Claude Skills 是 Anthropic 推出的模块化能力扩展方案，核心是通过 “文件系统封装 + 渐进式披露”，为 Agent 注入标准化的领域 SOP（流程化知识），解决传统 Agent“领域知识零散、上下文占用过高、能力复用难” 的痛点，已成为工业级 Agent 的核心标配能力。以下从定义、核心机制、与 MCP 的协同，到智能导购助手的落地，展开全维度解析。

一、核心定义

Claude Skills 是运行在 Claude 沙盒虚拟机（VM）中的模块化知识包，每个 Skill 封装 “元数据 + 指令 + 资源” 三要素，本质是向 Agent 注入 “确定性领域知识” 的标准化方案 —— 无需修改 Agent 核心逻辑，即可让其快速具备专业能力（如 PDF 处理、表单填写、商品导购）。

Anthropic 官方文档给出了 Agent Skills 的定义：

Agent Skills are modular capabilities that extend Claude’s functionality. Each Skill packages instructions, metadata, and optional resources (scripts, templates) that Claude uses automatically when relevant.

智能体技能（Agent Skills）是一种模块化的能力，用于扩展 Claude 的功能。每个“技能”都封装了相应的指令、元数据和可选资源（例如脚本、模板）。当场景匹配时，Claude 会自动调用这些技能来完成任务。

1. 三大核心组成要素（从抽象到具体）

组成要素	核心内容	作用	示例（PDF 处理 Skill）
元数据	Skill 名称、描述、标签	帮助 Agent 快速识别 “该 Skill 适配什么场景”	name: pdf-processing；description: 提取PDF文本/表格、合并文档
指令	具体操作流程、SOP、使用规范	告知 Agent “如何执行该技能”	用pdfplumber提取文本的步骤、表单填写指南
资源	可选辅助文件（脚本、模板、参考文档）	提供工具支持，避免重复编码	fill_form.py脚本、FORMS.md高级指南

2. 物理结构：文件夹化组织

每个 Skill 对应一个独立文件夹，支持嵌套子 Skill，形成层级化知识体系，示例结构如下：

pdf-skill/
├── SKILL.md  # 元数据（YAML头）+ 核心指令
├── FORMS.md  # 扩展指令（表单填写高级指南）
├── REFERENCE.md  # API参考文档
└── scripts/  # 资源文件夹
    └── fill_form.py  # 可执行脚本（表单填写工具）

二、核心机制：渐进式披露（Progressive Disclosure）

Claude Skills 的关键创新是 “按需加载知识”，而非一次性塞入上下文，极大降低 Token 消耗，同时保证 Agent 聚焦当前任务，具体分三层加载：

1. 第一层：元数据（始终加载）

• 加载时机：Agent 启动时自动加载所有 Skill 的元数据；
• 内容：仅包含名称、描述、标签，约占用 100 Token；
• 作用：Agent 快速匹配场景（如用户提 “PDF 提取”，自动关联pdf-processing Skill）。

2. 第二层：核心指令（触发时加载）

• 加载时机：Agent 判断场景匹配后，通过 Bash 工具读取SKILL.md主体内容；
• 内容：具体操作流程、基础 SOP（如 “用 pdfplumber 提取文本的代码片段”）；
• 作用：Agent 掌握该 Skill 的核心执行逻辑，无需冗余知识占用上下文。

3. 第三层：资源与代码（按需加载）

• 加载时机：Agent 执行过程中需要高级功能时（如 “复杂表单填写”）；
• 内容：读取扩展文档（FORMS.md）或执行脚本（fill_form.py）；
• 关键优势：脚本代码永不进入上下文，仅返回执行结果（如 “表单填写成功”），避免 Token 浪费。

核心价值：通过 “分层加载”，将一个复杂 Skill 的 Token 占用从 “数千” 压缩至 “百级”，同时保证 Agent 仅获取当前所需知识，不被冗余信息干扰。

三、与 MCP 的关系

Claude Skills 与 MCP（Model Context Protocol）并非竞争关系，而是工业级 Agent 的 “左膀右臂”，分工明确且协同高效：

对比维度	Claude Skills	MCP（Model Context Protocol）
核心定位	内部领域知识包（SOP、流程、专业规则）	外部工具连接标准（API、服务、数据库）
作用范围	解决 “Agent 懂什么”（知识注入）	解决 “Agent 能调用什么”（工具扩展）
运行环境	Claude 沙盒 VM（文件系统）	跨平台通用协议（支持多 AI / 多工具）
典型场景	PDF 处理、商品导购 SOP、表单填写规则	调用 Jira、Stripe、商品数据库 API

