为什么同一个 Skill 在不同 Coding Agent 中表现不同？
同一个 Skill 在不同 Coding Agent 中表现不同，根本原因在于各 Agent 对 Skill 的定义、加载时机、执行环境、工具集成和模型能力存在根本差异。Skill 并非可移植的独立程序，而是深度绑定于宿主 Agent 的架构与产品决策。
专业回答
在探讨为何同一个 Skill 在不同 Coding Agent 中表现迥异之前，必须首先厘清一个关键前提：Skill 并非一个标准化的、可移植的软件模块。在 OpenAI 的 Codex 和 Anthropic 的 Claude Code 等产品中，Skill 是一种用于扩展 Agent 能力的元指令或上下文增强机制，其具体形态、生命周期和执行方式完全由宿主平台定义。因此，所谓的“同一个 Skill”往往只是意图相似的自然语言描述，而非字节等价的程序实体。
从定义层面看，OpenAI Codex 将 Skill 定义为一种可被 Agent 动态发现和加载的、结构化的指令集，通常包含名称、描述、触发条件和具体的操作步骤。这些 Skill 以 YAML 或 JSON 格式存储，并可能关联特定的工具调用权限。Codex 的运行时会在对话上下文中注入匹配当前意图的 Skill 描述，从而引导模型生成符合预期的行为。Skill 的加载是动态的、基于语义匹配的，且可能受到用户权限和会话状态的约束。
相比之下，Anthropic 的 Claude Code 将 Skill 视为一种更轻量级的、用户自定义的提示词模板或宏。用户可以通过简单的文本文件定义 Skill，并在对话中显式引用。Claude Code 的 Skill 加载通常是显式的，即用户通过特定命令或提及 Skill 名称来激活。Skill 的内容被直接拼接到模型上下文窗口中，作为系统提示或用户消息的一部分。这种机制更接近“提示词注入”，而非 Codex 那种带有触发条件和工具绑定的动态调度。
这种定义和加载机制的差异直接导致了行为分歧。在 Codex 中，一个 Skill 可能因为语义匹配阈值未达到而根本不被触发，或者因为权限不足而被部分抑制。而在 Claude Code 中，只要用户显式调用，Skill 的内容就会被完整注入，但模型是否严格遵循则取决于其指令遵循能力和上下文窗口的拥挤程度。因此，同一个描述“审查代码安全漏洞”的 Skill，在 Codex 中可能只在检测到安全相关关键词时才激活，而在 Claude Code 中则需要用户主动输入 `/check-security` 才会执行。
执行环境的差异是另一个核心因素。Codex 的 Skill 可以声明所需的工具（如文件读写、终端命令执行、网络请求等），Agent 在运行时根据 Skill 的定义授予临时权限。这意味着 Skill 的执行能力受限于 Agent 的工具集和沙箱策略。例如，一个需要访问外部 API 的 Skill 在 Codex 中可能因为网络策略而被阻止，但在 Claude Code 中，如果用户手动赋予了网络访问权限，则可能成功执行。此外，Codex 的工具调用是模型生成的、结构化的函数调用，而 Claude Code 可能更依赖模型生成的自然语言命令，再由终端模拟器执行，这引入了额外的解析不确定性。
模型能力是决定 Skill 表现的根本变量。即使两个 Agent 加载了完全相同的 Skill 文本，底层大语言模型的推理能力、代码生成质量、指令遵循度以及上下文长度限制都会造成显著差异。例如，一个要求“重构此函数以降低圈复杂度”的 Skill，在 GPT-4 驱动的 Codex 中可能生成更符合软件工程原则的代码，而在 Claude 3.5 Sonnet 驱动的 Claude Code 中可能更注重代码风格的一致性。模型对长上下文中细节的注意力衰减程度不同，也会导致 Skill 中多步骤指令的执行完整性出现差异。
