Skills 是什么？

Claude Code 中的 Skills 是一种强大的功能扩展机制，它允许你将专业知识、工作流程和最佳实践封装成可复用的模块，让 AI 助手能更精准地理解并执行特定任务。

下面这个表格可以帮助你快速把握其核心概念。

特性维度	传统一次性提示词 (Prompt)	Claude Skills
知识载体	对话上下文，易丢失	文件系统中的标准化文件夹，持久化存储
复用性	低，每次新对话需重新解释	高，一次创建，多次调用，跨项目共享
知识管理	知识散落，难以维护和迭代	模块化管理，不同领域知识独立封装，易于更新
上下文使用	所有指令一次性全量加载，占用大量 Token	渐进式披露，按需分层加载，极大节省 Token
执行能力	依赖模型生成代码或文本	可捆绑可执行脚本，直接运行，结果确定且高效

核心机制：渐进式披露

Skills 的关键优势在于其“渐进式披露”的智能加载策略，这类似于查字典时先看目录，再找章节，最后查阅附录，而不是背诵整本字典。其加载过程分为三层：

1. 1. 元数据层：每个 Skill 的 SKILL.md 文件顶部包含简短的 name 和 description。Claude 在启动时会加载所有 Skills 的元数据（每个约100 Tokens），形成一个“技能目录”，用于快速匹配用户请求。
2. 1. 核心指令层：当 Claude 根据元数据判断某个 Skill 与当前任务相关时，才会加载 SKILL.md 文件的主体内容，获取详细的工作流程和规则。
3. 1. 扩展资源层：只有在核心指令明确要求时，Claude 才会去读取 scripts/ 目录下的脚本或 references/ 目录下的详细参考文档。不需要的资源完全不占用上下文。

这种机制有效解决了上下文窗口有限的问题，使得安装大量 Skills 成为可能，而不会影响核心对话的流畅性。

创建与管理 Skills

一个标准的 Skill 在物理上是一个文件夹，其典型结构如下所示：

my-skill/
├── SKILL.md          # 必需：核心指令文件，包含元数据和详细指南
├── scripts/          # 可选：可执行脚本（Python、Shell等）
│   └── helper.py
├── references/       # 可选：补充参考文档（API文档、规范等）
│   └── api.md
└── assets/           # 可选：模板、配置文件等静态资源

创建 Skill 的核心是编写 SKILL.md 文件，它采用 YAML Frontmatter + Markdown 内容的结构：

---
name: my-skill  # 技能名称，也将作为斜杠命令
description: 这个技能用于... 当用户需要...时使用。 # 关键：清晰描述功能和触发场景
disable-model-invocation: false  # 可选：是否允许Claude自动调用
---
# 技能详细指南

## 工作流程
1.  第一步...
2.  第二步...
...

根据使用范围，Skills 可以存放在不同位置：

• 个人 Skills (~/.claude/skills/)：仅限当前用户使用，适合个人工作习惯。
• 项目 Skills (项目根目录/.claude/skills/)：项目团队成员共享，适合团队编码规范、项目特定流程。
• 插件 Skills：通过 Claude Code Plugin 安装和分发，适合通用工具能力。

应用场景与最佳实践

Skills 能广泛应用于各种场景，例如：

• 规范团队流程：将代码审查清单、Git 提交规范、部署流程封装成 Skill，确保团队输出一致性。
• 处理特定文件：使用官方或社区的 pptx、xlsx、pdf 等 Skills，让 Claude 能够专业地处理办公文档。
• 封装业务逻辑：将公司内部的数据查询、API 调用规范等特定业务知识打包，让 AI 成为懂业务的专家助手。

创建高质量 Skill 的几个最佳实践包括：

• 保持聚焦：一个 Skill 只解决一类明确的问题，避免创建“万能”Skill。
• 描述清晰：description 字段务必写明具体功能和触发关键词，帮助 Claude 准确识别。
• 提供示例：在 Skill 中包含输入和输出的正反示例，能显著提升效果。

与其他技术的关系

需要区分 Skills 和另外两种常见技术：

• MCP：它好比 USB 协议，主要负责让 AI 安全连接外部工具和服务（如数据库、GitHub），解决的是“连接”问题。
• Function Calling：它相当于 工具按钮，是 AI 触发单个具体操作的机制，解决的是“执行”问题。

而 Skills 则像是完整的操作手册，它利用 MCP 建立连接，通过 Function Calling 执行步骤，指挥 AI 如何思考、如何组合步骤以完成一个复杂任务。三者是互补关系，协同工作。

 学习资源推荐

如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！​

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示

​因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

四、AI大模型商业化落地方案

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。