北京
這是通過 Claude Skill 做的 Article-Copilot，一個 skill 就實現(xiàn)了從素材處理到正文寫作的 Agent 應(yīng)用；
又如 AI Partner Skill，讓通用 Agent 深度學(xué)習(xí)你的記憶，塑造懂你的 AI 伴侶，給到個性回應(yīng)。
在研讀 Anthropic 官方技術(shù)博客，與持續(xù) Agent Skill 實驗之后，形成了這份全網(wǎng)最完整的 Skill 指南，包含：
- 1.最容易讀懂的 Skills 概念與原理介紹
- 2.討論 Skills 的真實價值、技術(shù)優(yōu)勢、對 AI 產(chǎn)品設(shè)計的影響
- 3.非常完整的 Skills 使用與開發(fā)教程
- 4.Skills 的場景識別，什么時候適合開發(fā)、使用 Skills？
從概念澄清、運作機制，到實踐教程、應(yīng)用價值，與你在本期分享。
文末會拉一個 Skill 中文社群，專項討論與實踐 Agent Skills，加入方式見底部。
一、Skills 是什么：從概念來源到運作原理
2025 年 10 月中旬，Anthropic 正式發(fā)布 Claude Skills。
兩個月后，Agent Skills 作為開放標(biāo)準被進一步發(fā)布，意在引導(dǎo)一個新的 AI Agent 開發(fā)生態(tài)。
OpenAI、Github、VS Code、Cursor 均已跟進。
為了更好的理解，你可以把 Skills 理解為“通用 Agent 的擴展包”：
Agent 可通過加載不同的 Skills 包，來具備不同的專業(yè)知識、工具使用能力，穩(wěn)定完成特定任務(wù)。
最常見的疑惑是：這和 MCP 有什么區(qū)別？
- MCP 是一種開放標(biāo)準的協(xié)議，關(guān)注的是 AI 如何以統(tǒng)一方式調(diào)用外部的工具、數(shù)據(jù)和服務(wù)，本身不定義任務(wù)邏輯或執(zhí)行流程。
- Skill 則教 Agent 如何完整處理特定工作，它將執(zhí)行方法、工具調(diào)用方式以及相關(guān)知識材料，封裝為一個完整的「能力擴展包」，使 Agent 具備穩(wěn)定、可復(fù)用的做事方法。
以 Anthropic 官方 Skills 為例：
- PDF：包含 PDF 合并、拆分、文本提取等代碼腳本，教會 Agent 如何處理 PDF 文件 - 提取文本，創(chuàng)建新的 PDF、合并或拆分文檔。
- Brand-guidelines：包含品牌設(shè)計規(guī)范、Logo 資源等，Agent 設(shè)計網(wǎng)站、海報時，可參考 Skill 內(nèi)的設(shè)計資源，自動遵循企業(yè)設(shè)計規(guī)范。
- Skill-Creator：把創(chuàng)建 Skill 的方法打包成元 Skill，讓 AI 發(fā)起 Skill 創(chuàng)建流程，引導(dǎo)用戶創(chuàng)建出符合需求的高水準 Skill。
Skill-Creator：教 Agent 如何幫用戶創(chuàng)建新 Agent 的技能
但 Skills 的價值上限，遠不止于此。
它應(yīng)該是一種極其泛用的新范式，從垂直 Agent 到 AI 產(chǎn)品開發(fā)：借用通用 Agent 內(nèi)核，0 難度創(chuàng)造具備通用 AI 智能的垂直 Agent 應(yīng)用。
本文開頭提到的 article-copilot、AI Partner Skill，就是對這種可能性的驗證。
讓我們從 Skill 的運作原理講起。
首先，如何理解 Skill？
Anthropic 說：
Skills 是模塊化的能力，擴展了 Agent 的功能。每個Skill 都打包了 LLM 指令、元數(shù)據(jù)、可選資源（腳本、模板等），Agent 會在需要時自動使用他們。
我有個更直觀的解釋：Skill 就像給 Agent 準備的工作交接 SOP 大禮包：
想象你要把一項工作交給新同事。若不準口口相傳，只靠文檔交接（而且你想一次性交接完成，以后不被打擾），
你會準備什么？
- 任務(wù)的執(zhí)行 SOP 與必要背景知識（這件事大致怎么做）
- 工具的使用說明（用什么軟件、怎么操作）
- 要用到的模板、素材（歷史案例、格式規(guī)范）
- 可能遇到的問題、規(guī)范、解決方案（細節(jié)指引補充）
??
