Claude Agent Skills 完全指南：Anthropic 重新定义 AI 智能体能力扩展

2026-02-14 11:00
40

什么是 Claude Agent Skills？

Anthropic 在 2025 年 10 月推出了 Agent Skills（智能体技能），为 Claude 引入了一套全新的能力扩展机制。简单来说，Agent Skills 是一个基于文件系统的模块化知识封装方案——你可以把特定领域的操作流程、脚本代码和参考资料打包成一个"技能文件夹"，Claude 会在需要时自动发现并加载它们。

这不是传统的"给 AI 写一段提示词"那么简单。Skills 的核心创新在于渐进式信息披露（Progressive Disclosure）——Claude 不会一次性把所有技能信息塞进上下文窗口，而是按需分层加载，从而在保持专业能力的同时最大限度节省 token 开销。

Agent Skills 的结构

一个 Skill 本质上就是一个文件夹，其中包含：
  • SKILL.md（必需）：用 Markdown 编写的核心指令文件，顶部包含 YAML 格式的元数据（名称和描述），正文是 Claude 需要遵循的具体操作指南。
  • scripts/（可选）：可执行的 Python、Bash 等脚本，用于自动化特定操作。
  • references/（可选）：按需加载的补充文档，比如 API 参考、数据字典等。
  • assets/（可选）：模板、字体、图标等输出资源。
一个典型的 PDF 处理技能目录结构如下：
pdf/
├── SKILL.md              # 主指令文件
├── FORMS.md              # 表单填充指南
├── reference.md          # API 参考
├── examples.md           # 使用示例
└── scripts/
    ├── analyze_form.py   # 表单分析脚本
    ├── fill_form.py      # 表单填充脚本
    └── validate.py       # 验证脚本

核心设计原则：渐进式信息披露

这是 Skills 最巧妙的设计，也是它区别于 MCP 和传统 Prompt 的关键。
Skills 采用三层加载机制：
第一层（YAML 元数据）：Claude 启动时只加载所有技能的名称和简要描述，每个技能仅消耗约 100 个 token。就像翻阅员工花名册，只看到"张三：财务分析专家"、"李四：品牌设计顾问"这样的简介。
第二层（SKILL.md 正文）：当 Claude 判断某个技能与当前任务相关时，才加载完整的指令内容（通常不超过 5000 个 token）。相当于把某位专家请进会议室做详细汇报。
第三层（关联文件）：SKILL.md 中引用的脚本、参考文档、数据表等，只有在 Claude 确实需要时才会按需读取。用不到的文件始终留在文件系统中，零 token 消耗。
这种架构带来一个重要优势：技能可以打包任意量级的参考资料，包括完整的 API 文档、大型数据集、详尽的操作手册——只要不被访问，就不会占用上下文空间。

Skills vs MCP：厨房类比

Anthropic 官方用了一个很形象的比喻来解释 Skills 和 MCP 的关系：
  • MCP 提供专业厨房：工具、食材、设备——也就是数据连接和外部工具调用能力。
  • Skills 提供食谱：告诉 AI 如何一步步把食材变成成品——也就是具体的操作流程和领域知识。
两者是互补而非竞争关系。你可能有一个 GitHub MCP 服务器（提供代码仓库访问能力），同时有一个"代码审查"Skill（教 Claude 按照你团队的规范做代码审查、跑测试、创建 PR 的完整流程）。
MCP 解决的是连接什么的问题，Skills 解决的是怎么做的问题。

三大核心特性

可组合性（Composability）

Claude 可以同时加载多个 Skills。你的技能应该设计成能与其他技能协同工作，而不是假设自己是唯一可用的能力模块。比如一个"数据分析"Skill 和一个"报告生成"Skill 可以在同一个任务中配合使用。

可移植性（Portability）

Skills 在 Claude.ai、Claude Code 和 API 三个平台上完全通用。创建一次技能，就可以在所有环境中无缝使用，前提是运行环境支持技能所需的依赖。

