大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



当官方预设技能无法满足个性化、场景化的使用需求时，自定义开发 Agent Skills 成为核心选择。遵循 Anthropic 的开放标准，无需高深的编程能力，只需掌握标准化的文件结构、编写逻辑和实操步骤，就能打造贴合自身工作、团队业务的专属技能包。自定义技能既保留 Agent Skills 标准化、可复用、轻量化的核心优势，又能精准匹配个性化需求，让 AI Agent 的能力真正贴合实际使用场景。

自定义开发的核心是遵循开放标准，脱离标准的技能会失去跨平台、可复用的价值，同时在开发前需明确核心设计原则，让技能兼具实用性、稳定性和易用性，这是开发的基础，也是技能能落地使用的关键。

1. 必须遵循的官方开放标准

Anthropic 为 Agent Skills 制定了统一的文件结构、元数据规范、内容编写格式，所有自定义技能都需严格遵循，核心标准集中在三个方面：

• 文件结构标准：固定为「1 个核心文件 + 3 个可选文件夹」，技能以独立文件夹为单位，命名采用「小写字母 + 连字符」的格式（如），保证识别的统一性；
• 元数据规范：SKILL.md 头部的 YAML 元数据必须包含（技能名，与文件夹名一致）和（技能描述，清晰说明适用场景和核心能力），这是 AI Agent 自动匹配技能的关键；
• 内容编写格式：SKILL.md 正文采用 Markdown 格式，按「任务流程、输入输出规范、工具调用规则、异常处理」分模块编写，保证 AI Agent 能清晰理解执行逻辑。

2. 核心设计原则：让技能实用且易维护

除了遵循标准，自定义技能开发需围绕「实际使用」展开，遵循四大设计原则，避免过度开发、逻辑混乱等问题，让技能既好用又易维护：

• 单一职责原则：一个自定义技能仅负责一类具体的标准化任务，不做「万能技能」，比如仅开发「销售周报生成技能」，而非涵盖所有办公文档的「综合办公技能」，保证技能的执行逻辑清晰；
• 最小必要原则：工具调用、资源加载仅保留「完成任务的最小必要部分」，不加载无关工具、不添加冗余资源，兼顾执行效率和资源占用；
• 异常兼容原则：充分考虑实际使用中的异常情况，如参数缺失、文件格式错误、工具调用失败等，提前设计处理逻辑，避免任务直接中断；
• 易拓展原则：技能的模块划分清晰，预留拓展接口，比如将「数据获取」「数据处理」「结果输出」拆分为独立模块，后续需新增功能时，仅修改对应模块即可。

自定义技能的文件结构为固定框架 + 灵活填充，官方定义的核心结构无需修改，只需根据技能需求在对应位置填充内容，既保证标准化，又能适配不同的技能开发需求，零基础也能快速上手搭建框架。

1. 基础文件结构（必按此规范搭建）

所有自定义技能的基础文件夹结构统一，包含1 个必需核心文件和3 个可选资源文件夹，各部分各司其职，形成完整的技能体系：

plaintext

2. 各文件 / 文件夹的核心作用与编写要求

每个文件和文件夹都有明确的功能定位，编写和填充时需按要求执行，保证 AI Agent 能正确识别、加载和执行技能：

• SKILL.md：核心中的核心，承载技能的所有执行逻辑，分为YAML 前置元数据和Markdown 正文两部分，元数据保证 Agent 能识别技能，正文保证 Agent 能执行技能；
• references/：存放支撑技能执行的参考资料，如行业标准、企业业务 SOP、数据统计口径等，Agent 执行时可按需调取参考，保证执行结果的专业性；
• scripts/：存放可自动执行的代码脚本，适用于需要批量操作、复杂计算的技能，如数据批量清洗、文件批量处理等，Agent 可直接调用脚本执行，提升执行效率；
• assets/：存放静态资源，如企业品牌模板、报表样式文件、图标图片等，让技能输出的结果更贴合个性化视觉需求，无需后续人工调整格式。

SKILL.md 是自定义技能的灵魂，AI Agent 对技能的识别、匹配、执行都依赖于此，其编写分为YAML 元数据和Markdown 正文两部分，每一部分都有明确的编写规范和技巧，是开发的核心工作。