Skill 的設(shè)計架構(gòu)，幾乎是交接大禮包的數(shù)字版本：
相對標(biāo)準的 Skill 結(jié)構(gòu)示例，實際案例中，只有 SKILL.md 是必需的，其他結(jié)構(gòu)為可選項
在 Skill 中，指令文檔用于靈活指導(dǎo)，代碼用于可靠性調(diào)用，資源用于事實查找與參考。
當(dāng) Agent 運行某個 Skill 時，就會：
- 1.以 SKILL.md 為第一指引
- 2.結(jié)合任務(wù)情況，判斷何時需要調(diào)用代碼腳本（scripts）、翻閱參考文檔（ref.）、使用素材資源（assets）
- 3.通過“規(guī)劃-執(zhí)行-觀察”的交錯式反饋循環(huán)，完成任務(wù)目標(biāo)
當(dāng)然，Skill 也可以用來擴展 Agent 的工具、MCP 使用邊界，通過文檔與腳本，也可以教會 Agent 連接并使用特定的外部工具、MCP 服務(wù)。
舉個例子，這是 PPTX Skill 的文件目錄：
- 整個文件夾就是一個完整的能力包，用來支持 AI 創(chuàng)建、編輯和分析 PowerPoint 演示文稿。
- 核心文件是 SKILL.md，包含技能的元數(shù)據(jù)和任務(wù)指導(dǎo)，告訴 agent 什么時候使用這個技能、如何按步驟處理任務(wù)。
特別的，獨立子技能往往會被拆為子文檔（如教 AI 把 html 導(dǎo)出為 pptx 流程的 html2pptx.md），以避免一次性加載過長的 skill 文檔，節(jié)省上下文窗口
- Scripts/ 包含 Agent 可用的各類預(yù)先寫好的程序腳本，比如 html 轉(zhuǎn) pptx 的一鍵程序腳本。這樣 Agent 運行任務(wù)時就無需臨時開發(fā)工具，直接調(diào)用，節(jié)省 tokens ，避免出錯，提升速度
- 也有一些參考文檔（此項目打包的不算規(guī)范，但根據(jù) SKILL.md ，Agent 也能理解哪些文檔可以參考），比如 ooxml.md，是對 ooxml 格式文件的解析指南
整個 Skill 以簡明的形式，把技能指引文檔、代碼腳本、參考文檔和可用資源組合，定向擴展了 Agent 完成 pptx 生成相關(guān)的工作能力。
Skills 的真實價值：垂直 Agent 的未來態(tài)
看好 Skills 價值與未來生態(tài)發(fā)展的原因是，Skills 與其他 AI 應(yīng)用開發(fā)方式，有底層機制的不同：
人給出專業(yè)知識與工具方法，通用 Agent 提供智能，自主理解，主動執(zhí)行。
說人話就是：人給指引，最終 Agent 還能根據(jù)自己的智力看著執(zhí)行。
而且「Agent + 文件」的形式，足夠泛用。
這就相較于它的前輩們（Workflow 和程序編寫的 AI 應(yīng)用）有了 3 個關(guān)鍵優(yōu)勢：
- 非技術(shù)人員可用零代碼、自然語言編寫
- 能突破預(yù)設(shè)限制，靈活響應(yīng)用戶輸入，應(yīng)對邊緣情況
- 甚至能多個 Skill 自由聯(lián)用，應(yīng)用方式極其靈活
這一部分可能會比較深入，但例證完善，實際上不會很難懂。雖一家之言，但仍有助于理解 Skill 價值與 Agent 發(fā)展趨勢
1. 零代碼、自然語言，編寫真·智能 Agent
縱觀此前的 AI 應(yīng)用開發(fā)方法：
- 不必多說程序編寫的 AI 應(yīng)用，必須懂程序邏輯、懂技術(shù)實現(xiàn)。
- 即便是 Coze、Dify、N8N 等近年流行的 Workflow 平臺，也得理解節(jié)點配置、條件分支，仍算「編程」，只是界面友好一些。
而 Skills 的創(chuàng)建門檻，完全不同：入門門檻極低，智能上限極高。
1）最簡單的，以 Anthropic 的 brand-guidelines skill 為例
僅有一個 SKILL.md，純自然語言寫成。
- 元信息：什么時候用這個 Skill
- 正文：品牌顏色、字體等文本描述信息
但足以引導(dǎo) Agent 變成符合 Anthropic 品牌設(shè)計的垂直 Agent，可用于品牌官網(wǎng)、海報、PPT 設(shè)計。
當(dāng)你要設(shè)計一個符合 Anthropic 公司設(shè)計規(guī)范的 AI 搜索網(wǎng)站，Agent 就會自動運行該 Skill ??
