Claude Skills这个功能，我已经关注了相当长一段时间

早在10月份刚发布时，我就曾撰文分析，当时给出的判断是"AI Native的门槛进一步降低"。经过这几个月的实际使用，这个判断依然成立，但我的理解已经更加深入。

在Claude Code中，我开发了数十个Skills，主要应用于写作和开发工作流程。最显著的感受是——它让Claude实现了真正的按需加载机制。

以往每次开启新的对话，都需要重复输入大量指令："请按照XX格式""务必包含XX内容""不要忘记XX要点"。这种做法既繁琐，又大量消耗Token。

现在完全不需要了。将规则预先编写完毕，Claude平时只需记住"有这样一本手册"，大约占用100个tokens，只有在真正需要时才会打开查阅。官方将这种机制称为渐进式披露。

Skills、MCP、Sub-agents的区别究竟是什么？

这个问题被反复问及。起初我也感到困惑，深入研究后才理清了脉络。

最直观的理解方式如下：

MCP让Claude能够连接外部系统：无论是访问数据库、调用API，还是读取文件，都属于MCP的职责范围。

Skills告诉Claude连接后如何使用：拿到销售数据后如何计算增长率，应该生成什么格式的报告，这些是Skills的工作范畴。

简而言之，MCP提供工具，Skills教授工具的使用方法。两者是协同配合的关系。

那么Sub-agents呢？

Sub-agents相当于派遣一个人去独立完成任务，开启新的对话窗口，完成后将结果带回来。Skills则不同，它是在当前对话中为自身增强能力。

可以这样理解：Skills是安装技能包，Sub-agents是派遣助手。

当任务复杂度较高、执行时间较长时，适合使用Sub-agents。例如审查整个代码仓库，你显然无法一直等待结果。

为什么有人认为Skills比MCP更重要？

Simon Willison曾撰写分析文章，指出Skills可能比MCP更为关键。

理由非常直接：Token消耗差距过于悬殊。

GitHub官方的MCP服务器，单独运行就要消耗数万个tokens——因为需要将所有能力描述预先加载进内存。而Skills平时只加载约100个tokens的元数据，仅在需要时才加载详细内容。

此外，Skills的使用门槛显著更低。一个Markdown文件加上可选的脚本文件，就构成一个Skill。无需搭建服务器，无需配置JSON。

只要你擅长编写文档，就能编写Skills。我认为这一点至关重要。

功能对比表

临时性任务使用Prompts，重复性工作流程使用Skills，需要连接外部系统时使用MCP，复杂且独立的任务选择Sub-agents。

谁更需要这个功能？

主要有三类人群：拥有固定工作流程的、团队协作需求的、Token消耗较大的。

我自己主要将其用于写作流程——创作流程管理、风格指南维护、个人素材库整合。以前每次撰写文章都需要手动加载相关资料，现在将其打包为Skills，可以自动按需调用。

白皮书包含哪些内容？

为了帮助大家更系统地理解这一技术，我与Claude Code合作撰写了一份长达82页的白皮书。

涵盖内容：

• 核心概念和技术架构

• Skills vs MCP vs Prompts vs Sub-agents的对比

• 在不同平台使用Skills

• 真实案例（Sionic AI怎么用Skills管理ML实验）

• 局限性和安全风险

• 未来展望

你可以根据需要选择性查阅，也可以直接将PDF文件发送给Claude，让它为你提供个性化的解读。

不过需要说明的是

如果你还未完全理解Skills，也不必感到焦虑。就像之前的MCP一样，热潮过后，真正留存并持续使用的其实寥寥无几。

技术迭代速度过快，谁都难以预测下一个替代Skills的会是什么。保持学习热情、保持好奇心就足够了。

最简单的入门方式

在 ~/.claude/skills/ 目录下创建一个文件夹，编写SKILL.md文件，重启Claude Code，即可开始使用。

白皮书中有完整的创建流程和模板，亲手操作一次，比阅读十遍文档更加有效。

如何获取白皮书？

转发并点赞本文，在公众号后台回复「skills」，即可获取完整文档。