例子。
一个顶级外科医生，一天只能做5台手术。但如果有人能把他的诊断逻辑提取出来，训练100个AI助手做初筛，他就能把时间集中在最复杂的10%案例上。
这不是替代专家，是放大专家。
但这里有个关键问题：谁来做这个「提取」和「训练」的工作？
专家自己？他们没时间，也不懂AI的能力边界。
程序员？他们懂技术，但不一定懂专家的思维方式。
最适合的，是那些既懂问题本质，又懂AI能力边界的人。
我把这种人叫做「Skill工程师」。
不是会用工具，是会定义问题。
二、这个职业需要什么能力
很多人以为skill工程师就是「会写prompt的人」。
错了。
Prompt工程师是「用好AI」，skill工程师是「教会AI」。
核心区别在于：你能不能把隐性知识显性化。
维特根斯坦说过一句话：「凡是可以说的，都可以说清楚；凡是不能说的，就应该保持沉默。」
Skill工程师的第一个能力，就是识别边界。什么可以被编码，什么不能。
外科医生的手感？不能编码。
外科医生的诊断逻辑？可以编码。
律师对案件的直觉？不能编码。
律师审合同的checklist？可以编码。
第二个能力，是持续迭代。
我自己构建skill的时候发现，第一版的准确率通常只有60-70%。真正的价值在于，你能不能快速发现问题，快速修复，快速优化。
我的第一个skill，改了15次才达到90%的准确率。
这需要什么？
使用密度 × 问题敏感度。
你用得多，见得多，才能发现边界情况。你对「好的skill应该是什么样」有清晰的标准，才能察觉到「这里逻辑不严密」。
最好的skill工程师，首先是skill的重度用户。
三、为什么跨领域人才更有优势
这是最反直觉的一点。
你可能以为，程序员最适合做skill工程师。毕竟他们懂技术，懂逻辑，懂怎么写代码。
但我观察下来，产品经理、设计师、作家，可能比程序员更有优势。
为什么？
因为skill工程师的核心能力，不是「如何实现」，而是「理解问题本质」。
程序员擅长「how」。怎么实现这个功能。
产品经理擅长「what」。用户需要什么。
设计师擅长「flow」。体验流程是什么。
作家擅长「precision」。怎么用语言精确表达。
Skill工程师需要的，是后三者的能力。
我见过太多程序员做的产品，功能很完善，但没人用。为什么？因为他们只关注「能不能实现」，不关注「用户真正需要什么」。
Skill也一样。
你可以写出逻辑完美的skill，但如果它解决的不是真实问题，或者用户用不起来，那就是白费功夫。
从「会写代码的人」到「会思考的人」，这是AI时代的权力转移。
四、时间窗口：2026-2028
最后说个残酷的事实。
这个职业的时间窗口，可能只有2-3年。
为什么？
因为AI在快速进化。现在的AI需要人教，但2028年之后，AI可能会越来越擅长自己从实践中学习。
到那时候，skill工程师的价值会降低。
但在这之前，第一批skill工程师会像早期的全栈工程师一样，因为稀缺性获得超额回报。
更重要的是，他们会建立起一个跨领域的元认知框架。理解不同领域的专家是如何思考和决策的。
这种能力，即使AI再强，也很难替代。
尾声
说实话，我不知道skill工程师这个职业会不会真的出现。
但我知道一件事：AI时代，真正值钱的能力，是把问题讲清楚。
不是会用工具，是会定义问题。
不是会写代码，是会理解本质。
不是会做执行，是会做判断。
如果你现在正在焦虑「AI会不会替代我」，不如换个角度想。
你能不能成为教AI的人？
如果你想试试，可以从这三件事开始：
选一个你熟悉的领域，试着构建一个skill。不用完美，先做出来。
用自己的skill，发现问题，快速迭代。第一版准确率60%？没关系，改到90%就行。
记录你的思考过程。为什么这样设计？遇到什么问题？怎么解决的？这本身就是最宝贵的资产。
干就完了。