Claude Skills 完全指南：从入门到精通Claude Skills 是一种可复用的 AI 能力单元，通过结构化

Claude Skills 完全指南：从入门到精通

Claude Skills 知识图谱

🎯 核心要点

Claude Skills 是什么：可复用的 AI 能力单元，通过 YAML + Markdown 定义工作流程和最佳实践
Skills 的价值：让 Claude 学会特定领域的专业知识、工作流程和任务模式
核心概念：Skills、Agents、Subagents 的分工与协作机制
应用场景：从个人提效到团队协作，从自动化工作流到生态共建
进阶路径：从使用现有 Skills 到自定义开发，再到构建 Skills 生态

📚 正文

背景或问题

随着 AI 能力的不断增强，我们发现一个核心问题：如何让 AI 更好地理解特定领域的知识和工作流程？

传统的提示词（Prompt）虽然能解决一次性问题，但存在明显局限：

不可复用：每次对话都需要重新描述需求和规则
难以维护：提示词分散在各个对话中，难以系统化管理
团队协作困难：无法在团队间共享和标准化 AI 能力
缺乏结构化：没有统一的格式和规范，难以规模化应用

Claude Skills 的出现，正是为了解决这些问题。它将 AI 能力模块化、标准化，让 AI 可以像人类专家一样掌握特定领域的专业知识和工作方法。

一、Claude Skills 是什么？

1.1 基本定义

Claude Skills 是一种可复用的 AI 能力单元，通过结构化的 YAML 配置和 Markdown 文档，定义了 Claude 在特定场景下应该如何工作。

核心特征：

📄 基于文件：每个 Skill 都是一个独立的文件（.md 格式）
🔧 YAML + Markdown：用 YAML 定义元数据，用 Markdown 描述工作流程
🔄 自动触发：在合适时机自动加载和执行，无需手动调用
🎯 领域专精：针对特定场景、领域或任务优化

1.2 技术本质

从技术角度看，Claude Skills 的本质是：

Skill 文件 → YAML 元数据 + Markdown 工作流 → 注入到 Claude 的 System Prompt → 影响 Claude 的行为

比喻理解：

Skills = 菜谱：告诉 AI 什么时候用、如何用、按什么步骤做
Claude = 厨师：读取菜谱，按照流程执行任务
Tools = 厨具：AI 可以调用的具体能力（读文件、执行命令等）

二、Skills 的核心架构

2.1 文件结构

一个标准的 Claude Skill 文件包含以下部分：

---
name: skill-name
description: 这个技能的简要描述
version: 1.0.0
author: 作者名称
---

# Skill 标题

## 使用场景
在什么情况下使用这个 Skill

## 工作流程
1. 第一步：做什么
2. 第二步：怎么做
3. 第三步：产出什么

## 注意事项
- 重要提示 1
- 重要提示 2

2.2 YAML 元数据说明

字段	必需	说明	示例
`name`	✅	Skill 的唯一标识符	`code-reviewer`
`description`	✅	简要描述 Skill 的功能	"专注于代码审查和优化建议"
`version`	❌	版本号	`1.0.0`
`author`	❌	作者信息	`栈十七`
`tags`	❌	标签列表	`["programming", "code-review"]`

2.3 触发机制

Skills 的自动触发基于以下机制：

基于描述触发：当检测到用户意图与 Skill 的 description 匹配时
基于标签触发：当对话上下文中出现相关标签时
手动触发：用户明确要求使用某个 Skill
组合触发：多个 Skills 可以协同工作

三、Skills、Agents、Subagents 的分工

3.1 三个核心概念

在 Claude 体系中，有三个关键角色：

Skills（技能）- 剧本定义者

职责：定义工作流程、最佳实践、任务标准
特点：不直接执行，只告诉 Agent 该怎么做
比喻：菜谱、工作手册、标准作业程序（SOP）

Agent（代理）- 决策调度者

职责：理解用户需求、选择合适的 Skills、协调执行流程
特点：做决策，但不亲自干重活
比喻：项目经理、主厨、指挥官

Subagents（子代理）- 任务执行者

职责：完成具体的、独立的任务
特点：专注单一任务，上下文隔离
比喻：临时工、专业技工、执行单元

3.2 协作流程示例

场景：写一篇文章并发布到公众号

用户请求："帮我写一篇关于 AI 的文章并发布到公众号"
    ↓
主 Agent 接收请求
    ↓
Agent 选择 "内容创作 Skill"
    ↓
按照 Skill 的流程执行：
  1. 询问主题和目标读者
  2. 提出 3 种文章结构
  3. 派发 Subagent 1：写作文章
  4. 派发 Subagent 2：生成配图
  5. 派发 Subagent 3：发布到公众号
    ↓
收集所有结果，交付给用户

