AI Agent 開始自學了，這才是比「AI 寫程式」更值得緊張的事

arXiv 上週出現一篇叫 OpenSkill 的論文，提出了一個讓 LLM Agent 在沒有明確目標任務的情況下，自己從文件、程式碼庫、網路資源中學習新技能，還能自己合成驗證機制、做自我修正的框架。 這件事乍看像是學術界的日常，但如果你稍微想一下就會發現問題：我們平常訓練 AI 是「給它目標、給它資料、看它學」。OpenSkill 要做的，是讓 Agent 自己決定該學什麼、自己驗證學對了沒，然後把這個技能帶到新任務上。 這不是在「執行工作」，這是在「主動累積能力」。 對工程師和 PM 來說，這個方向的衝擊比「AI 幫你寫 PR」更深。現在 AI 輔助開發的邏輯還是：你出需求，AI 出程式，你審查。你是主導者，AI 是工具。但 OpenSkill 描述的未來，Agent 會自己在你的 codebase 裡逛，把裡面的設計模式、業務邏輯、慣用寫法都吸收起來，然後下次直接給你一個符合你們內部風格的解法，不需要你每次都解釋脈絡。 這對初階工程師的衝擊最直接。目前還能保住的理由之一，是「我熟這個 codebase」。一旦 Agent 也熟了，這道護城河就沒了。 PM 也別覺得安全。能自我進化的 Agent，遲早會學會從 roadmap、user feedback、歷史 ticket 裡推導出「下一步該做什麼」，而不只是等你下指令。 當然 OpenSkill 現在還是論文階段，距離真的跑在你們公司 Jira 上，還有不小的距離。但方向已經很清楚了：AI 的下一個能力不是「更快完成你交代的事」，而是「開始自己決定要學什麼」。 現在能讓自己保持不可替代的，可能不是「懂這個系統」，而是知道這個系統「為什麼這樣設計」，以及它下一步應該往哪裡走。上下文判斷和方向感，目前還是人比 Agent 強的最後幾塊地盤。