Claude Skills:Agent 能力扩展的新范式

作者:清沫日期:2026/1/11

为什么需要 Skills?

2025 年被称为智能体元年。各类 Agent、子 Agent、MCP 工具及自动化流水线迅速出现,让 AI 可以接手越来越多真实工作。比如 Claude Code 推出的 Agent 模块,或通过可视化平台、LangChain 开发的各种工具。

随着智能体功能增强,需要更具可组合性、可扩展性和可移植性的方法,为它们配备特定领域专业知识。这促使智能体 Skills 诞生:智能体可动态发现并加载包含指令、脚本和资源的文件夹,从而更好完成特定任务。

什么是 Skills?

Skills 的核心价值是 "将专业知识、工作流、脚本与权限,打包成可组合的文件夹"。Claude 在对话启动时扫描技能描述,根据需求动态加载具体内容,让通用 Agent 即刻化身为拥有领域经验的专业 Agent。

它把 "指令 + 结构化知识 + 可执行脚本" 聚合在一个目录下,让 Claude 在需要时加载,实现 "按需放大上下文 + 精准授权工具" 的工作模式。与传统 Prompt 相比,Skill 具备以下三类关键特性:

  • 可组合:多个技能可共存,Claude 根据 description 自动选择,像插件一样随时装载或释放,避免全局 Prompt 的 "越长越稀释" 问题。
  • 可扩展:通过 references/scripts/assets/ 等子目录,不断追加高质量内容,让技能随业务演进成长,不污染基础对话。
  • 可移植:一个 Skill 目录即一份可复制的知识资产。复制整个文件夹即可分享给其他项目或团队,实现知识沉淀和复用。

Skills 架构与文件体系

Claude Skills 本质上是一种 "按需加载的 Meta Tool"。Claude Code 在新对话开始时,先扫描所有 Skill 的 namedescription,在输入命中关键词时才加载对应技能,注入 SKILL.md 内容、引用文件和额外工具权限。

目录结构

一个完整 Skill 至少包含 SKILL.md。推荐目录层级如下,在实际项目中根据需要扩展:

1my-skill/
2  SKILL.md
3  references/
4    domain.md
5    playbook.md
6  scripts/
7    validator.py
8    helper.sh
9

  • SKILL.md:采用 YAML Frontmatter + Markdown 正文。Frontmatter 控制 name、description、allowed-tools、版本号等核心属性;正文写清楚工作流、Checklist、提示、常见问题。
  • references/:存放长文档、规范、数据字典或接口说明,只在需要时加载,避免每次占用上下文。
  • scripts/:封装可执行脚本或模板,例如 bashpythonts-node 等,让模型直接执行脚本,无需加入上下文。
  • assets/:流程截图、系统结构图、UI 布局等视觉资料,不常用。

渐进式披露(LOD-0/LOD-1/LOD-2)

Skill 并非全新概念,也是新瓶装旧酒。它最被关注的点是所谓的渐进式披露(Progressive disclosure patterns)。官方建议把技能内容按照 "层级化 Disclosure(Level of Detail)" 组织:

级别加载时机内容示例
LOD-0对话初始化;仅扫描 metadataname + description + allowed-tools“code-review:检查 staged 代码并运行 tsc/eslint/prettier/test”
LOD-1Claude 决定加载 SKILL.md 时核心流程、Checklist、引用链接“Plan → Validate → Execute 工作流、常见陷阱”
LOD-2Claude 继续读取 references/、scripts/、assets/详细 playbook、脚本、图片、长文本"git-commit-guide.md、code-review.sh、示意图"

上下文工程(Context Engineering) 中,我们知道,用户的输入只占很小部分,整个上下文窗口还包含:

  • Instructions/System Prompt:系统级指令和角色设定
  • History:对话历史(短期记忆)
  • Long-Term Memory:持久化的用户偏好和事实(长期记忆),比如 Cursor 的 memory、rules,或 Claude Code 的 CLAUDE.md
  • Retrieved Information:动态检索的外部数据(例如来自 RAG,仓库代码)
  • Available Tools:可用的工具(API、函数)及其定义,比如 MCP 功能或智能体自身的工具(write、read tools)

