问模型一个问题,它答得出,说明它有知识。让它做一件事,它做得到,说明它有技能。这两件事在模型里不是一回事。

知识和技能的区别在哪?

知识是知道什么,技能是知道怎么做。知道税率是多少是知识,会算一张报表是技能。

模型的知识存在权重里,技能存在生成路径里。前者靠读,后者靠练。

为什么知识好学,技能难练?

因为知识是静态的对应关系,技能是动态的操作序列。前者可以用预测下一个词学会,后者要求多步正确且中间不能崩。

一步错,后面全错。这类任务对训练信号的密度要求高得多。

技能能不能从知识里长出来?

能长出一部分。读过大量操作描述,模型能模仿流程。但模仿出来的技能脆,遇到异常就断。

真正的技能要求异常处理能力,这只能从失败样本里学。

为什么企业常高估模型的技能?

因为演示都选顺利路径。文档写得好,流程跑得通,看起来什么都会。真实场景有脏数据、有例外、有人为干扰,一上就崩。

评估要专门设计脏样本,不能只看顺利路径。

怎么补技能?

三步。一是拆解,把技能拆成可验证的原子步骤。二是补失败样本,专门喂异常和边界。三是加校验,每步输出都要能被下一步检查。

第三步是工程关键。没有校验的技能链,错误会静默传递。

知识和技能哪个更值钱?

知识便宜,因为可检索、可外挂。技能贵,因为要针对场景打磨。

这也解释了为什么企业知识库项目报价低,流程自动化项目报价高。前者卖检索,后者卖技能。

这对个人发展有什么启发?

别只积累知识,要积累可验证的技能。能说出怎么做不算,能做到才算。

对 AI 也一样。别问它会什么,问它在什么条件下会失败。

知道边界,比知道能力更有用。

同簇还有哪几篇值得一起看?

想就这个话题接着到论坛聊吗?

前往 ziyuanagi.com 论坛 参与讨论