上下文组装策略进一步放大了差异。Codex 可能采用检索增强生成（RAG）技术，从 Skill 库中动态选择最相关的片段注入上下文，而非加载完整 Skill。这种分块策略可能导致 Skill 的部分指令丢失或语义割裂。Claude Code 则倾向于将整个 Skill 文件内容直接插入，但如果 Skill 过长，可能挤占宝贵的上下文窗口，导致模型“遗忘”对话早期的信息或 Skill 的后半部分指令。因此，一个包含详细示例和边界条件的长 Skill，在 Codex 中可能因分块而丢失示例，在 Claude Code 中则可能因截断而忽略边界条件。
工具集成与错误处理机制的差异不容忽视。Codex 的 Skill 可以定义错误处理分支，例如“如果文件不存在，则创建它”，并且 Agent 能够根据工具返回的结构化错误码执行相应逻辑。Claude Code 的工具调用更接近命令行交互，错误信息以文本形式返回，模型需要自行解析并决定下一步。这种差异导致同一个涉及文件操作的 Skill，在遇到“权限不足”错误时，Codex 可能按照 Skill 定义尝试提权或报告清晰错误，而 Claude Code 可能只是将原始错误信息展示给用户，停止执行。
产品设计哲学决定了 Skill 的自治程度。OpenAI 将 Codex 定位为可托管、可审计的自动化 Agent，因此 Skill 的执行受到严格的策略控制，例如需要用户确认才能执行破坏性操作。Anthropic 的 Claude Code 更强调用户直接控制，Skill 更像是用户的“宏”，执行过程透明但缺乏自动化的安全护栏。因此，一个设计为“自动修复所有 lint 错误”的 Skill，在 Codex 中可能会逐个请求用户确认，而在 Claude Code 中可能直接批量修改文件，带来更高的效率但更大的风险。
版本迭代与兼容性也是实际工程中不可忽视的因素。Codex 的 Skill 格式和 API 可能随平台升级而变化，导致为旧版编写的 Skill 在新版中行为异常。Claude Code 的 Skill 基于纯文本，格式更稳定，但模型本身的更新（如从 Claude 3 到 3.5）可能改变对同一提示词的解释方式。因此，同一个 Skill 在不同时间点使用，即使在同一 Agent 中也可能表现不同，更不用说跨平台了。
此外，Skill 的初始化状态和副作用管理也存在差异。Codex 可能为每个 Skill 执行维护独立的会话状态，允许 Skill 之间通过共享内存传递数据。Claude Code 的 Skill 通常运行在单一的对话上下文中，状态通过对话历史隐式传递。这导致一个有状态的 Skill（如“维护一个待办事项列表”）在 Codex 中可能通过专用存储持久化，而在 Claude Code 中可能因对话重置而丢失状态。
最后，多 Skill 协作与优先级冲突的解决机制不同。Codex 拥有一个 Skill 调度器，当多个 Skill 同时匹配时，根据优先级、上下文相关性等规则选择执行。Claude Code 没有内置的调度器，如果用户同时激活多个 Skill，它们的指令会同时注入上下文，可能导致指令冲突或模型混淆。因此，一个在 Codex 中与其他 Skill 和谐共存的 Skill，在 Claude Code 中可能因指令污染而产生非预期行为。
综上所述，同一个 Skill 在不同 Coding Agent 中的表现差异，根源于 Skill 定义的本体论差异、加载与调度机制、执行环境与工具集成、底层模型能力、上下文管理策略、产品安全哲学以及状态管理等多个维度。工程师在跨平台迁移 Skill 时，必须进行彻底的重新适配和测试，而不能假设行为等价。理解这些边界，是构建可靠 AI 辅助开发流程的关键。
再说得简单一点
想象一下，你给两个不同的助手同一份“菜谱”，但一个助手在专业厨房工作，另一个在家庭厨房。专业厨房有各种智能设备，菜谱可以自动触发烤箱预热；家庭厨房则需要你手动设置温度。同样，一个编码 Skill 就像这份菜谱，它在不同 AI 编程助手（Agent）中的表现取决于这个“厨房”的设备和规则。OpenAI 的 Codex 和 Anthropic 的 Claude Code 就是两个截然不同的厨房。
