一文带你上手 Skills！教你构建可复用的 AI 能力体系

15小时前编辑：土拨鼠作者：奇舞精选评论有奖阅读本文需 13 分钟

一文带你上手 Skills！教你构建可复用的 AI 能力体系

我们花了两天时间，终于造出了能自我进化的Skills管理器

一、全文速览图今天这篇可能会稍微硬核一点。

阅读文章 >

一、全文速览图

一文带你上手 Skills！教你构建可复用的 AI 能力体系

二、为什么需要 Skills

在传统 LLM 使用场景中，我们通常依赖 Prompt 来让模型完成任务，例如：

"你是一个项目经理，请根据输入内容生成符合公司规范的周报……"

这种方式存在三个核心问题：

不稳定：模型对同一个 Prompt 的理解可能不同，输出结果不一致。
不可复用：每次都要重新编写 Prompt，效率低。
不可组合：难以将多个任务整合成复杂工作流。

Claude Skills 提供了解决方案：

Skills = 可复用的、结构化的 Prompt + 执行规则 + 资源

它将“如何做一件事”封装成 Claude 可长期记住和调用的能力模块，让 AI 的执行更标准、稳定、可组合。

三、什么是 Skills

Skills 是 Claude 的可复用能力包，用于将领域知识、最佳实践、工作流程和执行逻辑封装，使 Claude 高质量、稳定地完成任务。

1. 基本目录结构

一个标准的 Skill 项目，目录结构清晰且轻量化，核心文件仅 1 个，其他均为可选补充：

my-skill/

├── SKILL.md # 必需：元数据 + 执行指令

├── scripts/ # 可选：可执行脚本

├── templates/ # 可选：模板文件

└── resources/ # 可选：其他资源文件

2. 核心文件 SKILL.md 示例

---

name: report-automation

description: 根据输入生成日报/周报/月报，并按模板输出 Markdown。

---

## 指令

1. 提取岗位、报告类型、姓名、日期和工作内容

2. 选择对应模板

3. 生成结构化 Markdown 报告

这里要注意：

头部的 name 和 description 是元数据，主要用于 Claude 快速匹配——当你输入需求时，Claude 会根据这两个字段判断是否需要调用该 Skill；
下方的“执行指令”是核心，必须清晰、可落地，相当于给 Claude 写的“操作手册”，避免执行偏差。

四、Skills 的「渐进式架构」

当我们需要同时用到多个 Skill（比如周报生成、需求分析、文档校验）时，直接全量加载所有 Skill 会遇到三个核心问题，这也是渐进式架构要解决的核心痛点：

Token 消耗暴涨：每个 Skill 包含的脚本、模板等都是文本内容，全量加载会让单次调用的 Token 量大幅增加，直接提升使用成本；
任务干扰严重：无关 Skill 的内容会占用上下文，比如生成周报时加载了需求分析的规则，可能导致 Claude 误解需求，降低执行精准度；
逻辑冲突风险：不同 Skill 的执行规则可能存在重叠（比如都有格式校验步骤），全量加载会让 Claude 难以判断执行优先级，影响输出稳定性。

针对这些问题，Claude Skills 采用渐进式披露（Progressive Disclosure）架构，核心思路是：不一次性加载所有 Skill 内容，而是先匹配需求，再按需逐步加载对应内容，核心载体是“三层加载模型”：

| Level 1（初始加载） | 各 Skill 的 name + description（元数据） | 
意图匹配：快速匹配用户需求，确定是否需要调用某个 Skill，不占用过多上下文 |

| Level 2（确定调用后） | 目标 Skill 的 SKILL.md 核心执行指令 | 
执行规则：明确该 Skill 的执行步骤，完成核心任务流程 |

| Level 3（按需加载） | 目标 Skill 的 scripts/ templates/ resources 等配套资源 | 
按需加载：补充辅助资源，仅在需要时加载，避免无关内容干扰 |