3.3 为什么要这样分工？

优势 1：上下文隔离

每个 Subagent 只关注自己的任务
避免"污染"上下文，保持任务独立性

优势 2：可并行执行

多个 Subagent 可以同时工作
提高整体效率

优势 3：模块化和可维护

Skills 可以独立修改和升级
新增能力只需添加新的 Tools

优势 4：角色专业化

每个 Agent/Subagent 都有明确的角色定位
更符合人类的协作模式

四、Skills 的应用场景

4.1 个人提效

场景 1：代码审查

name: code-reviewer
description: 专注于代码审查和优化建议

自动检查代码质量
提供优化建议
识别潜在 bug

场景 2：写作辅助

name: article-writer
description: 帮助用户写文章，提供结构建议和写作指导

提供文章结构模板
协助分段写作
优化表达和逻辑

场景 3：会议记录

name: meeting-notes
description: 自动生成结构化的会议记录

提取关键决策
整理行动项
生成会议摘要

4.2 团队协作

场景 1：标准化工作流

团队共享 Skills，统一工作标准
新成员快速上手，减少培训成本
保持工作质量一致性

场景 2：知识沉淀

将最佳实践封装成 Skills
经验可传承和复用
构建团队知识库

场景 3：自动化任务

定时任务自动化
批量处理重复性工作
减少人工干预

4.3 开发生态

场景 1：开源贡献

开发者贡献 Skills 到社区
丰富 Claude 能力生态
形成共享经济

场景 2：商业应用

为特定行业定制 Skills
提供垂直领域解决方案
构建商业模式

场景 3：MCP 协议

Skills 封装成 MCP Server
实现跨平台互操作
构建标准化生态

五、如何创建自定义 Skills

5.1 步骤一：确定目标

问自己几个问题：

这个 Skill 解决什么问题？
在什么场景下使用？
输入是什么？输出是什么？
需要调用哪些 Tools？

示例：

问题：代码审查效率低，标准不统一
场景：每次提交代码前
输入：代码文件
输出：审查报告
Tools：read_file, grep, git_diff

5.2 步骤二：设计工作流程

设计原则：

🎯 目标导向：每个步骤都有明确目标
📝 步骤清晰：用自然语言描述每个步骤
🔄 可迭代：支持多轮交互和优化
⚠️ 边界明确：明确什么时候该做什么

示例工作流程：

## 工作流程

### 第一阶段：理解代码
1. 读取代码文件
2. 理解代码的目的和逻辑
3. 识别主要功能模块

### 第二阶段：分析质量
1. 检查代码规范
2. 识别潜在 bug
3. 评估性能问题

### 第三阶段：提供建议
1. 列出发现的问题
2. 提供具体的改进建议
3. 给出优化后的代码示例

5.3 步骤三：编写 Skill 文件

完整示例：

---
name: code-reviewer
description: 专注于代码审查和优化建议，帮助开发者提高代码质量
version: 1.0.0
author: 栈十七
tags:
  - programming
  - code-review
  - quality-assurance
---

# 代码审查 Skill

## 使用场景
在以下情况下使用此 Skill：
- 代码提交前的自我审查
- Code Review 辅助
- 代码重构建议
- 性能优化分析

## 工作流程

### 第一步：理解代码
1. 读取并分析代码文件
2. 理解代码的业务逻辑和目标
3. 识别主要的功能模块和依赖关系

### 第二步：检查代码质量
检查以下方面：
- **代码规范**：是否符合团队规范
- **命名规范**：变量、函数命名是否清晰
- **注释质量**：关键逻辑是否有注释
- **错误处理**：是否有适当的错误处理
- **边界条件**：是否考虑了边界情况

### 第三步：识别问题
1. 查找潜在的 bug
2. 识别性能瓶颈
3. 发现安全隐患
4. 标记可读性问题

### 第四步：提供建议
1. 列出发现的问题（按优先级排序）
2. 提供具体的改进建议
3. 给出优化后的代码示例
4. 解释改进的原因

### 第五步：确认优化
与用户确认：
- 是否需要针对某个问题深入分析
- 是否需要生成优化后的代码
- 是否需要审查其他文件

## 输出格式

### 审查报告模板

```markdown
## 代码审查报告

### 概述
- 文件：`<文件名>`
- 行数：`<代码行数>`
- 审查时间：`<时间>`

### 发现的问题

#### 🔴 高优先级
1. **问题描述**
   - 位置：第 `<行号>` 行
   - 问题：`<具体问题>`
   - 建议：`<改进建议>`

#### 🟡 中优先级
1. **问题描述**
   - 位置：第 `<行号>` 行
   - 问题：`<具体问题>`
   - 建议：`<改进建议>`

#### 🟢 低优先级
1. **问题描述**
   - 位置：第 `<行号>` 行
   - 问题：`<具体问题>`
   - 建议：`<改进建议>`

### 优化建议
1. 建议 1：`<详细描述>`
2. 建议 2：`<详细描述>`

### 优化后的代码（可选）
```代码
<优化后的代码>

