面对一个特定问题，“想直接获得答案”与“想获得解题思路”，我觉得从结果上看可能区别不大。
或许后者可以学到思路，并迁移到别处，但我认为这很难，我经常也无法做到。可能是由于思路经常与特定问题绑定，真正要学的可能是背后更稳定的结构/规律，并逐渐内化成自己的认知和直觉。否则总以为自己“学会了”，但需要用的时候却唤不起来。
“授人以渔”或许未必真能教会捕鱼。我以前会把考点、思路标注出来给同学看，但下次同学依旧没思路；上学时老师也常说“这道题已讲过N遍”；有人把“大内偏大，小外偏小”之类的口诀倒背如流，遇到题目后却意识不到这个口诀有用。
这种能内化的会不会是某种 schema ？
(改写自去年今日的微博：http://t.cn/A6s1sU5S )
——
我们常说给 Agent 安装 SKILL，那 SKILL 对应的可能就是上面所说的 schema。虽然 SKILL 里面往往包含着“解题思路”，但 description 是辅助唤起的部分。虽然人类的 SKILL 不会显式定义个 description，遇到问题还能遍历自己学过的技能，但这种唤起的模式以及后续的解题或许是类似的。
但对于一个 LLM 来说，也不是什么技能都没有，如果我们安装了某个不是“最佳实践”的 SKILL，Agent 触发后似乎就有点“被降智”的意味。
按这么说，Agent 根据会话内容和记忆生成的 SKILL 会不会更像把已经内化的 schema 显化出来？而安装别人的 SKILL 会不会因为 Agent 和模型的差异出现“水土不服”的情况？
模型“自我迭代”，按我理解尺度是在模型版本号上体现的，不是说模型今天从某个用户中学到新的东西，第二天其他用户也能“获益”。
但每个人用的 Agent 可以“迭代”，包括灵魂设定、聊过什么以及安装或生成的技能等。但这件事既然个人能做，模型供应商未来或许也能做，模型的版本可能会按小时来迭代，从大量的聊天与任务中学到并内化东西。（至于模型到底需不需要学，学什么不学什么，可能是另外一个话题了）
可能需要避免的情况：全世界在同一天都让某模型扮演鲸鱼娘之后，这个模型就永远变成了鲸鱼娘。