← Academic Skills原文
Skills 方法论 · 2026-03-01

火爆全网的Skills,看这一篇就够了!

---

近年来,大模型Skills技术在人工智能领域备受关注,其工程化应用价值已逐渐比肩模型上下文协议MCP。本文旨在系统性地解析 Claude Agent Skills 的核心原理、与现有技术的差异,并提供详细的使用与开发指南。

一、 什么是 Skill?

在理解 Claude Agent Skills 之前,我们可以将“Skill(技能)”定义为执行特定任务的方法论。以打网球为例:面对飞来的网球,运动员需要跑位、并在恰当的时机以合适的力度击球,以确保球落在界内。这一整套操作逻辑即为“技能”。

在人工智能领域,Skills 是引导大模型按照特定方法论执行任务的机制,可被视为“高度结构化的提示词”。一个完整的 Skill 通常由以下三个核心组件构成:

元数据: 包含对该技能的简要描述。它驻留在全局上下文中,由于占用空间极小,能够有效节省 Token 消耗。

行动指南: 这是技能的核心指令部分,明确规定了 AI 在执行任务时的具体步骤和规范。

资源文件: 技能的执行载体。它可以包含 Python 脚本或其他可执行程序,确保模型在调用该 Skill 时能够完成复杂的操作逻辑。

Skills 的核心优势在于其采用了 渐进式披露机制。通过分层加载信息,该机制既能确保 AI 在必要时获取所需的知识,又能最大化地提升上下文的利用效率。

二、 Skills 与 MCP 的区别

在 AI 工程实践中,Skills 与 MCP(Model Context Protocol)常被提及。两者的核心区别如下:

MCP 侧重于“连接”: 赋予 AI 访问外部世界如文件系统、数据库、API的能力。

Skills 侧重于“方法论”: 教授 AI 如何完成某类特定任务。

详细对比:

Skills 应用场景: 聚焦于工具处理和完整的方法论应用。例如:处理复杂文档、系统设计或文章撰写。其输入和输出多为自然语言,优势在于灵活、易读且易于维护。

MCP 应用场景: 聚焦于深度集成外部系统,适合自定义的上传、下载、推送等流程。其擅长工具化操作,输入输出通常为结构化数据如 JSON 参数,优势在于可组合、可测试和可缓存。

协同关系:

两者并非替代关系,而是互补关系。对于普通用户的日常任务,单独使用 Skills 通常即可满足需求;而在复杂的企业级场景或跨平台自动化分发任务中,采用 Skills + MCP 的组合架构能够实现更稳定、高效的输出。

三、 核心概念的工作流整合

为了更清晰地理解 AI Agent 的完整工作逻辑,我们可以将以下四个核心概念串联起来:

Prompt: 用户通过自然语言向 AI 下达的明确需求与目标,是启动任务的信号。

Skills: AI 根据指令,从专业能力库中调用的封装流程与知识如代码规范、数据分析框架)。

Projects: AI 推进任务的持久化专属空间,全程保留背景资料与中间成果,避免上下文丢失。

MCP: AI 通过标准化接口安全接入外部资源如数据库、企业云盘的执行桥梁。

总结: Prompt 是“需求指令”,Skills 是“专业流程”,Projects 是“专属空间”,而 MCP 是“连接现实世界的桥梁”。

四、 Skills 的配置与使用指南

1. 在 Cursor 中使用 Skills

在 Cursor 开发环境中配置 Skills 仅需以下四个步骤。当然一切前提是安装好cursor! 在 Cursor 软件中,点击顶部菜单栏的 Terminal -> New Terminal,或者使用快捷键 Ctrl + `,然后在终端窗口输入以下命令。

步骤一:安装 OpenSkills 核心库

npm install -g openskills@ 1 . 2 . 1

步骤二:安装官方 Skills 库 (需确保 GitHub 访问畅通)

openskills install anthropics/skills

步骤三:环境同步。在项目根目录创建 AGENTS.md 文件,并执行同步命令:

openskills sync

步骤四:实际应用。例如,可直接调用 xlsx skills 自动生成 20 条登录注册的测试用例。

2. 在 Claude Code 中使用 Skills

步骤一:安装并启动 Claude Code

首先到claude code官网用合适的方法安装claude code。如果是Windows系统的话,可以先按win键,直接键盘输入powershell,然后在跳出的终端输入安装代码。

在终端执行以下命令进行全局安装:

npm install - g @anthropic-ai /claude-code

进入目标工程目录后,输入 claude 即可启动。注意,请确保网络环境支持访问 Anthropic 服务。否则便会跟我一样,访问失败!