总结

高优先级问题：<数量> 个
中优先级问题：<数量> 个
低优先级问题：<数量> 个
整体评分：<评分>/10


## 注意事项
- 🎯 **聚焦问题**：优先关注影响功能和安全的问题
- 💬 **语气友好**：提供建设性的反馈，避免指责
- 🔍 **全面检查**：不要遗漏细节，但也不要过于吹毛求疵
- 📚 **考虑上下文**：理解代码的使用场景和约束条件
- ⚡ **实用优先**：建议要具体、可操作，避免空泛

## 可用的 Tools
- `read_file`：读取代码文件
- `grep`：搜索特定模式
- `git_diff`：查看代码差异
- `replace`：生成优化后的代码

5.4 步骤四：测试和优化

测试清单：

Skill 能否正确触发？
工作流程是否符合预期？
输出格式是否一致？
边界情况是否处理？
是否有清晰的提示和引导？

优化方向：

📝 精简描述：避免冗长的说明
🎯 聚焦核心：删除不必要的步骤
🔄 增加灵活性：支持不同场景
📊 量化输出：提供可度量的结果

六、进阶主题

6.1 Skills 组合与协同

组合模式：

顺序执行：Skills A → Skills B → Skills C
条件分支：如果满足条件 A，用 Skills 1；否则用 Skills 2
并行执行：Skills A 和 Skills B 同时运行
循环迭代：重复执行某个 Skills 直到满足条件

示例：

# 内容创作 Skill 组合
- brainstorming-skill    # 头脑风暴
- article-writer-skill   # 写文章
- image-generator-skill  # 生成配图
- publisher-skill        # 发布

6.2 Tools 与 Skills 的关系

Tools 是 Skills 的执行能力：

Skills 定义"做什么"
Tools 提供"怎么做"
一个 Skill 可以调用多个 Tools

常用 Tools：

read_file：读取文件内容
write_file：写入文件
grep：搜索文件内容
replace：替换文件内容
run_shell_command：执行命令

6.3 MCP 协议与 Skills

MCP（Model Context Protocol）是什么：

Claude 的标准化协议
允许不同系统互操作
Skills 可以封装成 MCP Server

优势：

🔗 标准化：统一的接口规范
🌐 互操作：跨平台协作
📦 可复用：一次开发，多处使用
🚀 生态共建：社区贡献和共享

七、最佳实践

7.1 设计原则

1. 单一职责

每个 Skill 只解决一个问题
避免功能过于复杂

2. 明确边界

清晰定义输入和输出
明确使用场景

3. 可测试性

设计可验证的工作流程
提供清晰的预期结果

4. 可维护性

代码风格一致
注释充分
版本管理

7.2 常见陷阱

陷阱 1：描述过于模糊 ❌ 错误示例：

description: 帮助用户工作

✅ 正确示例：

description: 帮助用户进行代码审查，识别潜在问题并提供优化建议

陷阱 2：工作流程过于复杂 ❌ 错误示例：

## 工作流程
1. 步骤 1（包含 10 个子步骤）
2. 步骤 2（包含 15 个子步骤）
3. 步骤 3（包含 20 个子步骤）
...

✅ 正确示例：

## 工作流程
1. 理解需求
2. 执行任务
3. 输出结果

陷阱 3：缺乏错误处理 ❌ 错误示例：

直接执行任务，不考虑失败情况

✅ 正确示例：

## 错误处理
如果任务失败：
1. 记录错误信息
2. 尝试恢复
3. 提供降级方案

7.3 性能优化

优化策略：

减少 Token 消耗：精简 Skill 描述
避免重复调用：缓存中间结果
并行执行：充分利用 Subagents
智能触发：只在需要时加载 Skills

八、栈十七实践笔记

个人经验总结

1. 从小处着手

不要一开始就设计复杂的 Skills
先从简单的、高频使用的场景开始
逐步迭代和优化

2. 重用优于重新发明

先检查社区是否已有类似 Skills
在现有基础上改进
贡献自己的改进

3. 文档很重要

不仅要用得好，还要让其他人能用
提供清晰的使用说明
包含示例和最佳实践

4. 持续优化

根据实际使用反馈调整
监控 Skills 的性能表现
定期更新和升级

实战案例

案例：构建内容创作 Skill 链

我在 Claude Code 中构建了完整的创作工具链：

brainstorming-skill：头脑风暴和创意生成
article-writer-skill：文章写作和结构优化
image-generator-skill：自动生成配图
podcast-creator-skill：生成播客脚本
publisher-skill：一键发布到公众号

关键经验：

Skills 之间通过文件系统共享数据
每个 Skill 专注单一职责
通过主 Agent 协调执行流程
输出格式标准化，便于后续处理

未来展望

Skills 的三个发展方向：

智能化
- 自动学习和优化
- 基于使用数据改进
- 个性化推荐
标准化
- 统一的格式规范
- 互操作性协议
- 评级和认证体系
生态化
- 开源社区贡献
- 商业化应用
- 跨平台协作

Claude Skills 完全指南：从入门到精通