即使当前大模型都具备很长的上下文窗口,一旦窗口使用超过 50% 以上,模型回答质量和速度都会下降很多。

而通过渐进披露,技能既能保证启动迅速,又能在真正需要时提供完整上下文,避免 "模型先读 1000 行指令却用不上" 的浪费。

YAML Frontmatter 模板

SKILL.md 头部采用 YAML,示例:

1---
2name: code-review
3description:  staged 代码进行质量检查(类型、规范、格式、测试、安全性),并在需要时生成符合规范的 commit message
4allowed-tools: Read, Bash(bash:*), Bash(git:*), Bash(npm:*)
5version: 1.0.0
6---
7

注意:

  • name 只能包含小写字母、数字和连字符,推荐动名词(如 code-reviewincident-audit)。
  • description 要说明“做什么 + 何时触发”,包含关键字以便 Claude 匹配。
  • allowed-tools 可填写多个能力,必要时使用 Bash(<command>:*) 精确授权。
  • 其他字段如 versionauthorsskills(引用其它技能)可以按需添加。

目录模板与最佳实践

  • Skill 目录最好控制在 500 行以内,可通过 references/ 拆分长文档。
  • 文件命名统一使用英文和连字符,避免空格。
  • 所有脚本默认应跨平台(至少在 Claude Code 默认 Linux 环境可执行),必要时在文档中说明依赖。
  • 引用外部资源时保持路径相对,方便迁移。

完整运行流程

Skill 的运行可以划分为 Discovery → Activation → Execution → Feedback 四个阶段,完整流程:

1---
2config:
3  look: handDrawn
4  theme: neutral
5---
6sequenceDiagram
7    participant U as 用户
8    participant C as Claude
9    participant S as Skill Tool
10    participant CTX as Context Window
11    participant T as Tools/MCP
12
13    C->>S: 会话启动:预加载所有技能的 name/description
14    S-->>C: 返回技能 metadata,等待触发信号
15    U->>C: 描述需求(“请检查我刚暂存的代码并生成报告”)
16    C->>S: 扫描 description,匹配 code-review skill
17    C->>CTX: 加载 SKILL.md
18    CTX-->>C: 根据需求,判断是否需要额外加载 reference 或者执行脚本
19    C->>T:  SKill 说明执行 Bash/Read/npm,运行 code-review.sh
20    T-->>C: 返回类型检查、ESLint、Prettier、测试结果
21    C->>CTX: 更新 scratchpad(缺陷列表、下一步动作)
22    C-->>U: 汇报审查结果并附 Checklist
23

四个阶段在流程中的表现为:

  • Discovery:会话启动时,Claude 预加载所有技能的 name/description,并在用户发出请求后匹配最合适的技能(如 code-review)。
  • Activation:Skill Tool 注入 SKILL.md、引用文件路径。
  • Execution:Claude 依据工作流执行任务或直接运行脚本和 Checklist,调用 Bash、Read、MCP 等工具,确保流程在自动化与人工审查之间切换自如。
  • Feedback:完成任务后,将检查结果、未解决问题和下一步建议写入 scratchpad/memory,然后向用户输出结构化报告。

实战示例:code-review skill

下面以一个 Code Review Skill 示例项目,展示如何使用 Claude Code 的 skill 功能进行代码审查。

示例代码仓库:skill-dojo

场景与需求

  • 痛点:手动审查常常遗漏类型错误、Lint、格式或测试;不同人输出标准不一,commit message 更是随意。
  • Skill 价值:自动运行四项检查、给出 P0/P1 质量门槛、必要时生成符合规范的提交消息。
  • 触发条件:当用户在会话中提到“代码审查、commit、TypeScript、测试”等关键词,Claude 就会启用该技能。