步骤二:安装 Skills

自然语言安装: 直接向系统发送指令。例如:“帮我安装下 skill,项目地址是: https://github.com/anthropics/skills/blob/main/skills/pptx ”。系统将解析意图并自动完成安装。

手动安装: 下载对应的 Skill 安装包,并将其解压至本地的 .claude/skills/ 目录下。

步骤三:调用执行

直接输入提示词即可触发,例如:“用 pptx skill 创建一个关于 Claude Skills 的演示文稿”。系统将在短时间内自动生成格式良好的 PPT 文件。

3、在Vscode中使用skills

步骤一:安装 VS Code 核心插件

为了在编辑器内获得最佳体验,建议优先使用官方原生插件。

打开 VS Code,进入左侧的 Extensions(扩展) 面板。

搜索并安装 Claude Code 官方插件,标识符为 anthropic.claude-code 。

注:如果您使用的是最新版 GitHub Copilot(2025年底及之后版本),它也已经原生兼容了针对 Claude 设计的 .claude/skills/ 目录规范。

步骤二:配置全局环境与依赖

虽然您可以手动创建文件,但使用包管理工具能够极大提升效率。请在 VS Code 的集成终端( Ctrl + ~ )中执行以下命令:

node -v npm -v

结果判定:如果能看到类似 v18.x.x 这样的版本号,说明准备就绪;如果提示“找不到命令”,请先前往 Node.js 官网 下载并安装长期支持版 (LTS)。

然后全局安装 Claude Code CLI:

npm install - g @anthropic-ai /claude-code

(可选但推荐)全局安装 OpenSkills 工具,方便后续从开源社区拉取技能:

npm install - g openskills

步骤三:在项目中引入与安装 Skills

将终端路径切换到您的工作区(项目根目录),

cd D:\您的\项目\完整路径

选择以下任意一种方式引入 Skills:

方式 A:通过自然语言让 AI 自动安装 在 VS Code 侧边栏的 Claude Chat 对话框或集成终端中输入: "请帮我安装官方的代码审查 skill:https://github.com/anthropics/skills/blob/main/skills/code-reviewer"

方式 B:通过终端命令拉取 执行以下命令,工具会自动在项目根目录创建 .claude/skills 文件夹并下载官方技能包:

步骤四:在 VS Code 中验证与调用

配置完成后,您可以在日常开发中直接调用它们:

验证加载状态 :在 VS Code 的 Claude Chat 视图中,右键点击空白处并选择 Diagnostics(诊断) ,您可以清晰地看到当前已成功加载的自定义 Agent 和 Skills 列表。

直接调用 :在侧边栏聊天框或内联生成窗口中,使用自然语言明确指定所用技能。例如:

"请使用 code-reviewer skill 帮我审查当前打开的 app.ts 文件。"

"用 sql-optimization-patterns skill 优化高亮处的数据库查询逻辑。"

五、 如何创建自定义 Skills

针对特定领域的业务需求,开发专属的 Skills 至关重要。官方提供了一个高效的辅助工具: skill-creator 。

开发流程示例(以 PDF 转 PPT 为例):

首先,通过指令或手动方式将 skill-creator 安装至 ~/.claude/skills 目录。

在开发环境中启动 skill-creator ,并输入需求:“创建一个能够自动将 PDF 转换为 PPT 格式的 skill”。

工具将自动生成相应的 Metadata、Action Guide 及资源文件。

验证测试: 上传测试文件如“阿里巴巴Android开发手册.pdf”,并输入提示词:“帮我把该文档转为 PPT 格式”。验证输出文件是否符合预期。整个创建过程可在几分钟内闭环完成。

六、 高频优秀 Skills 推荐

以下推荐几款在开源社区中具有高实用价值的 Claude Skills,适合不同技术栈的开发者:

code-reviewer (多语言代码审查): 弥补人工审查标准的差异,支持自动扫描代码质量、安全漏洞及性能瓶颈,并提供修改建议。

pair-programming (AI 驱动结对编程): 提供 Driver、Navigator 等多种协作模式,支持实时代码 Review 与方法论引导,适用于 TDD 开发与重构。

sql-optimization-patterns (SQL 性能优化): 自动解读 EXPLAIN 计划,定位全表扫描等瓶颈,识别常见数据库反模式,显著提升查询性能。

dbt-transformation-patterns (数据转换实践): 提供 dbt 工程化的架构推荐与自动化测试脚本生成,适合数据分析团队使用。

senior-prompt-engineer (提示词专家): 提供 Few-shot 等 Prompt 架构设计,优化 RAG 检索策略,辅助构建复杂的自动化 Agent 工作流。

主流 Skills 获取渠道:

Anthropic 官方市场: GitHub 官方维护,提供标准化技能包。

GitHub 社区生态: 开发者主导,支持灵活自定义与持续集成。

awesome-claude-skills: 高质量技能资源集合,覆盖文档处理、数据分析等高频场景。

七、 常见问题与排错指南

在实际部署与使用 Skills 时,可能会遇到以下常见问题:

现象 可能原因 解决建议 Skill 触发不稳定 Metadata 中的 description 描述不够精准 在提示词中显式声明:“使用 [Skill 名称] 执行此任务” Token 上下文消耗过大 SKILL.md 包含过多冗余信息 将长文本提取并引用为外部文件,例如存放在 resources/ 目录下 更新版本未生效 本地缓存或文件冲突 删除旧版本对应的 Skill 文件夹后重新加载 API 调用超时无响应 缺少合理的超时机制与重试策略 1. 设置合理的请求超时阈值;2. 增加降级重试逻辑;3. 采用异步调用

八、 结语

面对日益繁荣的 Skills 生态,评估一个 Skill 价值的核心标准在于: 它是否能够切实优化您的标准作业程序(SOP),实现效率的量级提升。 建议开发者先从使用成熟的开源 Skills 入手,熟悉其运作机制后,再结合自身的业务痛点开发定制化的企业级技能包。

预览时标签不可点

微信扫一扫

关注该公众号

继续滑动看下一个

轻触阅读原文

学术AI大模型

向上滑动看下一个

知道了