1. YAML 前置元数据：AI Agent 的「技能识别入口」

元数据位于 SKILL.md 最顶部，用包裹，是 AI Agent 快速识别技能的关键，必须包含和两个核心字段，可根据需求新增可选字段，编写时需保证格式正确，无语法错误。

基础编写规范（必按此写）

markdown

GPT plus 代充 只需 145 

可选拓展字段（按需添加）

可根据技能需求新增字段，让 Agent 更精准地匹配和执行技能，常用可选字段：

• ：技能开发者，标注信息便于团队协作维护；
• ：技能版本号，便于迭代更新（如）；
• ：技能依赖的核心工具，如，让 Agent 提前加载工具；
• ：技能适用范围，如，提升匹配精准度。

2. Markdown 正文：AI Agent 的「标准化执行手册」

正文部分采用 Markdown 格式，按模块化分章节编写，清晰告知 AI Agent「该做什么、怎么做、要注意什么」，核心需包含六大核心模块，模块按逻辑顺序排列，让执行流程一目了然，无遗漏环节。

核心模块 1：技能概述（可选，辅助理解）

简单说明技能的核心价值、适用场景、使用前提，让开发者和 Agent 都能快速理解技能定位，比如「本技能适用于企业销售部门，需提供 Excel 格式的每日销售数据，自动生成符合企业规范的 Word 版销售周报，无需人工整理数据」。

核心模块 2：输入输出规范（必写，明确边界）

清晰定义技能的输入要求和输出标准，避免因输入格式错误导致执行失败，同时保证输出结果的标准化，核心写清「输入类型、输入格式、必填参数、输出格式、输出内容」，示例：

markdown

核心模块 3：任务执行流程（必写，核心逻辑）

按时间顺序 / 操作顺序拆分任务，将复杂任务拆解为多个标准化的执行步骤，每一步写清「要做什么、调用什么工具、得到什么结果」，步骤清晰、无歧义，是 Agent 执行的核心依据，示例：

markdown

GPT plus 代充 只需 145 

核心模块 4：工具调用规则（必写，明确操作）

清晰定义技能执行过程中需要调用的所有工具，写清工具名称、调用时机、参数设置、返回结果要求，若技能依赖官方预设工具，直接引用工具名称即可，保证 Agent 能精准调用工具，示例：

markdown

核心模块 5：异常处理规则（必写，保证稳定）

针对执行过程中可能出现的所有异常情况，写清「异常类型、处理方式、反馈信息」，避免任务中断，提升技能的稳定性，这是技能能落地使用的关键，常用异常类型包括输入错误、工具调用失败、数据异常等，示例：

markdown

GPT plus 代充 只需 145 

核心模块 6：注意事项（可选，补充说明）

写清技能使用的特殊要求、业务细节、避坑要点等，比如「统计业绩完成率时，仅计算正价销售额，不包含优惠、折扣部分」「区域分析按企业既定的华东、华北、华南、西南四大区域划分」，让执行结果更贴合业务实际。

3 个可选资源文件夹并非开发必需，可根据技能的实际需求按需添加和填充，无需为了「凑结构」添加无关资源，避免资源冗余，添加的资源需按规范存放，保证 Agent 能按需调取。

1. references/：填充专业参考资料

存放与技能相关的领域规范、业务 SOP、数据口径、故障指南等参考资料，采用 Markdown/TXT 格式，命名清晰，如（销售统计口径）、（企业周报 SOP），Agent 执行时可按需调取，保证执行结果的专业性和准确性。

2. scripts/：填充可执行自动化脚本

适用于需要批量操作、复杂计算、自定义逻辑的技能，存放 Python/JavaScript/Shell 等可执行脚本，脚本需保证「输入输出参数明确、无语法错误、可独立运行」，命名与功能对应，如（数据清洗脚本）、（文件批量处理脚本），并在 SKILL.md 的「工具调用规则」中明确脚本的调用方式和参数。

3. assets/：填充静态资源文件

存放与技能相关的模板文件、图片、字体、配置文件等静态资源，如企业周报 Word 模板、品牌 LOGO、报表样式配置文件等，资源格式为通用格式（如 docx、png、json），命名清晰，如（销售周报模板）、（品牌 LOGO），并在 SKILL.md 中明确资源的使用位置和方式。