完整实现

目录结构

1.claude/skills/code-review/
2├── SKILL.md
3├── references/
4   └── git-commit-guide.md
5└── scripts/
6    └── code-review.sh
7

SKILL.md 配置

1---
2name: code-review
3description:  staged 代码进行质量检查(类型、规范、格式、测试、安全性),并在需要时生成符合规范的 commit message
4allowed-tools: Read, Bash(bash:*), Bash(git:*), Bash(npm:*)
5---
6
7# Code Review
8
9## 执行流程
10
11### 1. 运行自动化检查
12
13执行脚本进行完整检查(TypeScript、ESLint、Prettier、测试):
14
15``` bash
16bash .claude/skills/code-review/scripts/code-review.sh

2. 代码检查要点

在自动化检查通过后,对代码进行以下审查:

P0(必须)

  • 代码逻辑清晰,错误处理完善
  • 安全性:无 XSS、SQL 注入、命令注入等漏洞
  • 用户输入验证和清理
  • 测试覆盖充分

P1(推荐)

  • 无性能问题和重复代码
  • 命名语义化

3. 提交代码(仅在用户要求提交时)

重要:只有当用户明确要求提交代码时,才执行以下步骤:

  1. 阅读 references/git-commit-guide.md 了解完整规范
  2. 根据规范生成 commit message:
1<类型>: <简短描述>
2
3[可选详细描述]
4[可选关联 issue]

类型:feat, fix, docs, style, refactor, perf, test, chore

  1. 执行 git commit 提交代码

约束

  • 【必须】P0 问题必须解决才能提交
  • 【禁止】提交包含安全漏洞的代码
  • 【禁止】commit message 中添加 AI 生成标记

正文部分按照“执行流程 → 注意事项 → 约束”组织:

1. **执行脚本**:[`bash .claude/skills/code-review/scripts/code-review.sh`](https://xplanc.org/primers/document/zh/03.HTML/EX.HTML%20%E5%85%83%E7%B4%A0/EX.code.md),负责类型、ESLint、Prettier、测试四步检查。
2. **人工审查要点**:P0 必须项包括逻辑正确、安全性、测试完整;P1 推荐项包括性能、命名等。
3. **提交流程**:只有在用户要求时才读取 `git-commit-guide.md`,并生成 `<类型>: <描述>` 格式的提交消息。
4. **约束**:必须解决 P0 问题、禁止提交安全漏洞和 AI 标记。

#### 自动化脚本 [`scripts/code-review.sh`](https://xplanc.org/primers/document/zh/03.HTML/EX.HTML%20%E5%85%83%E7%B4%A0/EX.code.md)

