Claude Code Skills：让 AI 助手拥有“专业技能包”的秘密武器-原创手记-慕课网

在 AI 编程助手日益普及的今天，单纯依赖自然语言提示（Prompt）已难以满足复杂、规范、可复用的开发需求。你是否遇到过这些问题？

每次都要重复解释团队的代码规范？
想让 AI 处理 Excel 或 PDF，但它总是“看不懂”？
希望 AI 能自动执行部署脚本，而不仅是生成代码？

Claude Code 的 Skills 功能，正是为解决这些痛点而生。
它不是简单的提示词增强，而是一套模块化、可持久化、可执行的专业能力封装机制，让你的 AI 助手从“通用聊天机器人”升级为“懂流程、会干活、守规范”的专业协作者。

一、Skills vs 传统 Prompt：本质区别在哪？

维度	传统一次性提示（Prompt）	Claude Skills
知识载体	临时对话上下文，关闭即丢	文件系统中的标准化文件夹，永久保存
复用性	每次新对话需重新输入	一次创建，全局调用，跨项目共享
知识管理	散落在聊天记录中，难维护	模块化组织，按领域隔离，易于迭代
上下文占用	所有指令全量塞入，Token 浪费严重	渐进式加载，按需读取，极致节省
执行能力	仅能生成文本或代码	可绑定 Python/Shell 脚本，直接运行并返回结果

💡 核心差异：Prompt 是“口头吩咐”，Skills 是“交付一本带工具的操作手册”。

二、核心机制：智能“渐进式披露”

Skills 最大的技术突破，在于其三层按需加载策略，完美规避了大模型上下文窗口的限制：

元数据层（目录）
每个 Skill 的 SKILL.md 文件顶部包含 name 和 description（约 100 Tokens）。Claude 启动时仅加载所有 Skill 的元数据，形成“技能目录”，用于快速匹配用户意图。
核心指令层（章节）
当判断某 Skill 相关时，才加载 SKILL.md 的主体内容——详细的工作流程、规则与约束。
扩展资源层（附录）
仅当指令明确要求时，才读取 scripts/ 中的可执行脚本或 references/ 中的 API 文档。无关资源绝不加载。

📚 类比：就像查字典——先看目录找章节，再翻到具体页，而不是把整本字典背下来。

这种设计使得你可以在本地安装数十个 Skill，而不会拖慢日常对话。

三、Skill 长什么样？标准结构解析

一个 Skill 本质上是一个普通文件夹，结构清晰、易于管理：

my-skill/
├── SKILL.md              # 必需：核心配置与指南
├── scripts/              # 可选：可执行脚本（如 helper.py）
├── references/           # 可选：补充文档（如 api-spec.md）
└── assets/               # 可选：模板、配置文件等静态资源

关键文件：`SKILL.md`

采用 YAML Frontmatter + Markdown 结构：

---
name: excel-analyzer       # 技能名称，也是 /excel-analyzer 斜杠命令
description: 用于解析和分析 Excel 文件 (.xlsx)。当用户上传 .xlsx 文件并询问数据趋势、汇总统计时使用。
disable-model-invocation: false  # 允许 AI 自动触发
---
# Excel 分析工作流程

## 步骤
1. 使用 scripts/parse_excel.py 提取数据
2. 识别数值列并计算均值、最大值
3. 生成简洁的文本摘要，避免表格输出

## 示例
- 用户问：“这个销售表里 Q1 总额多少？” → 调用脚本计算后返回数字
- 用户问：“画个图表” → 回复：“我无法生成图像，但可提供数据供你绘图”

四、Skill 存放位置：按需选择作用域

类型	路径	适用场景
个人 Skill	`~/.claude/skills/`	个人快捷操作、私有工具
项目 Skill	`项目根目录/.claude/skills/`	团队共享的编码规范、部署流程
插件 Skill	通过 Plugin 安装	社区通用能力（如 PDF 解析、SQL 生成）

✅ 最佳实践：将团队的 PR 模板、lint 规则、数据库查询规范封装为项目级 Skill，新人上手即合规。

五、典型应用场景

统一团队工程规范
- 封装 Git 提交信息格式校验
- 自动生成符合 Conventional Commits 的 commit message
- 强制代码审查 checklist
专业文件处理
- 安装 pdf-extractor Skill：AI 可精准提取 PDF 中的表格与文本
- 使用 pptx-summarizer：自动解析 PPT 内容并生成演讲稿
集成内部系统
- 封装公司内部 API 调用流程（如查询用户权限、获取订单状态）
- 绑定 Shell 脚本，一键触发 CI/CD 流水线

六、如何写出高质量 Skill？

单一职责：一个 Skill 只解决一类问题（如“只处理 Excel”，不混入 Word 解析）
描述精准：description 中明确写出触发场景和关键词（如“当用户上传 .xlsx 并问‘总和’时使用”）
提供示例：在指南中加入正反例（“应该这样回答” vs “不要那样回答”）
脚本健壮：scripts/ 中的代码需处理异常，避免崩溃导致 AI 卡死

七、Skills 与 MCP、Function Calling 的关系

很多人混淆这三者，其实它们是协同工作的不同层级：

技术	角色	类比
MCP（Model Context Protocol）	安全连接外部服务	USB 接口协议（让 AI 能“插上”数据库、GitHub 等设备）
Function Calling	调用单个原子操作	工具按钮（点击“发送邮件”、“查询数据库”）
Skills	编排复杂任务流	操作手册（指导 AI 如何组合多个 Function，按步骤完成“用户注册审核”全流程）

🔗 三者协作示例：
一个“部署发布” Skill 会：

通过 MCP 连接 GitHub

调用 Function 获取最新 commit

执行 scripts/deploy.sh 脚本

返回部署日志与状态

结语：从“会聊天”到“会干活”

Claude Code Skills 的出现，标志着 AI 编程助手进入 “专业化、工程化” 新阶段。它不再只是代码生成器，而是可配置、可扩展、可执行的智能代理（Agent）。

建议行动：

从你的重复性工作中提炼一个 Skill（如“自动生成测试用例”）
按标准结构创建文件夹
在项目中试用，感受效率提升

当你开始积累自己的 Skill 库，你会发现：AI 不再是“需要反复指导的实习生”，而是“训练有素的专业搭档”。