技能越多反而越笨？AI智能体超30个就开始退化

我给自己的 Claude Code 装了大约 50 个技能。按直觉，技能越多，智能体应该越强。但一项研究给出的结论正好相反：超过三十个左右，每多加一个能力，往往不是提升，而是拖累。更反直觉的是，问题不在你以为的地方——不是上下文被撑爆，而是路由崩了。

把智能体淹在技能库里，会发生什么

一项名为《More Skills, Worse Agents?》的研究把实验做得很干净：先给智能体一组对任务真正有用的技能，再把它淹没在越来越大的技能库里，然后测通过率。结果是单调下降，而且幅度不小。装备良好的智能体，和被 202 个技能淹没的同一个智能体相比，平均通过率差了 21 个百分点，这是跨两个模型取的平均值。知识没变，必需的工具还在，变的只有噪音。

还有一个更糟的信号：智能体完全不调用任何技能、纯靠手写完成工作的比例，从有用技能集下的 12%，涨到了 202 个技能下的 38.5%。它不是挑错了技能，而是干脆放弃去找了。

多一个技能，是怎么把智能体拖垮的

研究拆出了三条路径，权重完全不同。第一条是上下文开销：每个技能都会把名字和描述塞进启动提示词，200 个技能确实是实打实的体量，提示词变长会拖累推理。但影响小，大约只占降幅的三分之一，而且在统计上和零没有区别。它是那个最显眼的嫌疑人，也是错的嫌疑人。

第二条是遮蔽效应，真正的元凶。当两个技能的描述相似时，错误的那一个可能“盖住”正确的那一个，只因为它的描述恰好和查询匹配得稍微好一点。智能体选得很有信心，但选错了。这个效应占降幅的 68%，也是唯一统计显著的因素。关键在于，它随技能库规模线性增长——你加的相似技能越多，制造出错的机会就越多。

第三条是放弃调用，遮蔽的终局。智能体无法决断，干脆什么都不选，徒手干活。202 个技能时，三分之一的运行都是这样。它最阴险的地方在于不可见：在日志里，“未调用技能”看起来像是没有相关技能，而不像一次路由失败。

路由器只看到了 8% 的信号

为什么路由会错得这么离谱？因为决策建立在错误的信息上。Claude Code 分三层加载技能，这套机制叫渐进式披露。路由器只看得到第一层——名字和描述——来决定加载哪个技能。但 SkillRouter 那篇论文通过交叉编码器的注意力分析测出，91.7% 的路由信号藏在技能正文里，也就是第二层内容。名字和描述，恰恰是决策所依赖的东西，只承载了信号的一小部分。

消融实验给出了证明：去掉正文，路由质量会掉 29 到 44 分，取决于方法。把正文蒸馏成更好的描述能找回一部分信号，但永远找不回全部。你是在让路由器用 8% 的相关信息，从 200 个候选里做选择。遮蔽不是 bug，是这套设计的数学必然。同一篇论文还显示，一条读取完整正文的“检索加重排”流水线，在约 8 万个技能的库上做到了 74% 的 Hit@1，用的模型比朴素方案小 13 倍。信号一直都在，只是你得去看它。

Claude Code 的静默截断

还有第二个陷阱，是 Claude Code 特有的。技能描述要过一个字符预算，标定在上下文窗口的 1% 左右。预算一溢出，Claude Code 就截断。后果相当难缠：截断砍掉的是描述的结尾，而触发关键词往往就住在那里——一个原本能匹配“开一个合并请求”的技能，如果句子在它之前被切断，就什么都匹配不上了。被调用最少的技能最先被截断，你的冷门技能变得不可达，于是变得更冷门。装第 N+1 个技能，可能弄坏第 N 个技能的路由：第 N 个技能什么都没变，但它在共享预算里失去了空间。

换句话说，每加一个技能，对其他技能都不是中性的。你付出的不只是上下文开销，还在重新分配一份有限预算，让描述们争夺同一片空间。一项公开研究还指出，26.4% 的公开技能根本没有可用的路由描述，这从一开始就注定了遮蔽。

规模化运营者在做什么

行业的答案正在收敛：不要再一次性暴露所有东西，而要智能地路由。GitHub 记录过，缩减默认工具集后，SWE-bench 和 SWE-Lancer 在 GPT-5 和 Sonnet 4.5 上都得到了改善。他们的结论一句话就能说完：给智能体更多工具，不会让它更聪明，只会让它更慢。Anthropic 也走同一条路，用 Tool Search Tool：不再把 200 个工具定义全塞进上下文，而是让 Claude 按需取用相关的那一个。这和我写过的 MCP RTK 代理是同一个原则——不要为你用不到的东西付出 token 和混乱的代价。

具体对策

在实践中，我的 Claude Code 配置里，三个动作的投入产出比最高。第一，审计描述：检查有没有关键技能的描述被截断，触发关键词是否放在开头而不是结尾。一条以触发词开头的描述，才能在截断中活下来。第二，合并触发条件接近的技能：我曾按项目给 qa-swarm 建了多个变体，每个仓库一个，描述几乎一模一样。这是教科书式的遮蔽案例——四个技能争夺同一个查询。把它们合并成一个参数化技能，就消除了四次误路由的机会。这也正是我在关于有效技能的文章里说过的：描述必须说明何时触发，而不只是这个技能做什么。第三，测量，而不是猜。