【AI前沿】微信发布Skill 文档，数百万小程序，一夜之间变成了 AI 的手和脚

微信的 AI，终于动了。就在苹果 WWDC 的同一天，微信做了一件可能比苹果更重要的事，发布了一份朴实无华的公告：《关于开发者接入微信 AI 生态的指引》。从今天起，小程序开发者可以给出授权，让微信 AI 完成读取、操作和调用小程序的功能。微信给了两种接入方式，一「自动模式」，门槛几乎为零，开发者打开一个开关，平台自己读源码、分析页面、搞懂小程序能干什么，然后 AI 就能直接上手操作，一行代码不用写。另一种叫「开发模式」，开发者自己开发定制化的 Skill，通过审核后被 AI 调用。两种可以同时开启。美团已经宣布接入。这不能只是理解成又一个新功能上线，而是要看到，微信正在把它的整个生态——数百万小程序、微信支付、服务通知、公众号——变成 AI 的执行层。扒一扒 Skill 文档，微信 AI 是怎么调小程序的微信开放文档里公开了小程序接入 AI 的 Skill 技术规范，仔细看，里面藏着很多设计细节。首先，架构本质上就是 MCP，做过 AI 开发的人会立刻认出来：mcp.json 声明每个原子接口的功能和参数，SKILL.md 描述整个业务流程怎么跑，这和 Claude、Cursor、VS Code 里的 MCP+Skills 架构几乎一模一样。微信没有另起炉灶，而是采用了行业正在收敛的标准。其次，微信给了一套很清晰的「注意力权重」体系。AI 在决定调用哪个接口、生成什么参数的时候，最优先看的是接口返回的 content（五星），其次是 mcp.json 里的接口 description（四星）和参数 description（四星），SKILL.md 排最后（三星）。这意味着开发者写在哪里比写了什么更重要——同样的一条规则，写在接口返回里和写在 SKILL.md 里，AI 给的权重完全不同。第三，接口返回有一条核心规范：「事实+动作」两段式。先告诉 AI「发生了什么」，再告诉它「下一步做什么」。如果只写动作不写事实，AI 可能把「展示卡片」理解成「准备调下一个接口」而跳过用户确认。这是一个踩过很多坑之后才会总结出来的规则。第四，参数传递优先用 ID 而非自然语言。比如门店传 storeId 而非省市街道，饮品传 drinkId 而非饮品名称。这直接减少了 AI 的推理负担和参数歧义。这套设计透露的信号是：微信已经在实战中跑过足够多的 case，知道 AI 调用外部服务的坑在哪里，并且把这些经验固化成了开发者规范。实际上，如果对比同样以「生态」著称的微信小程序和苹果应用，微信对自家生态有一种「上帝视角」，这是一切实现的前提。怎么比苹果 AI 还重要今年苹果在 WWDC 上发布的新版 Siri AI，令人有些失望。尽管底层接入了 Google Gemini，Shortcuts 支持自然语言创建，却没有引起太多讨论。细看就会发现差距：苹果做的是让 AI 在 iOS 系统内协调一些原生功能，一旦涉及到第三方应用、那些装在你手机上的 App，它就会捉襟见肘。比如饿了么，它的代码跑在饿了么自己的服务器上，苹果读不了。Siri 想调用饿了么，必须饿了么的工程师主动来对接 App Intents 这套接口，一个一个谈、一个一个接，中间耗时耗力。而微信做的是让 AI 直接操作数百万个第三方服务，因为小程序不一样。每一个小程序的代码，从开发者提交、到微信审核、到最后在用户手机上运行，全程都在微信的技术体系里。微信在审核阶段就能把代码扫一遍，自动分析「这个小程序有哪些页面，能干什么事，输入输出是什么」。所以「自动模式」才能成立——开发者一行代码不用写，开个开关，微信自己就能把你的小程序翻译成 AI 可以调用的工具。微信的基础架构天然支持这样做，它拥有「上帝视角」，能够基于中心化实现调度。这个架构优势，苹果没有，Google 也没有。同样值得注意的，还有前阵子传出来，微信正在与华为、荣耀、小米、OPPO、vivo 合作推出 A2A（Agent-to-Agent）助手能力，用户可以通过手机语音助理直接发起微信音视频通话或发消息。对内，微信 AI 可以调用数百万小程序；对外，手机厂商的 AI 助理可以调用微信。微信正在成为 AI 时代的超级连接器——不只是一个做了 AI 功能的 App，而是一个让所有 AI 都能接入的服务中枢。「微信 OS」的旧预言小程序推出的时候，很多人戏称微信要做「微信 OS」。当时这更像是一个修辞——小程序替代了一部分 App 的功能，但本质上还是一个「轻应用平台」。更偶然的是，当时设计的中心化审核机制，是出于控制质量和安全。但九年后，这个当初被批评为「管控过度」的设计，意外地成了 AI 时代的基础设施优势。分布式的 App 生态（苹果/Android）当时看起来更「自由」，现在反而成了 AI 接入的障碍。一个旧的预言，由于新时代的技术——AI——的出现，有了颠覆性的变化。之前写 OpenClaw 和飞书的时候，我提过一个判断：IM 是 AI Agent 最天然的入口，因为对话本身就是人与 AI 最自然的交互方式，而 IM 自带的服务生态（机器人、支付、小程序）让 AI 不只能「聊」还能「做」。飞书已经在往这个方向走，上线了 Bot API 增强和 AI Agent 节点。不过，飞书是企业协作工具，覆盖的是办公场景。微信有着截然不同的广度——14.32 亿月活，数百个细分领域的小程序，从点外卖到挂号到买机票到缴水电费，几乎覆盖了一个人日常生活的全部服务需求。如果微信 AI 真的能流畅地调用这些小程序完成任务，那它就不再是一个聊天工具加了 AI 功能，而是一个用自然语言操作的操作系统。用户说一句「帮我订明天下午三点从北京到上海的高铁」，AI 拆解意图，调用 12306 小程序查票、选座、微信支付完成下单，全程不出微信。这条链路理论上今天就可以跑通。当然，理论和现实之间还有距离。AI 调用涉及支付场景的服务，容错率接近零——点错一杯咖啡是小事，买错一张机票就是大事。底层模型的准确性要求远高于对话场景。这也是全球 AI Agent 落地面临的共同瓶颈：从「能聊天」到「能办事」，中间隔的不是技术指标，是信任。但微信至少做对了一件事：它没有从零搭建服务网络。这些年来，ChatGPT 在做的事是先有一个聪明的脑子，再一个一个去接 Shopify、DoorDash、Stripe，每一个都是从零建立的连接，到今天交易相关查询的占比还不到 3%。真正将要发生的变化，对大多数用户来说，可能是悄无声息的。某一天你在微信里敲打一句「帮我订今晚九点去上海的票」，然后它就订好了，你甚至不知道背后调了哪个小程序，走了什么支付流程。这种「无感知的完成」，才是AI Agent真正成熟的标志，微信离这一步，比任何人都近。