装越多AI技能插件，模型反而变弱了

我开始卸载 Skills 了。

曾经第一次尝到甜头后，我开始疯狂安装各种主流 Skills，总觉得装得越多，Codex 就越强。

直到 GPT-5.6 Sol 发布，我做了一轮四组拆分测试：
- 仅 Superpowers：96 分，耗时 1189 秒，输入 273 万 Token
- 仅 ECC：95 分，耗时 838 秒
- 两者都关：95 分，耗时 820 秒
- 两者全开：反而只有 93 分

最讽刺的是：
> Superpowers 只多拿了 1 分，却多花了约 45% 的时间，还消耗了巨量 Token。

它确实能提高部分基准测试成绩，但放进真实开发流程，这点收益完全抵不过额外的规划、指令读取、流程跳转和 Token 成本。

GPT-5.6 Sol 让我意识到：
不是 Skills 越多，模型就越强。

当模型本身足够聪明，过多的 Skills 反而可能成为性能瓶颈——它们不断告诉模型“应该怎么思考”，却让模型没办法直接解决问题。

我现在的做法是：
- 只保留少数真正高频的核心 Skill
- 其余全部按任务临时调用
- 能让模型直接完成的，就不额外套流程
- 定期删除重复、过时和低收益的 Skill

Skills 没有过时，但“把所有 Skills 永久开启”的时代可能过去了。

模型越强，越应该少加束缚。

最好的配置不是功能最多，而是刚好够用。