Anthropic 近期发布 32 页官方指南《The Complete Guide to Building Skills for Claude》，首次系统性揭秘 Skills 的构建逻辑与实操方法。作为 Claude 生态的核心扩展能力，Skills 能将个人工作流程、团队规范、领域知识封装成可复用的 “技能包”，实现 “教一次，终身受益”，彻底解决 AI 使用中 “重复教、记不住、流程乱” 的痛点。无论是独立工作流自动化，还是 MCP 工具集成增强，这份指南都给出了从设计到落地的完整方案。
一、Skills 核心认知：不止是 “长提示词”，更是可复用工作系统
1. 诞生背景：解决 AI 使用的三大痛点
使用 AI 时，我们常陷入低效循环：每次写周报都要重复说明格式，数据分析要重新描述流程，多步骤任务需全程紧盯防出错。而 Skills 的本质，是将专家经验固化为标准化指令，让 Claude 像 “熟悉业务的老员工” 一样，自动按最佳实践执行任务。
2. 核心价值：从 “即兴对话” 到 “结构化生产力”
Skills 与普通提示词的区别，在于三层维度的升级：
-
稳定性：输出风格、流程步骤完全一致，避免重复沟通成本；
-
可复用性：个人、团队可共享，新成员无需重新学习；
-
可组合性：多个 Skills 能串联成完整业务链路，适配复杂场景。
3. 核心定位：Claude Code 的 “应用程序”
如果说 Claude Code 是提供基础 AI 能力的 “操作系统”，Skills 就是扩展功能的 “应用程序”——Claude Code 负责读写文件、执行命令等基础操作，Skills 则教会 AI “如何按你的方式干活”，二者结合可实现从内容生成到业务执行的全流程自动化。
二、核心设计：渐进式披露，兼顾效率与灵活
Skills 最关键的设计思想是 “渐进式披露（Progressive Disclosure）”，通过三层按需加载机制，既避免上下文溢出，又保证执行精准性，就像手机后台管理 App 一样，只让相关功能 “前台运行”。
表格
| 加载层级 | 核心内容 | 加载时机 | Token 消耗 | 核心作用 |
|---|---|---|---|---|
| 第一层 | YAML frontmatter（名称 + 描述） | 启动时常驻系统提示 | 约 100 Token / 个 | 告诉 Claude“技能是什么，什么时候用” |
| 第二层 | SKILL.md 主体（指令 + 流程 + 示例） | 任务与技能相关时 | 建议≤5000 Token | 提供完整执行指南 |
| 第三层 | scripts（可执行脚本）、references（参考资料） | 需要执行特定操作或查阅资料时 | 按需加载，仅返回结果 | 扩展技能能力边界，零上下文占用 |
这种设计的优势极为明显：即使安装 100 个 Skills，也仅占用 10000 Token 左右，不会影响 Claude 的思考效率；而相关技能的完整内容仅在需要时加载，兼顾了扩展性与轻量化。
三、实操指南：三步构建你的第一个 Skill
构建 Skill 的核心是搭建文件夹结构与编写 SKILL.md 文件，全程无需复杂编码，按指南操作即可快速落地。
1. 第一步：搭建标准文件夹结构
一个完整的 Skill 文件夹包含必需文件与可选辅助文件，严格遵循命名规范是正常加载的关键：
plaintext
your-skill-name/ # 文件夹名必须用kebab-case（小写+连字符）
├── SKILL.md # 必需文件，核心指令存放处（大小写敏感）
├── scripts/ # 可选，存放Python/Bash等可执行脚本
│ ├── process_data.py
│ └── validate.sh
├── references/ # 可选，存放API文档、数据字典等参考资料
└── assets/ # 可选，存放报告模板、配置文件等资源
关键禁忌：不要在文件夹中放置 README.md，会干扰 Skills 加载逻辑。
2. 第二步：编写 YAML frontmatter（技能 “身份证”）
这是常驻 Claude 系统提示的元数据，决定技能能否被正确触发，核心包含两个字段：
yaml
---
name: linear-sprint-planning # 必需，kebab-case格式