脚本的核心逻辑如下:

```bash
#!/bin/bash

# Code Review Script - 对 git staged 文件进行代码审查

set -e

echo "开始代码审查..."
echo ""

# 检查 staged 文件
STAGED_FILES=$(git diff --cached --name-only)
if [ -z "$STAGED_FILES" ]; then
  echo "[错误] 没有 staged 的文件"
  echo "提示:请先使用 'git add <文件>' 暂存要审查的文件"
  exit 1
fi

FILE_COUNT=$(echo "$STAGED_FILES" | wc -l | tr -d ' ')
echo "Staged 文件 ($FILE_COUNT 个):"
echo "$STAGED_FILES" | sed 's/^/  /'
echo ""

# 统计文件类型
STAGED_TS_FILES=$(git diff --cached --name-only --diff-filter=ACM | grep -E '\.(ts|tsx|js|jsx)$' || true)
STAGED_FORMAT_FILES=$(git diff --cached --name-only --diff-filter=ACM | grep -E '\.(ts|tsx|js|jsx|json|md)$' || true)

# 1. TypeScript 类型检查
echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"
echo "[1/4] TypeScript 类型检查"
echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"
if npx tsc --noEmit 2>&1; then
  echo "[通过] TypeScript 检查通过"
else
  echo "[失败] TypeScript 检查失败"
  exit 1
fi
echo ""

# 2. ESLint 检查
echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"
echo "[2/4] ESLint 代码规范检查"
echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"
if [ -n "$STAGED_TS_FILES" ]; then
  if echo "$STAGED_TS_FILES" | xargs npx eslint 2>&1; then
    echo "[通过] ESLint 检查通过"
  else
    echo "[失败] ESLint 检查失败"
    echo "提示:运行 'npm run lint:fix' 自动修复部分问题"
    exit 1
  fi
else
  echo "[跳过] 无 TypeScript/JavaScript 文件"
fi
echo ""

# 3. Prettier 格式检查
echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"
echo "[3/4] Prettier 格式检查"
echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"
if [ -n "$STAGED_FORMAT_FILES" ]; then
  if echo "$STAGED_FORMAT_FILES" | xargs npx prettier --check 2>&1; then
    echo "[通过] Prettier 检查通过"
  else
    echo "[失败] Prettier 检查失败"
    echo "提示:运行 'npm run format' 自动修复格式问题"
    exit 1
  fi
else
  echo "[跳过] 无需格式检查的文件"
fi
echo ""

# 4. 测试
echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"
echo "[4/4] 运行测试"
echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"
if npm test -- --bail --passWithNoTests 2>&1; then
  echo "[通过] 测试通过"
else
  echo "[失败] 测试失败"
  exit 1
fi
echo ""

# 显示变更统计
echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"
echo "变更统计"
echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"
git diff --cached --stat
echo ""

echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"
