用 AI 写代码、做分析的时候，你有没有过这种感觉：

• 每次都要复制粘贴一长串提示词
• 好不容易调好的 prompt，下次又要重新输一遍
• 想让 AI 按固定流程做事，但每次都要重新讲一遍规则

说实话，这种"重复劳动"真的很浪费时间。

好消息是：Claude 的Skills功能现在逐渐强大，他可以把你的工作流程封装起来，后面只要一句话就能调用。

就像我最近在搭"文章改写 skills"的时候发现的：以前每次改文章都要重新说一遍"保持我的风格、融入过往案例、优化 SEO"，现在直接说"用 article-rewriter 改写这篇"就完事了。

这篇文章就来聊聊：Skills 到底是什么、为什么值得搭、以及怎么快速搭一个。

---

01. Skills 是什么？用大白话说清楚

根据 Anthropic 官方的说明，Skills 就是针对某一类工作的"专家系统"。

你可以把它理解成：

把一套完整的工作流程（包括指令、文档、工具脚本）打包成一个文件夹，Claude 在需要的时候会自动加载，帮你按标准流程完成任务。

举个例子：

假设你经常要做"广告投放分析"，每次都要：

1. 读取数据
2. 按固定维度做对比
3. 输出标准格式的报告

以前你得每次跟 AI 说一遍这三步。

现在你可以把这三步写成一个 ad-analysis skill，里面包含：

• 分析流程的详细说明
• 输出示例
• 可能还有连接数据库的脚本

后面你只要说：“用 ad-analysis 帮我分析这组数据”，AI 就会按你定义好的标准流程执行。

核心价值就一句话：把重复的提示词变成可复用的工作流。

---

02. 为什么要搭 Skills？

1）提高效率，减少重复输入

这个不用多说，谁都不想每次复制粘贴几百字的 prompt。

更关键的是：当你把一个流程封装成 skill 之后，你的注意力可以从"怎么跟 AI 说话"转移到"怎么做好这件事"。

2）保证输出质量的一致性

如果你做过产品或者写过文档，就知道"标准化"有多重要。

以前你可能今天让 AI 这么写报告，明天又换个说法，结果输出格式五花八门。

搭好 skill 之后，每次输出都按同一套标准来，质量稳定很多。

3）Skills 可以放文档、工具、甚至 API 调用

这个是我觉得最强的地方。

Skills 不只是一段文字提示词，它是一个文件夹，里面可以放：

• 参考文档（比如你的产品 PRD、设计规范）
• Python 脚本（比如数据清洗、API 调用）
• 输出示例（告诉 AI 什么叫"符合标准"）

就像我在写 Vibecoding PRD 那篇提到的：把业务逻辑、流程、参考资料都整理清楚，后面执行起来又快又准。

Skills 本质上就是把这套思路用在 AI 工作流上。

---

03. 怎么搭建一个 Skills？（三步走）

第一步：先看官方文档

链接在这：https://code.claude.com/docs/zh-CN/skills

任何产品的最佳使用方法，产品经理都会写在文档里。看文档是个好习惯，能少踩很多坑。

第二步：跟 AI 讨论你要做的 skill

这一步是核心，也是最花时间的。

你需要：

1. 清楚地描述你的业务场景
2. 告诉 AI 你希望这个 skill 做什么、输出什么
3. 让 AI 帮你设计工作流程和文件结构

就像我搭"文章改写 skills"的时候，我先跟 AI 说清楚：

• 我的文章风格是什么样的
• 改写时要保留哪些特点
• 需要融入哪些过往案例
• 最终输出要包含哪些部分（改写文章 + 分析报告）

然后 AI 会给我一个初版，我再根据实际使用反馈调整，来回几轮就差不多了。

关键是：你得真正懂你的业务场景，才能把需求讲清楚。

现在越来越感觉，深耕在垂直领域的人 + AI 的加成，真的会很吃香。

第三步：解决"触发准确性"的问题

这是很多人容易忽略的点。

Skills 能不能被准确触发，取决于两件事：

1）description 的质量

在 skill 文件里，有个 description 字段，Claude 会根据这个描述判断"这个 skill 适不适合当前任务"。

这不是简单的关键词匹配，而是 Claude 对你这个 skill "能力和适用场景"的语义理解。

所以 description 要写得足够清楚、具体，别只写"帮我分析数据"，要写成：

这个 skill 用于分析广告投放数据，包括按渠道对比转化率、计算 ROI、输出标准格式报告。

2）主动命名和唤起

除了让 Claude 自动判断，你还可以给常用的 skills 起个好记的名字，然后自己主动唤起。

比如：

• “用 ad-analysis 分析这组数据”
• “用 article-rewriter 改写这篇文章”

这样就不用担心触发不准确了，直接指定就行。

这两个方法可以结合用：日常工作让 Claude 自动选，重要任务自己指定。

---

04. 一个小建议：先做个"需求澄清"的 skill

这是我自己踩过的坑。

AI 不太会主动否定你的想法，背景信息不够全面的时候也不太会反问你。

结果就是：你以为 AI 懂了，其实它理解的跟你想的不一样。

所以我做了一个"需求澄清"的 skill（类似 smart skill），现在基本确认需求、检查 bug 都会用它。

它的作用就是：

• 重复并理解你的需求
• 如果信息有缺失，会让你补齐
• 你可以趁机确认它的理解是否准确

这样双方理解一致了，后面才能更好推进。

---

05. 小结

Skills 本质上就是把你的工作流程、业务逻辑、领域知识封装起来，让 AI 可以按标准执行。

如果你经常用 AI 做一些重复性的工作，非常建议试试搭几个 skills：

• 减少重复输入提示词的时间
• 保证输出质量的一致性
• 把注意力放在"做好事情"而不是"跟 AI 说话"上

最后，如果你看到这里，欢迎分享：

• 你平时用 AI 做哪些重复性工作？
• 你觉得哪些场景适合做成 skills？