description: 管理Linear项目工作流，包括冲刺规划、任务创建和状态追踪。当用户提到"sprint"、"Linear任务"或"创建ticket"时使用。 # 必需，明确功能+触发条件
---
编写黄金规则：
-
name 字段：必须用 kebab-case（如 “notion-project-setup”），禁止大写或空格；
-
description 字段：必须回答两个问题 ——“技能做什么” 和 “什么时候用”，目标是 90% 相关查询能自动触发。
好坏示例对比：
反面案例（泛化无触发条件）：
yaml
description: Helps with projects # 未说明具体功能
description: Creates sophisticated multi-page documentation systems # 缺少触发场景
正面案例（明确功能 + 触发词）：
yaml
description: 分析Figma设计文件并生成开发交接文档。当用户上传.fig文件、询问"设计规范"、"组件文档"或"设计转代码"时使用。 # 含文件类型+关键词
3. 第三步：撰写 SKILL.md 主体指令（核心执行指南）
frontmatter 之后，需按固定结构编写完整指令，Anthropic 推荐框架如下，核心要满足 “具体可执行、含错误处理、资源引用清晰” 三大原则：
markdown
---
name: your-skill-name
description: 技能功能+触发条件
---
# 技能名称
## Instructions（执行步骤）
### Step 1: 第一个主要步骤
清晰说明操作内容，包含可执行命令与预期输出。
示例：
```bash
python scripts/fetch_data.py --project-id PROJECT_ID
预期输出：返回格式化的项目数据 CSV 文件，包含名称、状态、负责人字段。
Step 2: 第二个主要步骤
…（按任务拆分，明确步骤依赖）
Examples（示例场景）
示例 1：常见场景
用户输入：“Set up a new marketing campaign”
执行动作：
-
通过 MCP 获取现有 campaigns
-
用提供的参数创建新 campaign
结果：返回 campaign 确认链接与任务分配清单
Troubleshooting（问题处理）
错误：MCP 连接失败（Connection refused）
-
原因：MCP 服务器未启动或 API key 失效
-
解决：1. 检查 Settings > Extensions 确认服务器运行；2. 验证 API key 有效性；3. 重新连接：Settings > Extensions > [Your Service] > Reconnect
plaintext
#### 编写三大黄金原则：
1. 具体可执行：避免模糊表述，明确命令、参数、格式要求。例如不说“Validate the data”，而说“运行`python scripts/validate.py --input {filename}`，缺失必填字段需补充到CSV，日期格式统一为YYYY-MM-DD”；
2. 包含错误处理：预判常见问题（如工具连接失败、数据格式错误），给出具体修复步骤；
3. 资源引用清晰：需调用外部脚本或参考资料时，明确文件路径，如“查阅`references/api-patterns.md`了解速率限制与分页模式”。
### 4. 实战优化建议：先测试，再封装
Anthropic推荐反直觉的构建流程，避免盲目编写规则：
1. 在Claude对话中反复测试目标任务，找到最优提示方式；
2. 记录成功输出的流程与格式；
3. 将经验提取为结构化指令，封装成Skill。
这种方式能利用Claude的上下文学习能力，快速锁定有效路径，大幅提升Skill落地效率。
## 四、三大典型应用场景与五大工作流模式
### 1. 典型应用场景
Skills适配多种工作需求，核心聚焦三类场景：
- **文档类工作**：无需外部工具，利用Claude内置能力生成标准化内容（如前端设计、合同模板、数据分析报告）。例如`frontend-design`技能，嵌入品牌风格指南与质量检查清单，确保输出符合团队规范；
- **工作流自动化**：多步骤流程标准化，如`skill-creator`技能（自身也是Skill），能引导用户定义场景、生成frontmatter、编写指令并验证迭代；