echo "[成功] 所有检查通过!"
echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"


其实就是执行各种检查命令,直接在 SKILL.md 中说明执行 npm script 也一样。这里只是为了样式。

引用文档 references/git-commit-guide.md

git-commit-guide.md 覆盖提交消息格式、八种类型(feat/fix/docs/style/refactor/perf/test/chore)、描述规范、关联 issue 写法,并提供 P0/P1 Checklist。Skill 主体不会一次性注入这些细节,只有在执行 "生成 commit message" 时才加载,符合 LOD 设计。

1# Git 提交消息规范
2
3## 消息格式
4

<类型>: <简短描述>

[可选详细描述] [可选关联问题]


## 提交类型

- `feat`: 新功能
- `fix`: 修复 bug
- `docs`: 文档修改
- [`style`](https://xplanc.org/primers/document/zh/03.HTML/EX.HTML%20%E5%85%83%E7%B4%A0/EX.style.md): 格式修改(不影响功能)
- `refactor`: 代码重构
- `perf`: 性能优化
- [`test`](https://xplanc.org/primers/document/zh/10.Bash/90.%E5%B8%AE%E5%8A%A9%E6%89%8B%E5%86%8C/EX.test.md): 测试相关
- `chore`: 构建/工具变动

## 描述规范

- 使用中文,不超过 50 字符
- 动词开头,现在时("添加"非"添加了")
- 不以句号结尾

## 关联问题

- `close #123` - 关闭 issue
- `fix #123` - 修复 issue
- `ref #123` - 引用 issue

## 提交前检查清单

### P0(必须通过)

- [ ] 提交消息格式正确
- [ ] TypeScript、ESLint、Prettier 检查通过
- [ ] 类型定义完整,避免 [`any`](https://xplanc.org/primers/document/zh/02.Python/EX.%E5%86%85%E5%BB%BA%E5%87%BD%E6%95%B0/EX.any.md)
- [ ] 功能完整,错误处理完善
- [ ] 测试通过且覆盖新功能
- [ ] 无安全漏洞(XSS、SQL 注入、命令注入等)
- [ ] 只包含相关变更,无调试代码

### P1(推荐)

- [ ] 复杂更改有详细描述和 issue 关联
- [ ] 代码逻辑清晰,无重复代码
- [ ] API 或界面变更已更新文档

## 约束

- 【禁止】commit message 中添加 AI 生成标记
- 【禁止】提交敏感信息文件(.env, credentials.json 等)
- 【推荐】每次提交只做一件事,保持原子性

实际运行效果

只进行代码 review

1> code review 改动代码
2
3 我来帮你查看 code review 的改动代码。首先让我看看当前的 git 状态和改动内容。
4
5 Bash(git diff src/__tests__/string.test.ts)
6    (No content)
7
8 让我查看一下 staged 的改动:
9
10 Bash(git diff --cached src/__tests__/string.test.ts)
11   diff --git a/src/__tests__/string.test.ts b/src/__tests__/string.test.t
12    s
13    index 52997f2..19908cf 100644
14     +38 lines (ctrl+o to expand)
15
16 我看到了 code review 的改动。主要有两个变化:
17  ......
18
19  问题分析
20
21  这些改动看起来有问题:
22  1. 重复的测试用例:添加了 4 个完全相同的测试,这是不必要的重复代码
23  2. import 顺序:虽然调整了顺序,但没有明显的改进(不是按字母顺序)
24
25  你想要:
26  1. 撤销这些改动?
27  2. 还是修复这些问题(删除重复的测试用例,保持合理的 import 顺序)?
28
29> code-review 代码
30
31 我来帮你执行 code review。让我运行 code-review skill:
32
33 /code-review
34
35 Task Output code-review
36    Error: No task found with ID: code-review
37
38 让我查看一下 code-review skill 的配置:
39
40 Read(.claude/skills/code-review/SKILL.md)
