比数字泔水更可怕的是“能力泔水”

垃圾内容污染的是注意力，垃圾能力污染的却是工作流。当越来越多Agent和Skill看起来“什么都会”，真正的问题来了：这里面到底有多少，真的敢让它干活？

你现在打开短视频平台，随便刷上10条，有多少条缺胳膊少腿的AI怪异视频，有多少条虚构、捏造的假新闻，又有多少条耸人听闻的“伪健康科普”？

对于这些垃圾内容的声讨，最近一段时间在媒体和社交平台上爆了，还有个专有名词：“数字泔水”（Digital Slop）。

不过，前几天和几位媒体老师一起吃饭，他们提出了一个更让人心里发凉的判断。

大概意思是：现在看到的内容垃圾，只是“初级泔水”。更要命的，是现在各大平台里的Agent和Skill商店，已经开始批量生产“能力泔水”了。

初级的数字泔水，污染的只是人们的注意力，而“能力泔水”，污染的是经济社会的工作流——它假装自己是一个能帮人干活的能人，关键时刻却在底座里拉一把大的。

我一个做跨境电商的朋友，就吃过这样的亏。他们公司为了提效，网上找了个“智能发票与报关单对账Skill”。看介绍功能很全：自动解析PDF、自动匹配汇率、自动生成勾稽表，宣称能省下两个财务的人力。

结果用了半个月，财务去抽查，发现中间有三笔大额单子的进项税额全算错了。后来找专业人士看了下，发现这个Skill就是外接了一个免费的汇率接口，结果那个接口改了数据结构，而这个Skill既没有报错机制，也没有容错处理，结果就是一路错了下去。

这个，就叫“能力泔水”。

这种动态的“有毒自动化”，比静态的文字垃圾更可怕。

现在各大平台都在建设各种skill商店，那随着这些商店的逐渐完善，能不能遏制能力泔水的出现和泛滥？

答案恐怕是否定的：越是按传统“商店/货架”的逻辑去建Skill商店，能力泔水就泛滥得越厉害。

真不怪开发者偷懒，也不是平台审核员不够用心。根本原因在于：大家都在抄苹果App Store的“货架思维”，但这套模式套在大模型时代的能力分发上，从底层逻辑开始就错配了。

首先，移动互联网时代，开发一个App，需要写代码、调UI、搞运维，天然有极高门槛。但现在“自然语言即编程”，一个人花三分钟调一段Prompt，就能打包挂上商店。供给成本趋近于零，后果就是整个商店瞬间陷入极度熵增。

在App Store上，传统应用有相对稳定的代码、权限、版本和测试环境，审核标准也更容易固化。但Skill往往由Prompt、模型、工具、外部API、数据源和工作流共同组成，运行结果还会受到接口、网页和模型状态变化的影响。

仅仅检测Prompt是否违规，无法充分验证它在真实场景下的稳定性和任务完成率。目标网站改版了，接口限流了，甚至大模型今天刚好“幻觉”一下，昨天100分的Skill，今天就变成了毒药。

更要命的是，传统的打分和评价机制彻底失真。最后的结果，就是看上去商店里摆满了4.8分的能力，但用户买单试水两三次，发现全是关键时刻掉链子的“泔水”，信任感瞬间崩塌。

那么，这事儿就无解了吗？

倒也不是。有一个办法，就是把Skill从“商店”里拿出来，直接扔进真实业务里试。

从这个角度看，百度搭子开放平台最近的一些做法，挺值得观察。

百度搭子并不是只搭一个Skill货架，而是开放连接器、专业Skill和场景共创三层能力，同时提供开发支持、上架认证、场景分发和数据反馈。在这类基于真实企业场景构建的生态体系里，“能力泔水”的生存空间被压缩得极其厉害。

这并不是因为平台管得严，而是因为企业级的实操场景，从机制上提供了三种天然的过滤器。

机制一，考核标准从“看眼缘”转向了“看ROI与业务结果”。

在C端商店里，一个Skill靠花哨的描述和营销套路就能换到下载；但进入企业场景后，评价标准会迅速变硬：能不能接入真实流程、稳定完成任务、输出可核验的结果，最终还要看能不能创造实际业务价值。

泰康就是一个例子。其已在智能体开发平台上线了3500多个智能体，去跑医疗风控、展业合规这些核心场景。

只要涉及真金白银和具体业务，过滤机制就一定变得极其残酷。对企业而言，调用量、任务完成率、实际业务结果，最终都会成为比“点赞”和“评分”更硬的评价指标。

机制二， 能力供给从“一段Prompt”，转向数据、工具和工作流的组合。

普通Skill商店里90%的泔水都是“一段Prompt+简单描述”；而真正能在百度搭子平台上跑起来、被企业买单的搭子，极其沉重。

就像福建蓝海黑石新材料CIO张明杰分享的例子：他们要把AI嵌进生产体系，不是扔个提示词就完事，而是让百度搭子深度向下对接SAP、WMS、PLM等系统数据，同时结合外部原材料行情，输出趋势判断、风险提示和采购建议，把几天的人工分析变成一份可核验、供决策参考的结构化报告。

开发者必须把搭子深深地嵌进企业的业务系统里，对接私有数据库、调取系统接口、绑定复杂的业务逻辑节点。当评价对象从“一段写得漂亮的Prompt”变成一套能够在真实流程中运行的能力组合，“一键套壳”的垃圾供给自然就失去了滋生的土壤。

机制三，真正的业务流程容不下“概率试错”。

在企业级业务流程里，一个产生幻觉、执行中断的“泔水搭子”，很可能就是一场实打实的业务事故。

这就逼着平台和开发者必须在底座上下死功夫。比如，百度搭子在PinchBench测试中中取得93.3％的总成绩。而最新的消息显示，百度搭子的任务完成率达到99％以上，积分消耗降低30％。只有经过持续的工程压测和Harness引擎调优，把“坏螺丝”提前筛掉，才敢真正放到生产线上去干活。

这类模式其实说明了一件事：治理“能力泔水”，光靠后置的人工审核很难解决，真正有效的过滤器，还是严肃的生产力场景。

玩耍的“沙盒”和干活的“工具”，终究应该分开，采用不同的验证标准。

前者可以允许试错，后者必须经得起真实业务的检验。到了这一步，AI能力才真正有了商业价值。