技术 · 熟练
装了一堆技能，先量哪把尺？
装之前就该有一把尺
技能装上之后你是知道的 —— 占了多少上下文、有没有被用到，事后都能算。真正难的是装之前：眼前有十几个候选，凭什么留下这三个、扔掉那九个？现在有一把可用的尺子：把每个技能沿两条轴量一遍 —— 一是信息增益（它带进来的是模型本来就说不出的东西，还是它自己能编出来的常识），二是行为约束（它把动作限定在某个范围、还是只是换了个说法）。两条都高的才值得长期驻留；信息增益高而约束低的多半是知识包（该进文档不该进技能）；约束高而增益低的多半是形式主义。判据一句话：一个技能值得留下，是因为它同时让你「知道得更多」和「做得更少犯错」，而不是因为它热门。
方法 · 一图看懂
1
把候选技能排成一列，先不评价，只写它打算改变什么 —
2
沿信息增益量一遍：它带来的是模型编不出的东西吗 —
3
沿行为约束量一遍：它把动作限定住了，还是只换了说法 —
4
两轴都高的才留，其余的按类型改走文档或直接扔掉 —
原理 · 为什么有效
为什么这件事值得单独做一把尺：技能生态的膨胀速度远快于选择能力。一个可参考的规模量级是：某技能中心取下来做评估的公开技能有六万多个，而真正做过「技能条件下的执行」验证的样本是五万多次 —— 也就是说，绝大多数技能从来没被真正测过它对下游有没有用。更关键的一条经验数据：技能库超过约一百五十个之后，语义相似度上升会让「选对技能」的准确率骤降四成到六成 —— 你装得越多，选错的概率越高，而且这个下降不是线性的。这就是为什么「先有一把尺，再往里装」比「先装满，再回头清理」便宜得多：清理的成本是装的时候的几倍，因为那时你已经分不清哪些在起作用。
适用场景
适用：手上候选超过五个、准备一次装进去的人 · 已经装了几十个、想回头清理的人 · 要给团队定「哪些技能进基线」的人。不适用：只有一个明确候选、而且你已经知道它解决什么的人 —— 直接装，不必过尺。
自测 · 5 问
我给每个候选写清的是「它打算改变什么」，而不是「它是什么」
我能指出每个留下技能带来的一条具体信息，是模型自己编不出来的
我区分了「知识包」与「约束」两类技能，并让知识包走文档而不是常驻加载
我知道自己现在装了多少个，并且知道超过一定数量后挑错的概率会上升
我至少扔掉了几个看起来很热门、但两轴都量不出来的技能
怎么上手 · 验证步骤
拿一张纸，把候选技能列成表，只留三列：技能名 / 它带来的具体信息（写不出来就空着）/ 它限定了什么动作（写不出来也空着）。空着的那一列就是它的短板。先只装「两列都写得出来」的那几个，其余的先放着 —— 放一个月，如果你一次都没想起它们，就不用装了。
装完之后过两周，回看这张表：那些当时你写不出「它带来什么具体信息」却还是装了的技能，现在用到了吗？如果一次都没用到，说明当时的判断是对的、执行是错的 —— 下次直接照表执行，别心软。