Skill 有兩種加載模式：顯式 / 隱式。
前者通過 user query 直接指定調(diào)用；后者根據(jù)任務(wù)與元信息描述的相關(guān)性，LLM 自動匹配。
這是該 skill agent 一次性開發(fā)的網(wǎng)站，調(diào)性接近 Claude 官網(wǎng)設(shè)計：
（我電腦上缺了他家的 Serif 字體，實際上可以更像）
2）復(fù)雜的，以 AI-Partner Skill 為例，一個 Skill 就是一個復(fù)雜 Agent
包含 SKILL 文檔、向量數(shù)據(jù)庫構(gòu)建指南、向量數(shù)據(jù)庫使用腳本、AI 伴侶與用戶的 Persona 模板資源
SKILL.md 本體依然由自然語言寫成：
借此，Agent 就能理解 AI-Partner 的初始化與對話方法，引導(dǎo)用戶上傳包含個人記憶的文檔預(yù)料，在用戶端智能切分筆記片段，構(gòu)建向量數(shù)據(jù)：
解析用戶記憶文檔，提煉個性化的 AI 伴侶與用戶畫像設(shè)定：
最終智能檢索用戶記憶，提供懂用戶的 AI Partner 對話體驗：
這能基本驗證：單靠 Skill + Agent 所構(gòu)造的垂直 Agent，所實現(xiàn)的智能效果，無異甚至可超過同類 AI 產(chǎn)品。
而做這些垂直 Agent，都不用編寫程序代碼。
非技術(shù)出身的領(lǐng)域?qū)＜?，離自己做專業(yè) Agent 只剩隔著一層窗戶紙——
把你的專業(yè)經(jīng)驗和工作流程，用文檔形式寫清楚，Agent 就能照著執(zhí)行。
2. 突破預(yù)設(shè)限制，靈活應(yīng)對實際情況
Agents Skill 的這一優(yōu)勢往往被忽視。
Workflow 或 傳統(tǒng)程序 的核心問題是，它們假設(shè)所有情況都能預(yù)設(shè)。
比如基于用戶記憶的 AI 個性化助理，往往需要提前設(shè)定：
- 用戶導(dǎo)入記憶文件的入口
- 允許用戶上傳的文件格式
- 數(shù)據(jù)應(yīng)該包含哪些字段
以及可能出現(xiàn)哪些特殊情況，每種情況如何處理。
但現(xiàn)實往往是：
- 需要教育用戶在哪點擊「導(dǎo)入」
- 用戶只有預(yù)期之外的格式：預(yù)期支持 md，但實際只有 doc
- 數(shù)據(jù)字段不符：預(yù)期每個文件需要一個標(biāo)題，但用戶文件沒有標(biāo)題
或者出現(xiàn)了預(yù)設(shè)之外的邊緣情況。
這時 Workflow 或傳統(tǒng)程序就卡住了，它只能按預(yù)設(shè)路徑執(zhí)行，遇到意外就報錯，或要求用戶自行消除差距。
而通用 Agent + Skill 應(yīng)用的運作方式完全不同：
- 能在統(tǒng)一的對話框，接收各類用戶數(shù)據(jù)（文本、文件、圖片）
- 能自主調(diào)用其他 Skill，或即時編寫 doc2md 腳本，自動轉(zhuǎn)換用戶格式
- 能提煉補充每個文件的標(biāo)題，完成數(shù)據(jù)入庫處理
- 能基于 LLM 的推理智能，彌合各類邊緣問題
用 Skill 做的垂直 Agent，以 Skill 的知識與方法為指引，能巧借 Agent 內(nèi)的 LLM 智能，靈活應(yīng)對各類問題。
所以在 AI-Partner-Chat 中，也有過很有意思的探索：
借 Agent 本身的“觀察-規(guī)劃-執(zhí)行”的動態(tài)智能，對用戶文檔進行自適應(yīng)切片，而非所有文件都按照固定的分隔符 or 字數(shù)切分。
（DailyNotes 按照日期標(biāo)題切分；項目筆記按照標(biāo)題級別與語義切分）
這樣能得到更符合實際情況的 RAG 切片。
3. 多 Skills 自由聯(lián)用
Agent Skills 實質(zhì)仍是 Context 工程，Skills 只是把垂直領(lǐng)域的知識、腳本調(diào)用方法等掛載到 Agent 的上下文窗口。
所以 Skills 在實際應(yīng)用中極其靈活，甚至在一次任務(wù)中能調(diào)用多個 Skill。
比如：
- 聯(lián)用 brand-guidelines + pptx，自動制作符合品牌規(guī)范的 pptx
- 聯(lián)用 AI-Partner-Chat + Article-Copilot，寫出更符合個人思考與文風(fēng)的內(nèi)容