41    Read 58 lines
42
43 好的,我来执行 code review。首先运行自动化检查脚本:
44
45 Bash(bash .claude/skills/code-review/scripts/code-review.sh)
46    Error: Exit code 1
47     开始代码审查...
48
49     Staged 文件 (1 ):
50       src/__tests__/string.test.ts
51
52     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
53     [1/4] TypeScript 类型检查
54     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
55     npm warn Unknown user config "home". This will stop working in the next
56     major version of npm.
57      +17 lines (ctrl+o to see all)
58
59 Code Review 结果
60
61   自动化检查失败
62 ......
63
64  这些测试用例:
65  1. 标题完全相同:违反了 Jest 规范,同一个 describe 块中不能有重复的测试标题
66  2. 测试内容重复:没有测试新的场景,只是重复了已有的测试
67  3. 没有实际价值:不增加测试覆盖率
68
69  建议
70
71  必须修复(P0):删除这 4 个重复的测试用例,保留原有的测试即可。
72
73  你想要我帮你修复这些问题吗?
74
75

可以看到 Claude 识别到我的意图是进行代码 review,所以它加载 SKILL.md 的具体指令,并按照指令执行。指令中提到要运行脚本,它就直接执行脚本,执行脚本的好处是:

  1. 不需要将脚本内容加载到上下文窗口中,所以不管脚本是 1000 行还是 10000 行都无所谓。当然,如果脚本执行出错,模型可能会去阅读脚本内容并修复,这时就会占用上下文空间。所以保证脚本可用性比较关键。
  2. 效率快,让模型处理,不仅消耗 token,而且速度会慢很多。尤其是工程化方面,或重复性场景,直接使用脚本,不仅快,而且结果更可控,毕竟模型输出是概率性问题。模型负责整体规划,各个具体环节使用脚本处理,脚本也可以让模型生成。实际上,模型在日常生码时,它自己也会编写脚本加读取大文件或做验证工作。

代码 review 和提交

1> codereview 并提交
2
3 我会帮你执行代码审查并提交。让我先运行 code-review skill。
4
5 /code-review
6
7 让我查看一下 code-review skill 的输出,并检查 staged 的文件:
8
9......
10
11 完美!代码审查完成,所有检查都通过了。现在让我更新 todo 并提交代码:
12
13 现在让我查看 git commit 规范并提交代码:
14
15 Read(.claude/skills/code-review/references/git-commit-guide.md)
16    Read 58 lines
17
18 现在让我提交代码:
19
20 Bash(git commit -m "chore: 初始化 Code Review Skill 示例项目…)
21    [main (root-commit) 3bf459d] chore: 初始化 Code Review Skill 示例项目
22      18 files changed, 5794 insertions(+)
23      create mode 100644 .claude/skills/code-review/SKILL.md
24      +18 lines (ctrl+o to expand)
25
26 完成!代码审查和提交已成功完成。
27
28  代码审查总结
29
30  检查结果:
31  -  ESLint 检查通过(无错误)
32  -  TypeScript 类型检查通过
33  -  测试通过(21 个测试用例全部通过)
34  -  代码规范符合要求
35
36  代码质量评估:
37  1. 类型安全:所有函数都有明确的类型定义,无 any 类型
38  2. 错误处理:认证服务有完善的输入验证和错误处理
39  3. 测试覆盖:包含完整的单元测试,覆盖正常和异常场景
40  4. 代码规范:符合 ESLint  Prettier 配置的规范
41  5. 安全性:HTML 转义函数可防止 XSS 攻击,邮箱验证使用正则表达式
42
43

因为我明确提到需要提交代码,所以这一次 Claude 才去读取 git-commit-guide.md 文件内容,并提交。

Skills vs. 其他机制深度对比