▶ 协同逻辑：Claude Skills 为 Agent 提供 “做事的方法”（如导购需 “询问顾客参数→匹配商品” 的 SOP），MCP 为 Agent 提供 “做事的工具”（如调用商品数据库检索），二者结合实现 “有知识 + 有工具” 的完整 Agent 能力。

四、Claude Skills 的实现方式：官方方案 + 第三方适配

1. 官方方案（Anthropic 开源）

基于文件系统的文件夹结构，通过SKILL.md封装三要素，支持 Claude 网页端、API、Claude Code 直接使用，示例SKILL.md头部元数据：

---
name: pdf-processing
description: 提取PDF文件中的文本和表格，填写表单，合并文档。当处理PDF文件或用户提及PDF、表单或文档提取时使用。
tags: [pdf, document, text-extraction]
---
# PDF处理技能
## 快速入门
使用`pdfplumber`提取PDF文本：
import pdfplumber
with pdfplumber.open("document.pdf") as pdf:
    text = pdf.pages[0].extract_text()
## 高级功能
如需填写表单，参阅[FORMS.md](FORMS.md)；
如需执行批量处理，运行scripts/fill_form.py脚本。

2. 第三方适配（支持非 Claude Agent）

开源项目openskills提供通用实现，无需依赖 Claude 沙盒，支持 Qwen Code、Codex 等 Agent，核心思路：

• 将 Skills 写入AGENTS.md，通过 Bash 命令openskills read [skill-name]调用；
• 示例调用逻辑（Python）：

def call_skill(skill_name: str) -> str:
    # 通过Bash读取Skill指令
    result = subprocess.run(
        ["openskills", "read", skill_name],
        capture_output=True,
        text=True
    )
    return result.stdout  # 返回Skill核心指令，注入Agent上下文

五、落地实践：用 Claude Skills 构建主动式智能导购 AI 助手

结合 Multi-Agent 架构与 Claude Skills，可快速构建 “主动询问→参数收集→商品匹配→精准推荐” 的智能导购助手，核心思路是 “Skill 模块化 + MCP 工具调用”：

1. 导购助手的 Skill 设计（模块化拆分）

按导购流程拆分 3 个核心 Skill，每个 Skill 独立封装，支持复用与迭代：

shopping-assistant-skills/
├── 01-parameter-collection/  # 参数收集Skill
│   ├── SKILL.md  # 元数据+询问SOP（如“主动问商品类型、预算、参数”）
│   └── templates/  # 资源：询问话术模板（如“请问你需要什么类型的商品？预算多少呢？”）
├── 02-product-matching/  # 商品匹配Skill
│   ├── SKILL.md  # 元数据+匹配规则（如“预算优先→参数匹配→销量排序”）
│   └── scripts/  # 资源：匹配算法脚本（match_products.py）
└── 03-recommendation/  # 推荐话术Skill
    └── SKILL.md  # 元数据+推荐SOP（如“突出商品参数匹配点、售后保障”）

2. 核心工作流程（结合渐进式披露 + MCP）

1. 场景匹配：用户进入导购页面，Agent 加载所有 Skill 元数据，匹配 “商品导购” 场景；
2. 参数收集：触发parameter-collection Skill，加载核心指令（询问 SOP），按模板主动收集用户需求（商品类型、预算、关键参数）；
3. 商品匹配：参数收集完成后，触发product-matching Skill，加载匹配规则，通过 MCP 调用商品数据库 API，执行match_products.py脚本（脚本不进上下文，仅返回匹配结果）；
4. 精准推荐：触发recommendation Skill，加载推荐 SOP，结合匹配结果生成个性化推荐话术，完成闭环。

3. 核心优势（对比传统导购 Agent）

• 知识复用：Skill 可独立迭代（如更新商品匹配规则，仅修改02-product-matching Skill）；
• 上下文优化：分层加载使单轮对话 Token 占用降低 60%，避免参数收集、匹配规则等冗余知识堆积；
• 灵活扩展：新增 “售后咨询” 功能时，仅需添加04-after-sales Skill，无需重构 Agent 核心逻辑。

总结

Claude Skills 的核心价值是 “让 Agent 快速具备领域专家能力”—— 通过模块化封装、渐进式披露，解决了知识注入的 “高效性” 与 “复用性” 问题，搭配 MCP 的外部工具连接能力，构成工业级 Agent 的完整技术栈。在智能导购、客户服务、文档处理等场景中，这种 “知识 + 工具” 的协同模式，能大幅降低 Agent 开发成本，提升场景适配速度。

资料链接：

Anthropic 在 GitHub 上开源了一系列的 Agent Skills：https://github.com/anthropics/skills/blob/main/theme-factory/SKILL.md

专家知识包：https://github.com/obra/superpowers/tree/main/skills

参考文章：https://mp.weixin.qq.com/s/bwFGcomH6BfkBzhFMiiH1g