今天我们来聊聊 Claude Code 的 Skills 和 Memory 系统。这是两个让我印象深刻的设计——它们让 AI 能够"记住"用户偏好，并且可以定义"工作流"。
Skills：可扩展的行为系统
Skills 是什么？简单说，它是一段预定义的提示词，加上一些执行约束。当你调用 /verify 时，Claude 会按照 skill 中定义的提示词和行为约束来工作。
Skill 的来源
| 来源 | 说明 |
|---|---|
| Bundled | 打包在 CLI 中的内置技能 |
| User | 用户定义技能（.claude/skills/） |
| Plugin | 插件提供的技能 |
BundledSkillDefinition
内置技能的定义：
type BundledSkillDefinition = {
name: string // Skill 名称
description: string // 描述
prompt: string // 提示词内容
allowedTools?: string[] // 允许的工具白名单
autoSkipTools?: string[] // 自动跳过确认的工具
context?: 'fork' | 'inline' // 执行上下文
hooks?: SkillHooks // 生命周期钩子
}
内置技能列表
src/skills/bundled/ 目录有 17 个内置技能：
batch.ts- 批量执行claudeApi.ts- Claude API 帮助debug.ts- 调试工作流loop.ts- 循环执行模式remember.ts- 记忆系统交互skillify.ts- 创建新 Skillstuck.ts- 问题解决commit.ts- Git 提交辅助review-pr.ts- PR 审查- ...
用户技能文件
用户可以在 .claude/skills/ 目录创建技能文件。简单格式：
---
name: my-skill
description: My custom skill
allowedTools: [Bash, Read, Write]
---
Skill prompt content here...
复杂格式可以定义 hooks：
---
name: deploy
context: fork
hooks:
PreToolUse:
- event: Bash
command: ./scripts/pre-tool.sh
---
Deployment instructions...
Fork vs Inline 模式
这是一个关键概念：
Inline 模式：
- Skill 内容扩展到当前对话
- 共享完整上下文
- 使用主对话的 token 预算
Fork 模式：
- 在子代理中独立执行
- 有自己的上下文和 token 预算
- 可以使用不同的 agent 类型
什么时候用 Fork？当 skill 任务复杂、需要独立思考、可能会消耗大量 token 时。比如 /review-pr 审查整个 PR，用 Fork 模式更合适。
Memory：跨会话的记忆
Memory 系统是我最喜欢的功能。它让 Claude 能够跨会话记住关键信息。
四种 Memory 类型
| 类型 | 用途 | 示例 |
|---|---|---|
user | 用户角色、偏好、知识 | "用户是资深后端工程师" |
feedback | 工作方式指导 | "不要用 mock 测试数据库" |
project | 项目进展、目标、约束 | "周三后禁止合并" |
reference | 外部系统指针 | "bug 在 Linear 项目 INGEST" |
Memory 文件格式
每个 memory 文件使用 frontmatter：
---
name: user_role
description: User's role
type: user
---
User is a senior backend engineer.
Focus: API design, microservices
**Why:** User mentioned during first session
**How to apply:** Tailor explanations to senior-level understanding
结构要求：首先是规则/事实，然后 **Why:** 说明原因，最后 **How to apply:** 说明应用方式。
不应该保存的内容
系统明确告诉 AI 不要保存这些：
- 代码模式、架构（可以从代码推导）
- Git 历史（git log 是权威来源）
- 调试方案（代码已包含）
- CLAUDE.md 已记录的内容
- 临时任务细节
Memory 路径优先级
function getAutoMemPath(): string | null {
if (process.env.CLAUDE_CODE_AUTO_MEM_PATH_OVERRIDE) return override
if (projectSettings.autoMemPath) return projectSettings
return `${cwd}/.claude/projects/${projectHash}/memory/`
}
最终存储在项目的 .claude/projects/{hash}/memory/ 目录下。
截断限制
Memory 文件有大小限制：
const MAX_ENTRYPOINT_LINES = 200
const MAX_ENTRYPOINT_BYTES = 25000
超过限制会截断，避免消耗过多 token。
Skill Hooks
Skills 可以注册生命周期钩子：
type SkillHooks = {
PromptSubmit?: SkillHookDefinition
ToolCall?: SkillHookDefinition
ToolResult?: SkillHookDefinition
PostToolUse?: SkillHookDefinition
SessionEnd?: SkillHookDefinition
}
| Hook | 触发时机 |
|---|---|
PromptSubmit | 用户提交提示后 |
ToolCall | 工具调用前 |
ToolResult | 工具结果返回后 |
SessionEnd | 会话结束时 |
这些 hooks 在 skill 执行期间注册，skill 结束时注销。
Token 估算
系统会估算 skill 的 token 消耗：
function estimateSkillFrontmatterTokens(frontmatter): number {
let tokens = 0
if (frontmatter.name) tokens += name.length / 4 // ~4 chars/token
if (frontmatter.allowedTools) tokens += length * 2 // 每工具 ~2 tokens
return Math.ceil(tokens)
}
这用于 token 预算管理，避免加载太多 skills 超出限制。
Memory 自动保存触发
系统会在以下情况自动保存 memory：
- 用户明确请求："remember this"
- 检测到用户偏好：纠正行为或确认非显而易见选择
- 项目重要信息：截止日期、决策、约束
- 外部系统指针：仪表盘、跟踪系统
/remember Skill
内置的 /remember skill 提供 memory 交互：
/remember # 列出已有 memory
/remember user ... # 保存 user 类型 memory
/remember feedback ... # 保存 feedback 类型
/forget name # 删除 memory
总结
Skills 和 Memory 系统展示了 Claude Code 的扩展性设计：
-
Skills：
- 三种来源：Bundled/User/Plugin
- Fork/Inline 两种执行模式
- YAML frontmatter 定义元数据
- Hooks 注册生命周期钩子
-
Memory：
- 四种类型：user/feedback/project/reference
- 明确的"不应保存"边界
- 结构化的 Why/How to apply 格式
- 截断限制控制 token 消耗
下一篇我会分享 Hooks 系统的详细分析，看看 Claude Code 如何实现生命周期事件注入。