渐进式架构的核心优势

支持大量 Skill 共存：即使你有十几个、几十个 Skill，初始也只加载元数据，不会占满上下文；
干扰最小化：只加载当前任务相关的 Skill 内容，执行更精准、效率更高；
可组合调度：多个 Skill 可以按层级依次加载、串联执行，轻松实现复杂工作流。

五、Skills 的使用方式

Claude Skills 支持两种主流使用方式，覆盖日常办公和技术集成场景：

1. 桌面端 / CLI 端（日常办公用）

自动触发：你输入需求后，Claude 自动匹配对应的 Skill（根据 name + description），无需手动调用；
显式调用：如果需要指定 Skill，直接输入/skill-name 命令即可（比如 /report-automation）；
参数传递：可以用自然语言输入参数（比如“生成产品经理的本周周报，内容包括：需求评审 3 次、原型设计 2 个、用户访谈 5 人”），也可以用结构化格式（如 JSON）传递，更精准。

2. API 集成（技术同学用，支持自动化部署）

如果需要把 Skill 集成到自己的系统、工具中，可以通过 Claude API 调用，示例代码（Python）：

response = claude_client.messages.create(

model="claude-3-opus",

messages=[{"role": "user", "content": "帮我生成本周的周报"}],

tools=[{"type": "skill", "skill_id": "report-automation"}]

)

注：使用前需要先在 Claude 开发者平台创建 Skill，获取对应的 skill_id，并配置好 API 密钥

六、Demo 案例：日报 / 周报 / 月报自动生成 Skill

这里分享一个 Skills Demo 案例：自动生成日报/周报/月报。

1. 明确功能需求

接收用户输入的工作内容，自动识别报告类型（日/周/月）；
按预设模板生成结构化 Markdown 报告；
支持将生成的报告自动上传到 S3 存储，生成可访问的链接。

2. 目录结构设计

report-generator/

├── SKILL.md

├── resources/

│ ├── daily_report_template.md

│ ├── weekly_report_template.md

│ └── monthly_report_template.md

├── scripts/

│ └── upload_report.py

3. 核心文件实现

SKILL.md 核心指令

一文带你上手 Skills！教你构建可复用的 AI 能力体系

SKILL.md

scripts 脚本 upload_report.py

import sys

import os

from datetime import datetime

from pathlib import Path

from dotenv import load_dotenv

import boto3

load_dotenv(Path(__file__).parent / '.env')

report_type = sys.argv[1].lower()

report_content = open(sys.argv[3], 'r', encoding='utf-8').read() if len(

sys.argv) >= 4and sys.argv[2] == "-f"else" ".join(sys.argv[2:])

S3_ENDPOINT = os.environ.get("S3_ENDPOINT")

S3_BUCKET = os.environ.get("S3_BUCKET")

S3_REGION = os.environ.get("S3_REGION", "us-east-1")

S3_ACCESS_KEY = os.environ.get("S3_ACCESS_KEY")

S3_SECRET_KEY = os.environ.get("S3_SECRET_KEY")

filename = f"{report_type}/{datetime.now():%Y-%m-%d}/
{report_type}_report_{datetime.now():%Y%m%d_%H%M%S}.md"

client_config = {'region_name': S3_REGION,

'aws_access_key_id': S3_ACCESS_KEY, 'aws_secret_access_key': S3_SECRET_KEY}

if S3_ENDPOINT:

client_config['endpoint_url'] = S3_ENDPOINT

s3 = boto3.client('s3', **client_config)

try:

s3.put_object(Bucket=S3_BUCKET, Key=filename, 
Body=report_content.encode('utf-8'), ContentType='text/markdown; charset=utf-8',

ContentEncoding='utf-8', Metadata={'report-type': report_type,
 'upload-time': datetime.now().isoformat()})

# 生成访问链接并打印

s3_url = f"{S3_ENDPOINT or f'https://{S3_BUCKET}.s3.{S3_REGION}.amazonaws.com'}/{filename}"

print("上传成功:", s3_url)

except Exception as e:

print("上传失败:", e)

exit(1)

模板示例（daily.md）

一文带你上手 Skills！教你构建可复用的 AI 能力体系