Skills还是脚本：什么时候用AI，什么时候用代码
有了AI之后，尤其是Skills之后，以前通过脚本实现的自动化任务，很多都可以通过Skills来轻松实现了。
很多人从脚本转向Skills，但发现Skills确实强大并且易用，但是有些任务执行不稳定，好的时候非常完美，但是有些时候又差强人意，好像突然就智商掉线了。
所以很多人就很纠结，到底该如何选？继续脚本还是Skills。
实际上问题不在一刀切，而是什么时候该用哪个。
NotebookLM的音视频概览，解读的比较通俗易懂，对于时间比较紧张的读者朋友，可以听听，会有启发。
脚本的本质：确定性机器
脚本（或者说代码、程序）的核心特征是确定性：输入固定，输出可预测，执行逻辑完全透明。
它最擅长的事：重复性操作、格式转换、数据处理、定时触发。你告诉它规则，它严格按规则执行，一万次都一样。
但脚本有一个致命弱点：遇到规则之外的输入，它不知道怎么办。
你写了一个脚本，把客户反馈按关键词分类——“退款"归投诉，“满意"归好评。然后客户写了"这次体验还行吧”。脚本懵了。你加新规则，客户又写了"说实话有点失望但不至于投诉”。规则越写越多，维护成本越来越高，最后你发现在和语言的无限可能性死磕。
脚本适合的场景：你能提前把所有情况穷举清楚的任务。
Skills的本质：概率性理解
Skills（以及更广义的AI能力）的核心特征是理解：输入可以模糊，输出依赖语义理解，处理意外情况是它的强项。
你把同样的客户反馈交给AI，它不需要关键词规则，它理解"还行吧"是中性评价，理解"有点失望但不至于投诉"是负面偏中性。它处理的是意图，不是模式。
但Skills也有致命弱点：不保证每次输出完全一致，执行逻辑无法审计。
对于需要精确可重复结果的任务，这是不可接受的。你不能用AI来做财务报表的数字汇总，因为你需要的是每次结果完全一致、逻辑完全透明、出了问题能追溯。
Skills适合的场景：你无法提前穷举所有输入形式的任务。
真正的分界线：规则能不能穷举
用具体例子来说，这条线在哪里：
用脚本：
把一批文件按日期重命名——规则清晰，输入固定，不需要理解。
每天早上8点发送日报邮件——定时触发，格式固定，确定性任务。
检查代码里有没有硬编码的密钥——模式匹配，规则明确，可以穷举。
用Skills：
把一堆客户反馈分类成正面、负面、中性——语义理解，规则穷举不完。
把会议录音整理成结构化纪要——内容理解，每次都不一样。
审查这段代码的架构是否合理——需要理解上下文和设计意图。
判断的核心问题只有一个：
如果输入内容变了，你的处理逻辑需要重新理解，还是只需要重新计算？
需要重新理解——用Skills。
只需要重新计算——用脚本。
第三条路：脚本调用API
第三种是融合方案：用脚本来调用AI的API。
这种方案在工程实践里很常见。
脚本调用AI API，本质上是两层的组合：
外层是确定性的脚本：负责触发条件、数据获取、参数传递、结果接收、后续处理。这一层逻辑透明、可审计、行为可预测。
内层是概率性的AI：负责处理那个规则无法穷举的理解任务。这一层输出依赖模型能力，但被包裹在确定性的框架里。
举个例子：你写一个脚本，每天抓取最新的客户工单，调用Claude API判断每条工单的紧急程度和情绪倾向，把结果写入数据库，再触发对应的处理流程。
整个链路是确定性的——脚本控制什么时候运行、调用哪个API、结果怎么处理。但判断"这条工单是否紧急"这件事，被外包给了AI的理解能力。
这种方案的优势：
保留脚本的确定性框架，触发时机精确，数据流向清晰，出了问题知道在哪里查。
同时获得AI的理解能力，规则穷举不完的部分交给模型处理。
适用场景：
需要把AI能力集成进现有系统，或者需要精确控制执行流程，但中间有一个环节需要语义理解。
Skills更适合在Agent生态内部工作，脚本调用API更适合跨系统集成。
三种方案，一个选择框架
把三种方案放在一起，选择逻辑就清晰了：
纯脚本： 任务规则清晰，输入可穷举，需要结果完全一致且可审计。
Skills/Agent： 任务需要语义理解，在Agent生态内工作，不需要精确控制每一步的执行流程。
脚本调用API： 任务需要语义理解，但需要集成进现有系统，或者需要精确控制触发时机和数据流向。
三者不是进化关系，不存在哪个更先进。是适用场景不同的三种方式，各自有不可替代的位置。
一句话总结
脚本和Skills不是新旧之争，而是确定性和概率性之争——脚本适合规则可以穷举的任务，Skills适合语义理解无法用规则覆盖的任务，而脚本调用AI API则是融合之路，用确定性的框架包裹概率性的理解能力，判断的核心问题只有一个：输入内容变了，处理逻辑需要重新理解还是只需要重新计算。
我是「AioGeoLab」主理人塔迪Tardi，AioGeoLab是深度洞察AI第一性原理和应用实践的前瞻性研究实验室，目前有两个主要研究方向：
「塔迪GEO判断工程」是基于GEO的价值SEO化，在AI从“说”到“做”的重要跃迁阶段，试图回答，如何让AI敢于行动、不因为责任问题而畏手畏脚，而做的一个前沿研究项目。
「塔迪硅基禅心」是传统东方智慧、未来AI前沿、当下应用实践，深层共鸣的探索。不是用AI解读经典，也不是用经典指导AI。 这是一场跨越2500年的对话，在算法与古老智慧之间，照见意识、智能与存在的本质。
塔迪的微信 - tardyai2025。