也可以是更復(fù)雜的場景，如做一份產(chǎn)品分析報告：
- 1.從網(wǎng)頁抓取競品數(shù)據(jù)（Web Scraping Skill）
- 2.提取 PDF 中的用戶反饋（PDF Skill）
- 3.分析數(shù)據(jù)并生成圖表（Data Analysis Skill）
- 4.按品牌規(guī)范制作 PPT（Brand Guidelines + PPTX Skill）
每多一個 Skill，就多一種能力，N 個 Skill 可以應(yīng)對遠超 N 的應(yīng)用場景。
? Skills 核心運行機制：漸進式披露
這節(jié)旨在講解 Skills 運作的核心機制之一：漸進式披露。
整體更偏技術(shù)理解，如果只是想用 or 做 Skill，可以滑到下一部分
正如 所論證的，上下文過長容易導(dǎo)致模型能力下降。
由于 Skills 的本質(zhì)就是 Context 工程，所以這個問題也需在 Skill Agent 中注意。
一個完整裝載了 Skill 的 Agent 架構(gòu)是這樣的：
Skill 包放在 Agent 文件系統(tǒng)（右側(cè)）中，并非默認全量加載在 Context Window 中。
根據(jù) Context 加載順序、優(yōu)先級的不同，Skill 被劃分為了 3 種層級：
Skill 內(nèi)容物的 3 種漸進披露優(yōu)先級
漸進披露的流程圖解
1）Level 1（元數(shù)據(jù)，始終加載）：
SKILL.md 文檔內(nèi)的元數(shù)據(jù)，包含名稱與用途描述。長度約 100 tokens。
Agent 啟動時，就在 Context Window 中加載 Skill 元數(shù)據(jù)，將其包含在系統(tǒng)提示中。
AI 通過理解用戶消息與 Skills 元數(shù)據(jù)的匹配情況，判斷是否需要自動使用技能。
---
name: pdf
description: 全面的 PDF 操作工具包，用于提取文本和表格、創(chuàng)建新 PDF、合并/拆分文檔以及處理表單。當(dāng) Claude 需要填寫 PDF 表單或大規(guī)模地程序化處理、生成或分析 PDF 文檔時使用。
---默認只加載元數(shù)據(jù) → 意味著可以給一個 Agent 同時安裝很多 Skills 但不影響上下文性能。
2）Level 2（指令，觸發(fā)時加載）：
SKILL.md 文檔內(nèi)的正文內(nèi)容，也就是主要技能指令，一般包含工作流程、最佳實踐和指導(dǎo)。
建議少于 5000 tokens。
當(dāng)用戶發(fā)出的消息與Skill 元數(shù)據(jù)的描述匹配，需要調(diào)用 Skill 時，Agent 才會用 bash 讀取文檔正文 。讀取時文檔內(nèi)容加載到 Context Window 中。
SKILL.md 的結(jié)構(gòu)：分為 YAML 元數(shù)據(jù)與 MD 正文
3）Level 3（子技能指令 / 資源 / 代碼，按需動態(tài)加載）：
由子技能文檔、代碼腳本、參考文檔、可用資源等文件構(gòu)成。
也有 Agent Skill 規(guī)范文檔將它們統(tǒng)稱為「Resource」。相對來講，Level 3 結(jié)構(gòu)要求沒那么嚴謹。
- Sub-SKILL.md 子技能文檔：相對獨立、復(fù)雜的子技能指令，單獨放在 Level3 拆分加載
隨著一個 Skill 的復(fù)雜度提升，可能因為技能知識的上下文過長，或者有些知識僅在特定場景使用，而不適合放入單個SKILL.md，可被分拆為獨立指令文檔，僅在必要時加載。
- Scripts 代碼腳本：視作“Agent 的可執(zhí)行資源”，而不算 tool use（tool use 是 Agent 外部調(diào)用的獨立服務(wù)）
Agent 在 Agent 電腦（虛擬機）中直接調(diào)用腳本，腳本代碼本身不進 Context Window，只有腳本運行完成后的輸出會進 Agent 的 Context。
- Reference 參考文檔、Assets 可用資源，當(dāng)然都是 Level 3，僅在必需時動態(tài)讀取加載。
Level 3 因為按需加載的特性，文件在被訪問前不會占用 Context 長度，所以沒有內(nèi)容大小限制，可按業(yè)務(wù)實際說明需要添加材料。
??