笔者在以前讲解过 Cursor Rules 开发实践指南,如果使用过 Cursor Rule 的朋友,可能会发现这和 Rules 没什么区别,Rules 也是给出指令,规范模型行为,也支持模型自主确定是否需要放入上下文中。甚至与 Claude 的 CLAUDE.md 或 command 命令都是大同小异。所以笔者才说 Skill 并非全新概念,也是新瓶装旧酒。它最被关注的点是所谓的渐进式披露(Progressive disclosure patterns)。

对比

机制核心定位触发方式上下文 / 权限特征典型场景与补充说明
Skills注入场景知识与脚本,固化 Plan → Validate → Execute 流程Claude 自动解析 description 并自主加载LOD 控制按需读取;临时扩展 allowed-tools;可结合脚本/引用动态增广上下文高频、结构化任务(代码审查、日志排查);可依赖 Rules 但不与之冲突
Cursor Rules / CLAUDE.md会话级“操作系统”规则,限定语气、流程、禁忌会话初始化时一次性注入(个别 Rules 通过模型自主加载)长期占用上下文;权限通常固定,少变化规范项目基调、入职指南;为 Skills 提供通用约束背景
Slash Commands用户显式触发的快捷提示或宏输入 /command 即调用仅在当次请求中插入短提示;不改变工具权限低频、记忆性任务;适合临时指令,而非复杂流程
MCP连接外部系统/数据库/API 的行动力层Claude 需要时显式调用工具不大量占用上下文,调用瞬间返回结果;权限由 Server 定义数据查询、CI/CD、Jira 等外部操作;与 Skills 配合时按 Skill 规划调用顺序
Subagents具有独立上下文与工具集的子任务执行者Claude 或用户显式指派拥有独立会话窗口与权限,运行成本较高并行调查、多角色交互、需要隔离上下文时使用
传统 Prompt一次性指导语或提问补充用户手动输入文本不提供持久结构;无额外权限ad-hoc 指令或突发问题;难以复用、缺乏流程约束

Skills 和 MCP

Skills 与 MCP 并非竞争关系,而是 "知识 + 行动力" 的组合。Skills 负责告诉 Claude "为什么、何时、怎样做",MCP 则负责 "怎么去外部世界获取数据或执行动作"。比如 Skills 可以使用脚本执行具体任务,当然也可以明确使用 MCP 处理具体场景。

Claude 官方的文章 Skill Explained 不同的场景对比有更详细的解释

Skills 的优势与适用场景

  • 自动触发:description 命中即可调用,免除 slash command 的额外输入
  • 上下文精准:LOD 控制加载层级,脚本与引用只在真正需要时注入
  • 流程固化:把 "计划 → 校验 → 执行" 写入技能,使 Agent 行为确定、可复现
  • 跨团队复用:复制整个目录即可共享,从项目到项目快速迁移

编写 Skills 的最佳实践

  1. 命名规范name 使用动名词或结果导向词(如 generate-release-notes
  2. 描述写法:遵循 "做什么 + 何时触发 + 关键名词",例:"Analyzes staged frontend code when users request review"
  3. Workflow + Feedback Loop:写清 Plan → Validate → Execute → Report,附 Checklist
  4. 简洁优先:上下文窗口是公共资源,每个指令都要简洁并且精确
  5. 自由度梯度:根据脆弱性决定指令精度,必要时提供伪代码甚至完整脚本
  6. 渐进披露:SKILL.md 控制在 500 行内,引用文件不要互相嵌套
  7. 评估先行:在真实任务记录缺陷,再据此编写技能,避免凭空想象
  8. 脚本质量:脚本必须可执行、可重复,失败时输出清晰提示
  9. 依赖清单:说明 npm/pip 依赖、Node 版本等,减少环境猜测

Skills 创建和使用

在 Claude Code 中可以直接在官方提供的 /plugin 中使用 claude-plugins-official 中预制的 skill,以及 skill-creator 创建自己 skills。

除了 Claude Code,Codex、Gemini CLI 也相继支持 Skill,市面上也会出现越来越多 awesome-skill 的仓库,可以下载使用(当然,少不了之前各种 MCP 也会使用 Skill 再实现一遍)。

当然,其实你不一定需要各种 awesome fantastic skills,最重要的是根据自己日常开发,找到重复纠正 AI 的部分,让 AI 将其沉淀为一份 Skill,减少日常和 AI 的来回拉扯,会有效得多。

总结

模型现在最大的问题是没有记忆,为了让模型能更长时间工作,增大了上下文窗口,但加上各种外部工具、MCP 之后,无论多大的窗口也终究撑满,所以更大的窗口并没有有效提升模型的编码质量。更重要的是这些信息是否真的那么重要,是否一开始就必须加载到上下文中更值得研究,所以 Skills 被提出来,让上下文只包含对当前任务来说真正重要的内容(不知为什么去年 10 月提出后,响应还不大,最近突然就火了起来。可以预见的是:程序员又得再死几次了)。即使不使用 Skill,这套渐进式披露的思路也可以在日常 Vibe Coding 中用起来。

