背景

随着大语言模型能力的不断提升，我们已经能够构建通用的AI Agent，它们可以与完整的计算环境交互。Claude Code就是典型例子，它能够通过本地代码执行和文件系统完成跨领域的复杂任务。

然而，当这些Agent变得更强大时，我们需要一种更可组合、可扩展、可移植的方式，来为它们提供特定领域的专业知识。这促使Anthropic创造了Agent Skills——一种组织化的指令、脚本和资源文件夹，Agent可以动态发现和加载它们，以在特定任务上表现更好。

什么是Claude Skills

Skills是包含SKILL.md文本文件（带有YAML前置元数据）以及任何相关脚本、文档或资源的文件夹。每个Skill"打包"一个特定的工作流程或组织指南。

简单来说，Skills就是：

my-skill/
├── SKILL.md          # 核心指令文件
├── reference.md      # 可选：参考文档
├── scripts/          # 可选：可执行脚本
│   └── analyze.py
└── templates/        # 可选：模板文件
    └── output.tmpl

与一次性提示不同，Skill明确告诉Claude如何处理一类任务，这样用户就不必每次都重新解释。

技术原理：渐进式披露

Skills的核心设计原则是渐进式披露（Progressive Disclosure）。这是使Agent Skills灵活且可扩展的关键。

三级上下文加载

1. 第一级：元数据预加载

   • 在会话启动时，Agent仅预加载每个已安装Skill的name和description
   • 这只消耗每个Skill几十个token
   • Claude可以识别哪些Skill可能与用户请求相关，而不会用所有细节淹没提示

2. 第二级：完整SKILL.md加载

   • 当Claude检测到某个Skill相关时（基于其description或嵌入的示例）
   • 它会将完整的指令和任何链接的文件加载到上下文中

3. 第三级及以上：链接文件按需加载

   • 对于复杂的Skill，可以将内容拆分到多个文件
   • Claude只在需要时才读取这些额外文件

上下文窗口变化示例

┌─────────────────────────────────────────────────────────┐
│  初始状态                                                │
│  ┌─────────────────────────────────────────────────┐    │
│  │ 系统提示 + 所有Skill元数据 + 用户消息           │    │
│  └─────────────────────────────────────────────────┘    │
└─────────────────────────────────────────────────────────┘
                          │
                          ▼
┌─────────────────────────────────────────────────────────┐
│  触发PDF Skill                                          │
│  ┌─────────────────────────────────────────────────┐    │
│  │ 系统提示 + Skill元数据 + pdf/SKILL.md内容       │    │
│  └─────────────────────────────────────────────────┘    │
└─────────────────────────────────────────────────────────┘
                          │
                          ▼
┌─────────────────────────────────────────────────────────┐
│  按需加载forms.md                                       │
│  ┌─────────────────────────────────────────────────┐    │
│  │ 系统提示 + Skill元数据 + SKILL.md + forms.md    │    │
│  └─────────────────────────────────────────────────┘    │
└─────────────────────────────────────────────────────────┘

这种设计意味着Skill可以捆绑的上下文量实际上是无界的。

Skills与代码执行

Skills不仅仅是静态文本，它们还可以包含可执行脚本。这解锁了强大的用例：

为什么需要代码执行

1. 效率考虑：通过token生成来排序列表比简单运行排序算法要昂贵得多
2. 确定性可靠性：许多应用需要只有代码才能提供的确定性保证
3. 本地数据处理：保持数据在本地执行环境中

示例：PDF表单提取

python
# extract_form_fields.py
import fitz  # PyMuPDF

def extract_form_fields(pdf_path: str) -> dict:
    """提取PDF中的所有表单字段"""
    doc = fitz.open(pdf_path)
    fields = {}
    for page in doc:
        for widget in page.widgets():
            fields[widget.field_name] = {
                'type': widget.field_type_string,
                'value': widget.field_value,
                'rect': widget.rect
            }
    return fields

Claude可以直接运行这个脚本，而无需将脚本或PDF加载到上下文中。

Skills与MCP：技术对比

维度	Claude Skills	Model Context Protocol
核心目的	嵌入专业知识，精简提示	连接外部工具和数据源
架构	文件夹 + SKILL.md	客户端-服务器协议
触发方式	基于description自动匹配	通过tool调用显式触发
上下文管理	渐进式披露，按需加载	每次调用返回完整结果
可移植性	跨Claude平台（Claude.ai、Claude Code、API）	跨AI平台（Claude、ChatGPT等）
创建复杂度	简单，只需Markdown	需要实现JSON-RPC服务器
适用场景	内部工作流、文档处理、品牌规范	外部API集成、数据库访问