小結(jié)：整個 Skill 運行過程中，Agent 自動判斷哪些技能與任務(wù)相關(guān)，根據(jù) skills 的元信息，動態(tài)判斷、加載完成任務(wù)所需模塊：
Level 1: SKILL.md 元數(shù)據(jù)（name + description）
↓
Level 2: SKILL.md 完整內(nèi)容
↓
Level 3: Resources 中的具體文件（按需讀?。?/code>公眾號 @言午 在一文中，亦有形象的圖解：
不過，即使 Agent Skill 支持「漸進式披露」。
但在商業(yè)化的 Agent 產(chǎn)品中，單個或多個 Skills 聯(lián)用，如何穩(wěn)定控制運行過程中的 Context 長度，依然是繞不過的工程問題。
? Skills 對 AI 產(chǎn)品設(shè)計的影響
我先和在做 Agent 平臺的朋友 @付鋮 討論了一個問題：
基于 Skills 做的垂直 Agent 應(yīng)用，會不會有依賴推理，響應(yīng)速度降低的問題？
我倆是在 Mulerun Agent 開發(fā)者閉門會認識的，當(dāng)時覺得他的 Agent 認知相當(dāng)深刻。他負責(zé)的正是 Mulerun 平臺的產(chǎn)品策劃與研發(fā)。
他給了一組很有意思的啟發(fā)：
- 1.Skills 是一種非常寬容的 Agent 設(shè)計架構(gòu)
- 2.Skills 可以被設(shè)計為很多 tokens 的指令文檔，引導(dǎo)模型思考；也可以是無需思考的簡單指令，直接指向可直接運行的腳本代碼
- 3.因為 Skills 能直接調(diào)用代碼邏輯，不進 Context 窗口。所以用 skill 也不需要 agent 一直推理，agent 也可以只承擔(dān)類似 hook 的角色，實質(zhì)上和正常程序運行并無差別
- 4.所以 Skills 慢起來可以是 prompt，快起來也可以是 workflow
另外，再結(jié)合兩個趨勢的極端判斷：
- 1.token 價格會下降
- 2.agent 速度會提升
這么看來，以 Skills 為基礎(chǔ)的垂直 Agent，在性能、開銷上的問題，也不是不可解決的持續(xù)性問題了。
所以，進一步推演未來 ai native 產(chǎn)品的發(fā)展趨勢，我目前的猜測是：
拿筆記類 APP 舉例，大部分 APP 的邏輯還是：新筆記 -> 代碼 -> 處理。新筆記完全用代碼邏輯，原模原樣直接入庫。
但如果是 ai native 式的筆記 APP，他們可能會內(nèi)置一些類似 skill 的指引，包括筆記入庫、智能糾錯、冗余筆記合并等。這些 skill 有些可能以 prompt 為主（需要生成），有些基本只有代碼邏輯（快速響應(yīng)）。
當(dāng)用戶寫新筆記時，ai 快速自行判斷：能不能直接入庫？要不要智能糾錯？有沒有冗余的歷史相似筆記需要合并？
每種情況，都由 agent 拿著各種 skills 自動匹配來處理。
這樣下來，Skills-based 的 Agent 產(chǎn)品，就能用同一個多模態(tài)輸入框，處理用戶各種不同的輸入，也能靈活應(yīng)對未被規(guī)劃的邊緣問題、為用戶提供絕對個性化的生成需求了。
二、Skills 完全教程：制作與使用
如果你看到了這里，那 Skills 對于 AI 應(yīng)用開發(fā)的價值就不言而喻了：
巧借通用 Agent 內(nèi)核，只關(guān)注 Skills 設(shè)計，能低成本創(chuàng)造兼具通用 AI 智能上限的垂直 Agent 應(yīng)用。
對于 Agent 開發(fā)者，尤其是非技術(shù)出身的團隊 or 業(yè)務(wù)人員，是極大的開發(fā)利好：
- 1.0 代碼創(chuàng)造 Agent 應(yīng)用，僅靠“寫文檔”的方式，人人能做出可解決問題的垂直 Agent
- 2.無需過度關(guān)注 Agent 工程技術(shù)細節(jié)，憑借通用 Agent 智能，Skill Agent 能夠自適應(yīng) Skill 設(shè)計中所缺失的代碼、功能邏輯，甚至是自行在運行中克服 bug（雖有性能影響）。做 Demo、MVP、甚至小 Agent 應(yīng)用，驗證產(chǎn)品價值就非常容易
- 3.而且搓出來的垂直 Agent，兼具通用 AI 智能，有極其靈活的邊界問題與個性化處理能力，智能上限極高。
那么，我們該如何開始使用 or 制作第一個 Skill？
1?? 教程：我該如何使用 Skills？（Claude Code 版）
如果你已經(jīng)會了，可跳過此部分；
也可以把這大概率是全網(wǎng)最詳細的 Skills 教程，轉(zhuǎn)給初學(xué)的小伙伴們
使用 Skills 的方式很多，我先推薦一種自己用最多的本地方法，Claude Code（簡稱 CC）。
注意：只是使用工具，Claude 模型并非必需
BTW：codex、cursor 等工具也逐步在支持 skill 的使用，有興趣可以自行探索。
開個玩笑：
- Claude Code 是 Anthropic 推出的 coding 工具 ?