那么下一步呢?

Manus 合伙人访谈 提到一点我很赞同。人脑的工作内存其实很小,我们脑袋里真正装载的内容并没有那么多,其他和当前任务不相关的内容,我们会通过文本等方式存到笔记中,在真正需要时才去查找。重要的是我们有自动 Compress 和需要时自动查找的能力。而模型现在的上下文压缩通常发生在上下文空间快满的时候,自动压缩的意识很弱,并且也没有意识将进展和成果 download 到外部,以及后续从对应的地方加载的这些意识。虽然目前可以通过 memory bank 的方式来规范。但如果模型后续这部分的意识进一步增强,那么对于长期任务和代码的统一性能达到更好的效果。在此之前,如果规范模型主动压缩上下文,外化记忆和加载阶段性成果依旧值得我们去给模型加上指令规范。

参考资源


Claude Skills:Agent 能力扩展的新范式》 是转载文章,点击查看原文


相关推荐


2025年度总结之-如何构建 2025 专属的 GitHub AI 项目情报库
CoderJia_2026/1/3

背景 为什么做 为了更好地追踪 2025 年涌现的 AI 开源项目,我经常浏览 Github 热榜 并整理分享。但手动查阅难免会有遗漏,为此,我计划开发一套自动化工具来采集 Github 热榜数据,旨在辅助个人技术积累的同时,也为博客内容提供持续的素材来源。下文将详细介绍我的技术实现思路,若有设计不足之处,恳请各位读者指正。 如何制作 在该流程的初始阶段,核心任务是构建针对 GitHub 热榜(Trending)页面的数据采集机制。需要分别按照日(Daily)、周(Weekly)及月(M


从字符游戏到 CPU 指令集:一道算法题背后的深度思维跃迁
ToddyBear2025/12/24

"Simplicity is the ultimate sophistication." — Leonardo da Vinci 前言:很多时候,一道看似简单的算法题,不仅是代码能力的试金石,更是计算机底层思维的显微镜。本文记录了一次关于“查找 K-th 字符”问题的深度探讨。我们不满足于“做出来”,而是试图通过逆向工程,从直觉出发,推导出数学原理,最终触达硬件指令集的设计哲学。 🟢 第一部分:面试极速备忘录 (Executive Summary) 为了方便日后快速回顾(如面试前 5


5 分钟快速入门 Gitlab CI/CD
yuguo.im2025/12/16

🚀 快速掌握 GitLab CI/CD:自动化你的开发流程 GitLab CI/CD 是一个功能强大的工具,它内置于 GitLab 中,用于自动化你的软件构建、测试和部署流程。如果你希望提升开发效率、减少人为错误并实现持续集成/持续部署(CI/CD),那么掌握它至关重要。 本文将通过最核心的概念、最简单的配置,带你快速入门 GitLab CI/CD。 核心概念:理解 GitLab CI 的基石 在编写你的第一个配置文件之前,理解以下几个关键概念是掌握 GitLab CI 的前提: 1. 配置


这5个AI文本可视化工具太强了!一键把文本转信息图、流程图等多种可视化形式!PPT秒变高级!(建议收藏)
程序员X小鹿2025/12/8

大家好,我是X小鹿。 前几天被读者问到了「文本可视化」工具,趁着周末,整理了下之前体验过的几款还不错的 AI 工具。 这些 AI 工具都可以一键将枯燥的文本,转化为精美信息图、数据图、卡片等形式。 不管是在项目汇报中插入,还是用于 PPT 配图、文章配图、生成科普图文、读书笔记卡片、自媒体图文创作等场景,都是可以的。 下面分享 5 个目前国内外用得较多「文本可视化」工具。 有需要的可以保存下,早晚用得上~ 一、Seede AI 第一个,Seede AI,一款适合普通人上手的 AI 设计工具,国内


从客户端自适应码率流媒体迁移到服务端自适应码率流媒体
AKAMAI2025/11/28

流媒体平台需要扩展以容纳数百万在不同设备和网络条件下同时观看的观众,这使得高效的自适应码率(ABR)流媒体技术至关重要。在这篇博文中,我们将探讨从客户端 ABR 过渡到服务端 ABR 的技术细节,重点关注实现细节和性能优化。 如您所在的企业也在考虑采购云服务或进行云迁移, 点击链接了解Akamai Linode解决方案,现在申请试用可得高达500美元专属额度 自适应码率流媒体基础 自适应码率流媒体究竟是如何工作的?让我们一步步来看。首先,视频内容需要经过准备,即将其编码为多种码率(例如 5


【AI大模型开发】-基于FAISS的语义搜索系统(实战)
Java后端的Ai之路2026/1/19

向量数据库实战:基于FAISS的语义搜索系统 一、项目概述 1.1 什么是向量数据库? 向量数据库是一种专门用于存储、索引和检索高维向量数据的数据库系统。在AI领域,向量通常是指通过预训练模型(如Transformer)将文本、图像等非结构化数据转换而成的数值表示(Embedding)。 1.2 项目背景 本项目展示了如何使用阿里云百炼Embedding API生成文本向量,并结合FAISS(Facebook AI Similarity Search)构建一个简单但功能完整的语义搜索系统。 1.

首页编辑器站点地图

本站内容在 CC BY-SA 4.0 协议下发布

Copyright © 2026 XYZ博客