大家好，我是 Sunday。
现在的面试中关于 AI 的知识越来越多，为此训练营还专门做了 AI 相关的专用八股文，目前已经整理了上百道中大厂面试中的常见问题
而在这些问题里面，有两个概念，最近我发现特别容易把人问懵。
比如，最近有两位同学在面试大厂的时候就被问到了 skills 和 workflow 这两个概念的区别。
这个问题有意思地方就在于：它们看起来很像。
你乍一看，都会觉得这俩东西好像都和“让 AI 按某种方式完成任务”有关。
但问题是：像，不代表它们就是一个东西。
先说结论：它俩根本不是一个层级的东西
先来看下 Claude 对这两个概念的定义：
-
Anthropic 把 workflow 定义为：LLM 和工具按照预定义代码路径被编排起来的系统 -
Claude Code 文档里对 skill 的描述，更接近：一类可复用的模块化能力，它可以包含说明、约定、模板，甚至是一套具体的执行指引。
所以你看，方向已经很清楚了。
-
一个偏“编排”。 -
一个偏“能力”。
因此，如果通过一句话来说清楚他们两个的区别，那么就是 workflow 是流程编排。skill 是能力封装。
从系统设计角度看，它们差在 5 个地方
第一，关注点不一样
workflow 关注的是任务推进。
它关心的是：
用户进来以后，先分类，还是先抽取。失败了要不要重试。A 分支走小模型，B 分支走大模型。什么时候调用搜索，什么时候进入人工审核。
所以 workflow 本质上是一个“执行蓝图”。
它决定顺序、分支、依赖、重试、回滚、终止条件。
而 skill 关注的是局部能力。
它关心的是：
如果现在要做“合同审查”，应该按什么 checklist 去审。 如果现在要做“代码重构”，应该先扫依赖，再看测试，再改实现。 如果现在要做“简历诊断”，应该从项目描述、技术栈匹配、量化结果、岗位关键词几个维度来判断。
所以 skill 本质上是一个“专业做法包”。
它不负责把整条链路跑起来。
它只负责在某个环节，把这某个环节具体的事情做好。
第二，粒度不一样
workflow 的粒度通常更大。
它通常对应的是一个完整业务目标。
比如：
-
完成一轮 AI 面试 -
把用户问题分流并给出答案 -
生成一份分析报告
这些做了一串连续动作的，都是 workflow。
而 skill 的粒度通常更小。
比如：
-
简历项目优化 skill -
舆情摘要写作 skill -
或者现在比较流向的，把某个“人”蒸馏成 skill
它更像一个垂直能力模块。
你可以把 skill 理解成一个高质量的 “可复用专家经验包”。
第三，状态归属不一样
workflow 一般要管状态。
它要知道当前走到第几步了，前一步结果是什么，中途失败没有，是否要切人工，整条链路有没有完成。
所以 workflow 往往天然要绑定状态机、任务上下文、日志、追踪和监控。
而 skill 一般不管状态。 它更像一个被调用的能力单元。
调用前，你给它输入。调用后，它返回更高质量的输出，或者指导 Agent 更专业地完成这一步。
因为它说明 skill 的重点不是“跑流程”，而是 在需要的时候，给 agent 补充正确的专业上下文。
第四，复用方式不一样
workflow 的复用，往往是业务级复用。
比如你有一个“客服工单处理 workflow”，那它通常是为客服场景服务的。
你把它挪到招聘系统，大概率就得重做。
但是 skill 的复用，往往是能力级复用。
比如一个“信息抽取 skill”，可能客服能用，投研能用，简历诊断也能用。
一个“长文摘要 skill”，几乎到处都能塞。
一个“代码 review skill”，你挂在 coding agent、测试 agent、重构 agent 下面都能用。
所以真正好用的系统，通常不是“疯狂堆 workflow”。
而是：拿 workflow 做业务骨架，拿 skill 做具体能力的封装。
这才是比较健康的架构。
第五，评估方式也不一样
workflow 要看的指标，一般是链路指标，比如说：成功率、平均耗时、成本、重试率、人工接管率、任务完成率。
因为它是流程系统。
但 skill 要看的指标，更多是能力指标，比如说：发准确率高不高。用了它之后效果有没有提升。是否真的减少了幻觉。输出格式是不是更稳定。是否减少了人工修正次数。
因为它是专业能力模块。
面试里怎么说？
所有的知识核心还是要解决面试的问题。毕竟拿到更高薪资的 offer 才是大家学习的目标嘛。
所以说，回到文章最开始的时候，如果你在面试的时候遇到了这个问题，那么怎么回答呢？
你可以直接这么说：
我会把 workflow 和 skill 看成两个不同层级的概念。
workflow 主要解决的是任务如何被编排和推进，它负责步骤、分支、状态、重试和整条链路的控制。 skill 更像是可复用的专业能力封装，里面沉淀的是某类任务的经验、规则、模板或者脚本资源。 所以 workflow 偏“过程控制”，skill 偏“能力增强”。
写到最后
很多同学一做 Agent，就特别容易把一堆概念混到一起。
tool、skill、workflow、memory、agent。。。看起来都和Agent有关系，但是他们本质上并不是一回事。
所以说，这篇文章说到底了，其实就是跟大家讲清楚 skills 和 workfow 的区别。
然后回到大家现在对 AI 大模型 和 目前面试的问题上。
很多同学现在学 AI 大模型全栈，还在用用以前那种单纯的 前端、后端思维去学习。
但是这种方式是不太对了。
因为到了 Agent 这一层，真正拉开差距的，已经不只是页面怎么写、接口怎么调。
而是你能不能把 流程编排、状态管理、工具调用、能力封装、记忆沉淀 这些新东西搞清楚
这才是从之前的传统前端、后端开发工程师，转化到现在新的 AI 全栈大模型的核心。
我在做的事情
-
前端 + AI 训练营，运行三年已帮助上千位同学拿到中大厂 offer -
JAVA + Python 大模型训练营 -
【前端转 AI 全栈生存指南】商业级应用课程 -
【完全免费】的简历制作平台，点这里
