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：网页链接 )——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。