- Claude Code 是 Anthropic 自己都沒想到的通用 Agent 框架 ?
CC 能做的事情遠不止 AI Coding：它能代替我們操作電腦，包括搜索網(wǎng)頁、操作瀏覽器、訪問文件，以及使用電腦底層命令、運行 python 腳本等行為。
這就意味著 CC + Skills，就等于跑在自己電腦上的垂直 Agent。通過安裝或自行創(chuàng)建不同的 Skills，就可以完成：
- 搜索網(wǎng)絡(luò)信息，總結(jié)感興趣的資訊日報；
- 自動化翻閱項目文件夾，輸出項目復(fù)盤文檔；
- 以及其他不同的 Agent 任務(wù)。
使用方法其實并不復(fù)雜，只是需要一些耐心：
Step 1：安裝 Claude Code
如果從未安裝過 Claude Code，請打開「終端/命令行」工具：
- 遵循官方安裝指引 https://code.claude.com/docs/en/quickstart-install-recommended ，完成 Claude Code 安裝。
- 推薦直接把官方指引鏈接，按以下 Prompt 發(fā)給任意 AI（ChatGPT、Kimi 都行），讓它一步步教你。
我是電腦小白，參考以下信息，一步步指導(dǎo)我在【Mac/windows/linux】終端中安裝該程序：【此處粘貼替換為官方安裝指引文本】
當(dāng)我遇到疑惑或報錯時，我會把終端的日志發(fā)給你，請幫我解決。AI 就會這樣教你安裝：
遇到問題就截圖給它，基本都能教你解決。
安裝后，終端里輸入claude --version，看到版本號，則這一步安裝成功。
Step 2：如果不用 Claude 模型，請?zhí)鎿Q模型
現(xiàn)在大部分國產(chǎn)模型都已經(jīng)支持了 Skill 的使用與創(chuàng)建。
? 你可以用「模型名稱 + Claude Code」的關(guān)鍵詞去網(wǎng)上搜索模型廠商官方的 Claude Code 模型接入教程。
目前比較推薦的是 GLM 4.7、Kimi K2-thinking 或新版本。
發(fā)送以下 Prompt 給 AI 對話，就能得到詳細的人話指導(dǎo)了：
我是電腦小白，指導(dǎo)我根據(jù)【替換為教程鏈接】，并替換 claude code 內(nèi)的模型。Claude Code 已經(jīng)裝好了
? 另外，也有一些好用的 Claude Code 模型管理工具，比如「CC Swtich」，項目地址為 https://github.com/farion1231/cc-switch
同樣打開 AI，發(fā)送以下 Prompt，就能學(xué)會如何使用：
我是電腦小白，指導(dǎo)我如何安裝【項目地址】，并替換 claude code 內(nèi)的模型，我要用的是【模型名稱】Step 3：安裝并使用 Skills
正式使用 Claude Code 之前，建議在任意目錄下創(chuàng)建一個空文件夾，比如叫 test，再在終端內(nèi)切換到對應(yīng)文件目錄：
然后在終端輸入claude，就可以啟動 CC 了，看到下圖就是啟動成功了
這一步能把 Claude Code 的后續(xù) AI 行為，都局限在該目錄，減小對本地電腦其他文件的影響。
? 在安裝 Skill 之前，你需要先獲取需要的 Skill 文件包。
比如官方 Skills 倉庫：https://github.com/anthropics/skills/tree/main，里面就有很多已經(jīng)做好的 Skills。
你可以讓 CC 替你自動安裝 Skill，比如在 CC 中發(fā)送 安裝 skill，skill 項目地址為：
? 也可以手動下載 Skill，把文件包解壓后，放在 skills 安裝目錄下：
可以在當(dāng)前項目文件夾的/.claude/skills/目錄下，放入要安裝的 skill 文件包：（如圖為正確的項目 skills 路徑配置）
也可以選擇全局目錄～/.claude/skills/（所有項目都能共享放在全局目錄的 Skill）
? 完成安裝后，記得重啟 CC 退出終端再打開就行，或者雙擊 ctrl+c 終止 CC 進程）
??