首先，Skill 本身就不是一个标准文件。在 Codex 中，Skill 是一套带触发条件的指令，Agent 会智能判断何时使用它，就像智能厨房能根据你拿出的食材自动推荐菜谱。而在 Claude Code 中，Skill 更像一个宏，你必须明确告诉助手“用这个 Skill”，它才会把指令粘贴到对话里。所以，同一个“检查代码安全”的 Skill，在 Codex 中可能自动激活，在 Claude Code 中却需要你手动调用。
其次，执行能力和权限不同。Codex 的 Skill 可以申请特定工具，比如读写文件或联网，但 Agent 会根据安全策略决定是否批准，就像专业厨房的厨师长会监督每一步。Claude Code 则更信任用户，你给了权限它就执行，风险更高但也更灵活。此外，底层 AI 模型本身的能力差异，比如 GPT-4 和 Claude 3.5，也会导致对同一指令的理解和代码生成质量不同。
最后，上下文管理方式也影响结果。Codex 可能会把长 Skill 拆成片段，只加载相关部分，这可能导致遗漏细节；Claude Code 则会把整个 Skill 塞进对话，但如果 Skill 太长，模型可能会“忘记”开头或结尾的指令。这些差异意味着，一个在 Codex 上表现完美的 Skill，直接搬到 Claude Code 上很可能需要大幅调整，甚至完全重写。
因此，工程师不能假设 Skill 是跨平台通用的。理解每个 Agent 的“厨房规则”——包括 Skill 如何触发、有什么工具、模型如何思考、上下文如何管理——是避免意外行为的关键。只有针对具体平台适配和测试，才能让 Skill 稳定发挥预期作用。
总之，同一个 Skill 表现不同，不是因为 Skill 本身变了，而是因为它运行的“世界”完全不同。从定义到执行，从模型到安全策略，每个环节的差异都会累积，最终导致行为上的显著分歧。认识到这一点，是高效利用 AI 编程助手的重要一步。
常见错误理解
- 误解：Skill 是跨平台通用的可移植模块。事实：Skill 并非标准化组件，其格式、触发机制和执行环境完全由宿主 Agent 定义，同一段自然语言描述在不同平台上需要重新适配。
- 误解：只要底层模型相同，Skill 表现就一致。事实：即使使用相同的 GPT-4 模型，Codex 和第三方 Agent 在工具集成、上下文管理、安全策略上的差异仍会导致行为分歧。
- 误解：Skill 的表现差异仅由模型能力导致。事实：除了模型能力，Skill 的加载时机（动态 vs 显式）、工具权限、错误处理机制和上下文组装策略等工程因素同样关键。
- 误解：Claude Code 不支持 Skill 的动态触发。事实：Claude Code 的 Skill 主要通过显式调用激活，但用户可以通过自定义指令实现简单的关键词触发，只是没有 Codex 那种基于语义匹配的自动调度系统。
- 误解：长 Skill 在 Codex 中总是被完整执行。事实：Codex 可能使用 RAG 技术分块加载 Skill，导致部分指令或示例丢失，从而影响执行完整性。
对真实产品和工程实践的影响
在实际工程中，这种差异意味着团队不能将为一个平台编写的 Skill 直接部署到另一个平台。例如，一个为 OpenAI Codex 编写的、依赖其动态调度和严格沙箱的“自动代码审查” Skill，迁移到 Claude Code 时，必须改为显式调用，并重新设计错误处理逻辑以适应其命令行式交互。反之，一个充分利用 Claude Code 长上下文窗口的、包含大量示例的 Skill，在 Codex 中可能因 RAG 分块而失效。这要求团队维护多个 Skill 版本，并建立针对每个平台的测试流水线，以确保在 AI 辅助开发中的可靠性和安全性。产品经理在规划 AI 编码助手功能时，必须明确 Skill 的边界，避免向用户承诺跨平台的一致性。