"可加载的专业知识包，让Claude在特定任务上表现得像领域专家。"
扣子 Skills 上线后短时间内就引爆全网，不管是在用户数据、开发者，还是在行业和社交媒体，都展现出了极高的热度，扣子将Skills平民化，让人人都能装、能卖技能，这种模式引爆了 AI 圈。Skills将会成为 2026 上半年话题顶流。本文结合Claude Skills（主流Agent Skills）官方文档知识库，说说Agent Skills。
🎯 什么是Agent Skills？
根据Claude官方文档，Agent Skills是：
模块化能力，用于扩展 Claude 的功能。每个技能都打包了指令、元数据和可选资源（脚本、模板），Claude 在相关时会自动使用这些资源。
简单来说：
🧠基础Claude= 通才（什么都知道一点）
🧠Claude + Skills= 通才 + 根据需要变成的专家
核心理念与价值：不仅仅是提示词
很多人习惯于在对话中写长篇提示词来指导 Claude。Agent Skills 解决了这种方式的根本性限制：
提示词（Prompt）：是对话级、一次性的指令，适用于单次、特定的任务。每次新对话都需要重复提供，且内容量受上下文窗口限制。
技能（Skill）：是文件系统级、可重用的资源。它像给 Claude 安装了一个“专业软件”或“内部知识库”，一次创建，自动触发，跨对话复用。
🔍 Skills vs 传统AI：三个根本区别
- 知识存储方式不同
| 传统AI | Skills |
|---|---|
| 知识锁在模型参数里 | 知识存在可编辑的文件中 |
| 修改需要重新训练 | 修改只需编辑文本 |
| 黑盒，不可理解 | 透明，人类可读 |
- 学习方式不同
| 传统AI | Skills |
|---|---|
| 离线学习（训练时学习） | 在线学习（运行时学习） |
| 学习周期：数周数月 | 学习周期：即时生效 |
| 需要ML专业知识 | 任何人都能"教"Claude |
- 成本不同
| 传统AI | Skills |
|---|---|
| 训练成本：1M+ | 创建成本：免费 |
| 部署复杂 | 即时生效 |
| 无法快速迭代 | 随时更新 |
🏗️ Skills如何工作：三层渐进式披露
Claude官方设计了精妙的按需加载机制：
第一层：元数据索引（始终可用）
说明书。该技能的 YAML 前言提供了元信息：
name: pdf-processing
description: Extract text and tables from PDF files, fill forms, merge documents. Use when working with PDF files or when the user mentions PDFs, forms, or document extraction.
加载时机：Claude 启动时，被写入系统提示。
作用：告诉 Claude这个技能叫什么、以及何时使用它。
Token成本：轻量级设计。这使得你可以安装大量技能而几乎不影响初始上下文。
第二层：指令（触发时加载）
说明书。的主要内容包含程序性知识：工作流程、最佳实践和指导：
# PDF Processing
## Quick start
Use pdfplumber to extract text from PDFs:
```pythonimport pdfplumber
with pdfplumber.open("document.pdf") as pdf: text = pdf.pages[0].extract_text()```
For advanced form filling, see [FORMS.md](FORMS.md).
加载时机：当用户的请求匹配技能的描述时，Claude 会通过bash命令读取这个文件。作用：提供完成任务的核心操作手册。
第三层：资源和代码（按需读取）
说明、代码和资源 。技能可以捆绑额外材料如：
forms.md（表单填写专项指南）reference.md（API 参考文档）scripts/fill_form.py（可执行脚本）
pdf-skill/
├── SKILL.md (main instructions)
├── FORMS.md (form-filling guide)
├── REFERENCE.md (detailed API reference)
└── scripts/
└── fill_form.py (utility script)
加载时机：仅当主指令中提到或需要时，Claude 才会用bash去读取或执行这些特定文件。
作用：提供细分的专业知识、执行可靠代码、作为事实库查询。
Token成本：脚本代码本身不进入上下文，只输出结果；参考文档按需读取，未被引用的资源成本为零。
📝 Skills的标准化格式
每个Skill都是一个文件夹，包含：
核心文件：SKILL.md
```markdown---name: pdf # 技能名称description: 处理PDF文件。当用户需要读取、创建、合并PDF时使用。 # 这是触发条件！---
# PDF处理专家指南
## 读取PDF的三种方法1. **快速提取**：使用pdftotext2. **精确控制**：使用PyMuPDF 3. **保留格式**：使用pdfplumber
## 创建PDF的最佳实践...```
目录结构
skills/
├── pdf/ # PDF处理技能
│ ├── SKILL.md # 核心指南
│ ├── scripts/ # 辅助脚本
│ └── examples/ # 示例文件
├── code-review/ # 代码审查技能
│ ├── SKILL.md
│ └── checklists/ # 检查清单
└── data-analysis/ # 数据分析技能
├── SKILL.md
└── templates/ # 分析模板
🧠 Skills的技术架构
Skills 运行在 Claude 的代码执行容器中。你可以把它想象成一个配备了文件系统和bash终端的虚拟机。
技能即目录 每个技能都是一个包含文件的文件夹。
Claude 即用户
Claude 通过执行cat、ls、python等bash命令与这些文件交互。
该架构能够实现：
按需文件访问：只有被引用的文件会被读取。
高效脚本执行
运行python脚本时，代码本身不占token，只有输入和输出占。这比让 Claude 在对话中生成并执行代码更可靠、更高效。
无限的捆绑潜力
理论上，一个技能可以捆绑海量的参考材料和代码库，只要它们不被使用，就不会产生任何token成本。
🛠️ 与其他能力的比较
技能 vs. 项目: 项目提供静态背景知识，当你在项目内开始聊天时，这些知识总是加载出来。技能提供专业程序，在需要时动态激活。
技能 vs. MCP（模型上下文协议）: MCP 连接外部服务和数据源。技能提供程序性知识——指导如何完成特定任务或工作流程，两者可以结合使用。
技能 vs. 定制说明: 定制说明适用于所有对话，而技能则是针对特定任务的，只有在相关时才加载，因此更适合专业工作流程。
💡 如何创建自己的Skill？
步骤1：识别高频专业场景
每天要重复解释什么？我的团队有哪些独有工作流程？什么知识只有我们有？
步骤2：编写SKILL.md
YAML前置：name + description（最重要的部分！）
Markdown正文：清晰的结构化指南
实用导向：具体步骤，不要理论
包含示例：代码片段、命令示例
步骤3：测试和优化
让Claude使用你的Skill，迭代改进内容，建立版本控制（用Git！）
步骤4：分享和协作
在团队内部分享Skills，建立团队Skill库，定期评审和更新
总结，Skills机制最宝贵的不是技术本身，而是它赋予我们的能力——用自然语言，把我们的专业知识"教"给AI。
这不仅仅是效率的提升，更是人类知识传承方式的革新。在AI时代，最有价值的不是知道什么，而是知道如何让AI知道什么。
欢迎在评论区分享你的想法！如果觉得有用，请记得点赞、收藏、转发，让更多小伙伴受益～