要使用 Skill 時，
只要在裝好后的 CC 中，發(fā)送開始使用 ，
或者用戶消息與 skill 元數(shù)據(jù)的描述匹配，
就能自動調(diào)用 Skills，執(zhí)行任務(wù)。
之前實驗 AI-Partner Skills 分享過的 step by step 教程，能進一步體驗復(fù)雜 Skill 的智能上限。非常細致，值得參考：
怎么找到好用的 Skills 呢？
你應(yīng)該也看出來了，在面向 to C 用戶（也就是自己日常使用）時，以上的方法有兩個問題：
- 使用步驟確實比日常的 APP 復(fù)雜不少
- 比較難找到想用的 Skills
常規(guī)方法是找規(guī)模比較大的第三方 Skills 市場：https://skillsmp.com/zh
但不難發(fā)現(xiàn)，現(xiàn)有大部分的 Skills 公開市場，沒有完善的評價和精選體系，所有 Skill 缺少合理的分類與排序機制，導(dǎo)致很難找到需要的 Skills。
可以看到僅靠 star 排序，是非常難找到合適的精選 Skill 的
付鋮他們的 Mulerun 最近就在研究解決這個問題，順手給他們恰逢其時地推薦一下：
- 他們在打造全球性的 Agent 市場，支持創(chuàng)作者在平臺上開發(fā)并上架 Skill、N8N 等形式的 AI Agent
- 他們會幫助 Agent 創(chuàng)作者做全球分發(fā)、增長（類似 Agent 向的 APP Store），且上架 Mulerun 后，Agent 能被其他用戶付費使用
- Mulerun 也即將支持 Agent Skills 生態(tài)，還會有個好功能：一鍵運行并測試 github上公開的 skill repo（也就是省掉了 CC 那樣配置 Skill 的步驟）
- 另外，還會引入自動評分、精選的 Skills 發(fā)現(xiàn)機制，幫助用戶能夠更好地找到自己需要的優(yōu)質(zhì) Skills
2?? 如何制作一個 Skill？
好，話說回來。
如果你按照上文，學(xué)會了 Skill 安裝與使用，那制作第一個 Skill 將會無比容易。
我們需要用到 Anthropic 官方的一個 skill：skill-creator
顧名思義，用來幫你自動開發(fā) Skill 的 Skill（我的 AI-Partner 和 Article-Copilot Skills 也都借助了這個 skill，大幅提升開發(fā) skill 的效率）
? 首先是安裝 skill-creator，skill 項目地址在：https://github.com/anthropics/skills/tree/main/skills/skill-creator，安裝過程一如上面的教程，請 CC 來幫忙自動安裝：
? 安裝完成后，即可調(diào)用 skill-creator 自動創(chuàng)建需要的 skill。
比如，發(fā)送創(chuàng)建需求給 CC：
CC 自動調(diào)用 skill-creator，編寫 SKILL.md 與 pdf2word 腳本
最終提示創(chuàng)建成功：
你也可以試著：
- “創(chuàng)建 skill，能按照我寫文章的行文風(fēng)格寫文章”
- “創(chuàng)建 skill，能自動整理近期 XX 領(lǐng)域的新聞日報”……
如何安裝自己做好 skill ？
這種方式做出來的 skill，會默認是xx.skill格式，會與 zip 或文件夾格式略有區(qū)別。是 skill-creator 創(chuàng)建的 skill 壓縮格式。
告訴 CC 指定 .skill 的文件地址，要求 cc 直接安裝 skill 即可：
如果是文件夾或者 zip，那就按上文的介紹，手動解壓放到對應(yīng) skills 目錄即可。
【進階】如果你需要精調(diào) skill，或者想完全手寫一個 skill？
更細節(jié)的 Skill 規(guī)格設(shè)計說明，請參考：https://agentskills.io/specification#skill-md-format
BTW：Mulerun 本月也會開始內(nèi)測 Agent Builder 功能，會著重用到 skill，對 skill 開發(fā)方法進一步優(yōu)化。
如果你想討論 skill，可以去他們的社區(qū)：https://community.mulerun.com/t/topic/73 ，已經(jīng)積累了一些開發(fā)者討論（付鋮回頭記得請我吃飯啊喂）
三、什么時候應(yīng)該用 Skills？
概念、價值、教程，都講完了，但更重要的問題是：
什么場景值得“用 Skill 來解決”、“開發(fā)一個 Skill”？
