英伟达的NemoClaw，能帮AI代理这匹“野马”套上缰绳吗？

你只需要说“帮我写个日报发给老板”，AI就能自主规划——读取本地文档、提取关键信息、生成日报内容、打开邮箱发送——一气呵成，全程无需人类预先画好流程图。

问题来了：当AI自己学会搭积木，像Dify这样教AI搭积木的平台，还有存在的必要吗？

一、两种范式的正面碰撞

要理解这场冲击的本质，得先看清两者的根本差异。

Dify的逻辑：静态编排，人类预定义路径

在Dify的世界里，你是一个“流程设计师”。你要思考：用户输入后，第一步做什么？第二步分支怎么走？出错怎么办？所有路径都被提前画在画布上，LLM只是这个流程中的一个“执行节点”。

这种模式的优势是可控。每一步都清清楚楚，出了问题知道在哪改，适合财务审批、供应链协同这类“错一步都不行”的场景。

Skills的逻辑：动态编排，AI自主规划路径

而在Skills的世界里，你只需要告诉AI“我要什么”。模型自己理解目标、拆解任务、按需调用能力。读文件、写代码、发邮件——这些被封装的“技能”就像乐高积木，模型自己决定怎么拼。

这种模式的优势是灵活。你不需要预设所有可能性，AI会随机应变，适合个人助理、创意探索这类“不确定性高”的场景。

这两种逻辑，本质上代表了两种人机协作的哲学：是让AI适应人类的流程，还是让流程适应AI的智能？

二、Skills带来的三重冲击

1. 从“人编排”到“AI自主执行”的逻辑颠覆

这是最根本的冲击。

Dify解决的是“如何连接”的问题——大模型没手没脚，需要Dify帮它“长出手脚”。但Skills模式直接挑战了“是否需要人类预先连接”这一前提。

想象一下这个对比：

• 用Dify：打开后台，配置节点，搭建“读取文档→总结→发送邮件”的工作流，然后再去触发它

• 用Claude+Skills：聊天框里说句话，剩下的模型自己搞定

当模型自己能动态规划时，人类预先画好的那张“流程图”，是不是就显得有些笨重了？

2. 从“外挂工具”到“原生能力”的体验降维

Skills+ MCP的组合，相当于给AI模型装上了“原生手脚”。MCP就像给AI世界统一了“USB-C接口”，Skills则是插在这个接口上的各种官方外设。

这对用户体验是降维打击。对于大量中轻度、个性化的场景，Dify的“拖拽搭建”反而成了一种负担。“意图即执行”的极致体验，会让越来越多人问：我为什么要学搭积木，而不是直接让AI帮我做事？

3. 从“碎片集成”到“标准协议”的壁垒消解

Dify的一个重要能力是“集成”——它内置或允许用户接入各种工具和API。但这种集成往往是碎片化的，每个工具都要单独适配。

MCP协议的出现，正在终结这种碎片化。它作为一个通用标准，允许开发者将工具封装一次，就能被所有支持MCP的AI模型使用。

这意味着什么？如果未来主流模型都通过MCP直接调用海量标准化工具，Dify精心维护的“工具库”和“连接器”的壁垒，就会迅速消解。

三、冲击下的真实处境：不是消亡，是被逼向复杂

看到这里，你可能会觉得：Dify这类平台，怕是要凉了。

但事情没那么简单。

Skills模式虽有优势，代价是控制力的下降。完全自主的Agent可能在个人场景表现惊艳，但在涉及资金交易、多层审批、严格合规的企业核心流程中，这种“不确定性”是不可接受的。

这恰恰是Dify的核心阵地。

正如一些深度观察者指出的，企业级应用真正困难的不是“让系统跑起来”，而是“让系统在半年、多人协作、持续变更后，依然敢改、能改、改不坏”。这涉及到版本控制、权限管理、审计日志、单元测试、灰度发布等一整套软件工程能力——而这些，恰恰是Skills模式目前无法提供的。

换句话说，Skills的出现，正在清晰地划下一条分界线：

四、进化的唯一路径：向上走，向内融

面对这场冲击，Dify的出路不是固守旧有阵地，而是完成一次艰难但必要的进化。

向上走：从“可视化工具”到“AI应用治理平台”

放弃与通用Skills争夺简单的个人场景，转而深耕企业级复杂业务。把工作流平台进化成一个集成了版本控制、CI/CD、测试框架、权限审计的“AI应用治理平台”。当Skills模式还在解决“能不能跑”时，Dify要回答的是“跑得稳不稳、敢不敢改”。

向内融：从“流程构建者”到“企业能力中台”

主动拥抱Skills和MCP标准。未来的Dify不再是一个封闭的编排环境，而是作为企业内部的MCP Hub或技能管理器。它负责将企业内部那些核心的、定制化的、需要严格权限管控的业务能力封装成Skills，并通过MCP协议提供给各类Agent调用。

到那时，Dify的角色就从“教AI搭积木的人”，变成了“为企业提供积木的人”。

最后想说明的观点：

Skills的出现，并没有宣判Dify的死刑。它只是为AI应用开发清晰地划下了一道边界：

左边是自由、动态的Agent原生世界，右边是严谨、可控的企业级系统世界。

两者将长期共存，共同构成未来完整的AI应用生态。而对于Dify们来说，冲击的意义不是消亡，而是逼着它们向上生长，走向更深处。

就像一位开发者说的：“当AI自己学会搭积木，搭积木的人就要去盖房子了。”

这或许就是这场冲击最好的注脚。

对于AI的应用场景来说，本来就存在自有动态和，严谨可控两种场景，而且对于大部分应用场景来说，很多时候都需要严谨可控的状态，所以skill和大模型生成自己的工作流并不会让DIFY这种AI开发平台的消亡，他们本来面对的应用场景就不同。