技能问题：别再直接部署视觉语言模型，用 Skills 来使用它们 — Hugging Face 的 Merve Noyan

在 AI Engineer 的演讲中，Hugging Face 的 Merve Noyan 提出了一个引人深思的观点：开发者不应该直接部署视觉语言模型（VLM），而应该通过“Skills”来使用它们。Noyan 曾撰写过关于视觉语言模型的书籍，对 VLM 的优缺点有深入理解。她指出，直接调用 VLM 往往导致效率低下、成本高昂，并且难以维护，尤其是在生产环境中。

那么，什么是“Skills”？Noyan 倡导将 VLM 封装为可复用的技能模块，每个技能针对特定任务（如图像描述、视觉问答等）进行优化。这样，开发者无需关心底层模型的复杂性，只需调用相应的技能即可。这种方法不仅提高了开发效率，还使得系统更易于扩展和更新。

为什么这对中文 AI/科技读者值得关注？首先，VLM 正成为多模态应用的核心，但直接使用它们存在诸多陷阱。Noyan 的建议提供了一种工程化的解决方案，有助于团队更高效地构建可靠的多模态应用。其次，这种“技能中心”的思路与当前 AI 智能体（Agent）和工具调用（Tool Use）的趋势相呼应，可能成为未来 AI 应用开发的标准模式。

尽管演讲的具体案例未在简介中详述，但 Noyan 的书籍背景和 Hugging Face 的实践经验为她的观点提供了有力支撑。对于正在探索 VLM 落地的开发者来说，这是一次值得关注的分享。