Claude Code Skill 文件系统：一人公司的"数字员工"手册

一个人 + AI Agent = 一人公司。而 Skill，就是你的 Agent 的"工作说明书"。

什么是 Skill File？

简单说，Skill File 是一个给 AI Agent 用的 Prompt 模板。你把一个任务的最佳实践写进 Skill，之后每次做同类任务时，Agent 加载这个 Skill 就能直接高质量执行，不需要你每次都重新解释需求。

打个比方：

• 普通 Prompt = 每次给员工口头交代任务
• Skill File = 写好的标准作业流程（SOP），新员工上手就能看

为什么 Skill 是一人公司的核心资产？

书中提到了一个公式我很认同：

"Skill 是将一次性的好 Prompt 固化为可复用的资产。"

它有三个关键特性：

1. 复利效应

每做一次项目，不是从零开始，而是站在上次的肩膀上。你的 Skill 库会随着项目积累不断增长，效率越来越高。

2. Token 省钱

同一个任务，用 Skill 比每次重新描述少消耗 30%-50% 的 Token。因为 Skill 把上下文固定了下来，不需要每次重复解释背景、约束和输出格式。

3. 组合威力

多个 Skill 可以编排成工作流。比如：

• code-generation Skill → 生成代码
• unit-test Skill → 自动写测试
• code-review Skill → 审查质量

三个 Skill 串联，就形成了一个小型 CI/CD 管线。

Skill File 的结构

我沿用书中的 CO-STAR 框架来设计每个 Skill：

# Skill: [名称]

Context（背景）:    当前项目环境、技术栈
Objective（目标）:  这个 Skill 要完成什么
Style（风格）:      输出风格和代码规范
Tone（语调）:       专业度、正式度
Audience（受众）:   谁在用这个输出
Response（响应）:   输出的具体格式

## 约束
- 执行时的限制条件
- 不做什么

## 示例
输入：...
输出：...

我的 Skill 库组织

~/.claude/skills/
├── code/
│   ├── react-component.md      — React 组件生成
│   ├── api-endpoint.md         — API 接口生成
│   └── unit-test.md            — 单元测试生成
├── content/
│   ├── twitter-thread.md       — 推文/帖子
│   ├── product-launch.md       — 产品发布文案
│   └── weekly-report.md        — Build in Public 周报
├── research/
│   ├── competitor-analysis.md  — 竞品调研
│   └── user-feedback.md        — 用户反馈分析
└── automation/
    ├── code-review.md          — 代码审阅
    └── deploy-check.md         — 部署前检查

按领域分目录，一个 Skill 一个文件，职责单一。

实战：一个 React 组件 Skill

举个例子，下面是我实际使用的 react-component Skill：

# Skill: react-component

Context: 你是 React 19 + TypeScript 专家，使用 Tailwind CSS，遵循函数组件 + Hooks 模式
Objective: 根据需求生成完整 React 组件
Style: Next.js App Router 模式，'use client' 指令
Tone: 生产级代码质量
Audience: 全栈开发者
Response: 单个 .tsx + 对应的 .test.tsx

## 约束
- Props 类型单独定义
- 必须包含 loading / error / empty 三种状态
- 响应式设计（mobile-first）
- 不引入不必要的第三方依赖

## 示例
输入："一个搜索框组件，带下拉建议列表"
输出：[见下方代码]

这样就固化了我的代码规范。每次生成组件，质量和风格是统一的——不需要我反复提醒"记得加 loading 状态"、"用 mobile-first"。

Skill 的迭代方法

别指望一次写对。Skill 和代码一样需要版本管理和持续迭代：

1. 先用起来：写一个够用的初版
2. 观察输出：哪里不满意？
3. 更新 Skill：把问题和改进直接改到 Skill 文件
4. 验证效果：再跑一次，看是否改善
5. 重复：循环到稳定

我的 react-component Skill 已经迭代了 4 个版本，每次改一点点——加个错误处理、调一下组件命名规范、补个边缘 case——现在输出基本不需要大改。

效率数据

书中作者的数据：

指标	效果
同类任务效率提升	50%-90%
Token 消耗降低	30%-50%
错误率	显著下降

我自己的感受：用了 Skill 之后，最大的变化是不再从空白光标开始了。Agent 有了上下文，输出质量立即可用，我只需要做最后的审查和微调。

从高频开始

构建 Skill 库的策略很简单：从你做得最多的事情开始。

1. 识别重复最多的 3 个任务
2. 为它们各写一个 Skill
3. 用一周，迭代
4. 稳定后，再去覆盖下 3 个
5. 周而复始

"Skill 是你的数字资产。每做一个项目，Skill 库就增长一次。"

---

我正在进行「一人公司」实验，用 AI Agent 构建产品。这是我 Build in Public 系列的第一篇，分享我如何搭建 Skill 文件系统。

关注我，看一个人如何用 AI 构建 SaaS。