這個問題對于普通用戶優(yōu)化 AI 工作流程，開發(fā)者找 Skills Agent 創(chuàng)業(yè)機會，同樣重要。
根據(jù) Anthropic 官方博客建議，與我的實際理解，梳理了 3 種明顯的時機：
1?? 發(fā)現(xiàn)自己在向 AI 反復(fù)解釋同一件事
最典型的信號是：為了完成某個任務(wù)，在多輪對話中，需要不斷向 AI 解釋一件事應(yīng)該怎么做。
比如：
“幫我寫一份技術(shù)文檔”
“不對，我們公司的技術(shù)文檔格式是這樣的……”
“還有，代碼示例要按這個模板來……”
“上次不是說了嗎，章節(jié)標(biāo)題要三級標(biāo)題……”
“幫我分析這個數(shù)據(jù)”
“先把 ＞ XX 的異常值篩掉”
“不對，應(yīng)該用中位數(shù)，不是平均值”
“圖表要按我們公司文檔的配色方案……”
這時候就該想到：與其每次都解釋一遍，不如把這些規(guī)則打包成一個 Skill，一次創(chuàng)建永久復(fù)用。
2?? 某些任務(wù)需要特定知識、模板、材料才能做好
有時候是 AI 的通用能力夠了，但缺“特定場景的知識材料”。
典型場景：
- 技術(shù)文檔寫作：需要參考代碼規(guī)范、術(shù)語表，使用文檔模板
- 品牌設(shè)計：需要參考品牌手冊、色彩規(guī)范，使用 Logo 資源
- 數(shù)據(jù)分析：需要參考指標(biāo)定義、計算公式，使用報表模板……
這些都是「通用 Agent + 垂直知識」的典型場景：人提供材料，Agent 才能具備場景 Context。
在 Skill 包里放對應(yīng)的知識材料，比如把模板、規(guī)范、案例放到 Skill 的assets/、reference/目錄，或者直接描述在SKILL.md中，
Agent 就能一次性輸出符合任務(wù)需要的精準結(jié)果。
3?? 發(fā)現(xiàn)一個任務(wù)要多個流程協(xié)同完成
有些任務(wù)更加復(fù)雜，往往需要“組合多個流程”才能完成。
- 競品分析報告：檢索競品數(shù)據(jù) + 數(shù)據(jù)分析 + 制作 PPT
- 內(nèi)容生產(chǎn)：收集參考資料 + 學(xué)習(xí)風(fēng)格 + 大綱協(xié)作 + 正文寫作
我相信你的工作環(huán)境里也有很多這種任務(wù)。
把這類任務(wù)中每個環(huán)節(jié)的指令文檔、可執(zhí)行腳本、參考材料、可用資源打包成單個或多個 Skill 也是不錯的 AI 解決方法。
讓Agent 根據(jù)任務(wù)描述，智能調(diào)用不同的 Skill 模塊，通過“規(guī)劃-執(zhí)行-觀察”的交錯式行動，一次性完成原本需要多個流程協(xié)同完成的復(fù)雜任務(wù)。
寫到這里，回到開頭那個判斷：Claude Skills 的價值，還是被大大低估了。
Skills 是 Agent 的靈魂，就像 Steam 游戲 + 創(chuàng)意工坊一樣。
有了這種可擴展性極強的設(shè)計架構(gòu)，Agent 開發(fā)者完全能巧借通用 Agent 內(nèi)核，
只需關(guān)注 Skills 本身的設(shè)計，就能低成本創(chuàng)造兼具通用 AI 智能上限的垂直 Agent 應(yīng)用。
對于Agent 創(chuàng)業(yè)者，乃至非技術(shù)的領(lǐng)域?qū)＜襾碚f，Skills 無異代表了很多的新機會：
垂直 Agent 工具，如果按傳統(tǒng)方式開發(fā)，周期至少數(shù)周。
但用 Skill 的方式，幾小時甚至幾分鐘就能測試起來，且智力與能力上限也有機會直逼通用 Agent。
??
這不是說 Agent Skill 必然全面替代傳統(tǒng)開發(fā)。
兩種方式各有適用場景，但 Skill 確實讓更多人、更多場景接入 Agent 能力變得更為可行：
- 不必為了一個內(nèi)部小工具開發(fā)完整產(chǎn)品，打包個 Skill 就能解決
- 不必說服 IT 團隊理解你的需求，自己就能創(chuàng)建工具
- 不必等待產(chǎn)品迭代，你可以隨時調(diào)整 Skill 的行為
從這個角度看，Skill 更是降低了驗證想法的成本。
另外再換一個思路：把 Skill Agent 服務(wù)打包為 AI API，是不是也能快速給已有的產(chǎn)品賦上好用的 AI 能力？
現(xiàn)在還是 Skill 生態(tài)的早期，Agent Skills 開放標(biāo)準發(fā)布不到 1 個月，工具在完善，社區(qū)在成長。
但這個方向有意思的地方在于，終于能讓更多人、組織、行業(yè)參與 AI 應(yīng)用的創(chuàng)造了。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