按需加载

得益于渐进式披露架构，你可以拥有数十甚至上百个 Skills，但只有当前任务真正需要的技能才会被加载到上下文中。Claude 的上下文窗口是稀缺的"公共资源"，Skills 的设计让你不必在"能力广度"和"上下文成本"之间做取舍。

Skills 与 Prompts、Projects、Subagents 的区别

特性
Skills
Prompts
Projects
Subagents
MCP
提供什么
流程性知识
即时指令
背景知识
任务委派
工具连接
持久性
跨对话持久
单次对话
项目内持久
跨会话
持续连接
包含内容
指令+代码+资源
自然语言
文档+上下文
完整 Agent 逻辑
工具定义
加载时机
按需动态加载
每轮对话
始终在项目中
被调用时
始终可用
能否包含代码
是
否
否
是
是
最适合
专业领域知识
快速请求
集中式上下文
专项任务
数据访问
一句话总结：Projects 说"这是你需要知道的"，Skills 说"这是你该怎么做"。

实际应用场景

企业工作流标准化

将品牌规范、合规流程、文档模板封装成 Skills，确保 Claude 每次生成内容都符合公司标准。据报道，日本乐天使用 Skills 将财务工作流的完成速度提升了约 87.5%。

开发者工具集成

创建代码审查 Skill、Git 提交信息规范 Skill、数据库迁移 Skill 等，让 Claude Code 按照团队约定执行开发任务。

文档自动化

Excel 公式处理、PDF 表单填充、Word 文档编辑——Anthropic 自身的多格式文档编辑能力（.xlsx、.docx、.pdf、.pptx）就是通过 Skills 实现的。

个人效率提升

把你常用的笔记系统、研究方法、数据分析流程封装成 Skills。不再需要每次新对话都重复解释"请用 Python 的 plotnine 而不是 R 的 ggplot"这样的偏好设置。

如何创建你的第一个 Skill

在 Claude.ai 上

  1. 进入 Settings → Features，启用 Skills
  1. 创建一个项目，开始编写你的第一个 Skill

在 Claude Code 上

在个人技能目录创建文件：
mkdir -p ~/.claude/skills/my-first-skill
编写 SKILL.md：
---
name: my-first-skill
description: 描述你的技能做什么，以及什么时候应该使用它。
---

# 技能标题

## 快速开始

在这里写你的操作指南...

通过 API

使用 Messages API 的 container 参数指定 Skills，配合 code-execution 和 skills beta headers 即可。

编写高质量 Skills 的最佳实践

保持精简：SKILL.md 正文建议控制在 500 行以内。Claude 已经很聪明了，只写它不知道的内容。
描述要具体：description 字段是 Claude 决定是否加载技能的关键。要同时写清楚"做什么"和"什么时候用"。
用第三人称：描述中用"处理 Excel 文件并生成报告"而非"我可以帮你处理 Excel 文件"。
避免深层嵌套：引用文件保持一级深度，避免 SKILL.md → A.md → B.md 的链式引用。
先写评估再写文档：用实际任务测试 Claude 的表现，找到真正的能力缺口，再针对性编写 Skill 内容。
包含反馈循环：对关键操作加入"运行验证→修复错误→重新验证"的循环机制。

开放标准与生态展望

Anthropic 已将 Agent Skills 作为开放标准发布，鼓励跨平台移植。就像 MCP 成为 AI 工具连接的通用协议一样，Skills 有望成为 AI 流程性知识封装的行业标准。
目前已经有第三方项目（如 Klavis 的 Strata）在探索将 MCP 的工具分发能力与 Skills 的渐进式披露机制结合的混合方案，这可能代表了 AI Agent 工具生态的未来方向。
对于 AI 开发者和企业用户来说，现在是开始构建自己的 Skills 库的最佳时机——你积累的每一个高质量 Skill，都在为未来的 AI 工作流奠定基础。

本文基于 Anthropic 官方文档及技术博客整理，更多详情请访问 Claude Agent Skills 文档。
0
好文章，需要你的鼓励