- **MCP增强**：封装MCP工具的使用逻辑，如Sentry官方`skill-creator`技能，通过MCP获取错误数据，自动分析代码关联并生成GitHub PR修复建议，嵌入领域专家知识。
### 2. 五大可复用工作流模式
Anthropic总结了经过验证的五大模式，可直接套用到你的业务场景：
#### 模式1：顺序工作流编排（有明确步骤依赖）
适用于按顺序执行的任务，如客户入职流程：
Step 1: 创建账户（调用 create_customer）→ Step 2: 设置支付方式（等待验证）→ Step 3: 创建订阅（使用 Step 1 的 customer_id）→ Step 4: 发送欢迎邮件
plaintext
关键技巧：明确步骤依赖，每步验证结果，失败时支持回滚。
#### 模式2：多MCP协调（跨服务联动）
适用于需多个工具配合的任务，如设计到开发交接：
Phase 1: Figma MCP→导出设计资源→ Phase 2: Drive MCP→存储并生成链接→ Phase 3: Linear MCP→创建开发任务→ Phase 4: Slack MCP→通知团队
plaintext
关键技巧：按阶段划分，确保数据在服务间正确传递，每阶段验证后再推进。
#### 模式3：迭代优化（输出质量逐步提升）
适用于需反复打磨的任务，如报告生成：
生成初稿→运行验证脚本检查问题（缺失章节、格式错误）→ 针对性修正→ 重新验证→ 重复直到达标
plaintext
关键技巧：明确质量标准，设定停止条件（避免无限迭代），用脚本自动检查。
#### 模式4：上下文感知工具选择（动态适配场景）
适用于同一目标需不同工具的任务，如智能文件存储：
根据文件类型和大小决策：>10MB→云存储 MCP；协作文档→Notion/Docs MCP；代码文件→GitHub MCP；临时文件→本地存储
plaintext
关键技巧：制定清晰决策标准，提供备选方案，向用户解释选择逻辑。
#### 模式5：领域专用智能（嵌入专业规则）
适用于需合规或专业判断的任务，如金融合规检查：
调用支付 MCP 前→1. 检查制裁名单；2. 验证管辖区域权限；3. 评估风险等级；4. 记录合规决策→通过则执行支付，拒绝则标记审核
plaintext
关键技巧：将领域规则编码进指令，合规检查优先于业务执行，保留完整审计日志。
## 五、快速上手：5分钟安装与配置
### 1. 安装Claude Code（基础平台）
```bash
# macOS、Linux、WSL
curl -fsSL https://claude.ai/install.sh | bash # 原生安装（推荐）
# 或 brew install --cask claude-code
# Windows PowerShell
irm https://claude.ai/install.ps1 | iex
# Windows CMD
curl -fsSL https://claude.ai/install.cmd -o install.cmd && install.cmd && del install.cmd
安装完成后，进入目标文件夹，终端输入claude即可启动。
2. 配置 API
支持官方 Claude API、中转 API 或 GLM 4.7 等，推荐用 CC Switch 工具管理多 API 配置，提升灵活性与性价比。
3. 安装 Skills
-
自然语言安装：直接告诉 Claude Code“帮我安装这个 Skill，地址：https://github.com/anthropics/skills/blob/main/skills/pptx”；
-
手动安装：下载 Skill 文件夹，放入
~/.claude/skills目录即可。
结语：从 “使用 AI” 到 “定义 AI”
Claude Skills 的核心价值，是让普通用户也能 “定义 AI 的工作方式”—— 无需高深技术，只需梳理清楚个人或团队的最佳实践，就能将 AI 打造成专属助手。无论是开发者的工程协作、产品经理的文档生成，还是市场团队的品牌规范落地，Skills 都能将重复工作自动化，让人们聚焦于创造性任务。
随着 Claude 生态的完善，Skills 正成为团队知识沉淀与效率提升的关键载体。按照官方指南构建你的第一个 Skill，就能开启 AI 生产力的全新阶段。