互补使用

在实际应用中，两者可以互补：

• MCP：从GitHub、数据库、CI系统获取外部数据
• Skills：解释数据、应用合规逻辑、生成标准化输出

用户请求 → MCP获取数据 → Skill处理数据 → 输出结果

官方Skills仓库

Anthropic在GitHub上维护了官方Skills仓库：https://github.com/anthropics/skills

仓库结构

skills/
├── skills/              # 示例Skills
│   ├── creative/        # 创意与设计
│   ├── development/     # 开发与技术
│   ├── enterprise/      # 企业与通信
│   └── document-skills/ # 文档处理
├── spec/                # Agent Skills规范
└── template/            # Skill模板

核心文档Skills

仓库中包含了Claude文档能力的底层实现：

• docx：Word文档创建与编辑
• pdf：PDF处理与表单填写
• pptx：PowerPoint演示文稿生成
• xlsx：Excel电子表格处理

这些是生产级参考实现，展示了复杂Skill的设计模式。

安装方式

Claude Code

bash
# 注册为插件市场
/plugin marketplace add anthropics/skills

# 直接安装特定Skill
/plugin install document-skills@anthropic-agent-skills
/plugin install example-skills@anthropic-agent-skills

Claude.ai

付费计划的用户可以直接使用仓库中的示例Skills，也可以上传自定义Skills。

Claude API

通过/v1/skills端点上传和管理Skills，每个请求最多支持8个Skills。

创建自定义Skill

基本结构

markdown
---
name: my-skill-name
description: 清晰描述这个Skill做什么以及何时使用
---

# My Skill Name

[添加Claude在此Skill激活时将遵循的指令]

## 示例

- 示例用法1
- 示例用法2

## 指南

- 指南1
- 指南2

前置元数据要求

只需要两个字段：

• name：Skill的唯一标识符（小写，用连字符代替空格）
• description：完整描述Skill做什么以及何时使用

安全限制

• 不能使用<>符号（防止注入攻击）
• 名字不能包含"claude"或"anthropic"（保留词）

最佳实践

1. 从评估开始

   • 在代表性任务上运行Agent，观察它们在哪里挣扎
   • 然后增量构建Skills来解决这些不足

2. 为规模而结构化

   • 当SKILL.md变得难以管理时，将内容拆分到单独文件
   • 如果某些上下文互斥或很少一起使用，保持路径分离

3. 从Claude的视角思考

   • 监控Claude在实际场景中如何使用你的Skill
   • 特别注意name和description，Claude用它们决定是否触发Skill

4. 与Claude迭代

   • 完成任务后，让Claude捕获成功方法和常见错误到Skill中
   • 如果偏离轨道，让Claude自我反思哪里出了问题

官方推荐的五种Skill类型

根据大量案例，Anthropic总结了最常见的Skill类型：

1. 文档处理型

处理特定格式的文档，如PDF表单填写、Word文档格式化。

2. 数据分析型

按照组织特定工作流程分析数据。

3. 品牌规范型

确保输出符合公司品牌指南。

4. 工作流自动化型

自动化重复性业务流程。

5. 代码助手型

提供特定技术栈或框架的专业指导。

实际效果

官方数据显示，使用Skills后：

• 工具调用次数减少 50%
• Token消耗降低 一半
• API错误率归零

团队协作

Skills支持团队共享：

1. 将Skills存储在项目的.claude/skills/目录中
2. 提交到git仓库
3. 克隆仓库的团队成员自动获得访问权限

project/
├── .claude/
│   └── skills/
│       ├── brand-guidelines/
│       └── code-review-standards/
└── src/

参考资料

• Anthropic Skills GitHub仓库
• What are skills?
• Using skills in Claude
• Creating custom skills
• Equipping agents for the real world with Agent Skills
• Agent Skills Specification

总结

Claude Skills代表了AI Agent专业化的一条重要路径。通过将领域知识工程化为可组合的资源，我们可以：

• 降低成本：通过渐进式披露减少token消耗
• 提高可靠性：通过确定性代码执行保证一致结果
• 促进协作：通过文件系统实现团队知识共享
• 保持灵活：通过模块化设计支持快速迭代

随着Agent Skills成为开放标准，我们有望建立一个丰富的Skill生态系统，让每个组织都能轻松为其AI Agent配备专业技能。