完成技能的文件编写和资源填充后，需经过本地测试、问题优化、正式部署三个步骤，才能让自定义技能真正落地使用，测试是发现问题的核心，部署则保证技能能在 AI Agent 中正常加载和调用，缺一不可。

1. 本地测试：验证技能的可用性和稳定性

本地测试的核心是模拟实际使用场景，输入不同类型的测试用例，验证技能的识别、匹配、执行是否正常，结果是否符合预期，同时测试异常情况的处理逻辑是否有效，核心测试要点：

• 匹配测试：在 AI Agent 中输入技能适用的需求，验证 Agent 是否能自动匹配到自定义技能；
• 正常执行测试：按输入规范提供正确的输入文件和参数，验证技能是否能按流程执行，输出结果是否符合输出标准；
• 异常测试：故意提供错误的输入格式、缺失的参数、异常的数据，验证技能的异常处理逻辑是否有效，是否能给出清晰的反馈信息；
• 边界测试：测试极端场景，如超大体积的输入文件、极短的统计周期、零业绩的数据，验证技能的执行效率和稳定性。

2. 问题优化：根据测试结果完善技能

针对本地测试中发现的问题，逐一优化修改，核心优化方向包括：

• 格式错误：修正 SKILL.md 中的 YAML 元数据语法错误、Markdown 格式错误；
• 逻辑漏洞：补充缺失的执行步骤、完善工具调用规则、优化任务执行流程；
• 异常缺失：新增未考虑到的异常类型，补充对应的处理逻辑；
• 结果不符：调整输出内容、格式，修正数据统计逻辑，让输出结果贴合个性化需求；
• 效率低下：删减冗余的工具调用和资源加载，优化脚本代码，提升执行效率。

3. 正式部署：让技能在 AI Agent 中落地使用

自定义技能的部署方式与官方预设技能一致，支持 可视化界面（Claude.ai）和命令行（Claude Code/OpenClaw） 两种方式，部署后即可在 AI Agent 中正常使用，核心步骤：

方式 1：可视化界面部署（非技术用户）

1. 打开 Claude.ai，进入「Skills」模块，点击「添加技能」，选择「上传自定义技能」；
2. 选择本地的自定义技能文件夹，点击「上传」，系统会自动校验技能是否符合标准；
3. 校验通过后，技能会自动加载至 Agent 的技能库，即可输入需求调用；若校验失败，根据提示修正问题后重新上传。

方式 2：命令行部署（开发者 / 技术用户）

1. 将自定义技能文件夹放入指定的技能目录（如）；
2. 执行命令加载技能：；
3. 执行命令验证是否加载成功：，若能看到自定义技能名称，说明部署成功；
4. 直接输入自然语言需求或用斜杠命令手动调用：。

自定义技能并非开发完成后就一成不变，随着业务需求的变化、使用场景的拓展，需要对技能进行迭代更新和日常维护，保证技能的持续可用性，同时做好版本管理，便于追溯和回滚。

1. 日常维护：保证技能的正常运行

日常维护以解决使用中的小问题为主，核心工作包括：

• 及时处理使用过程中发现的执行漏洞、异常情况，补充和完善技能；
• 同步更新依赖的工具、资源，若官方工具升级，及时调整工具调用规则；
• 清理冗余的资源文件和脚本，保证技能的轻量化。

2. 迭代更新：适配需求的变化

当业务需求发生重大变化时，对技能进行版本迭代，核心步骤：

1. 基于原技能文件夹，复制为新的版本（如），做好版本标记；
2. 根据新的业务需求，修改 SKILL.md 中的执行流程、输入输出规范、工具调用规则等核心内容；
3. 新增 / 删除 / 修改对应的参考资料、脚本、静态资源；
4. 完成本地测试后，部署新版本技能，同时保留旧版本，便于回滚。

3. 版本管理：做好记录，便于追溯

为自定义技能建立版本管理档案，记录每个版本的更新时间、更新内容、开发人员、适用场景，比如：

• （2026.03.01）：基础版，实现销售周报基础生成功能，支持核心数据统计；
• （2026.03.15）：升级版，新增区域销售趋势分析、产品销量排行功能，适配新的企业周报模板；
• （2026.03.20）：优化版，修复数据统计口径错误问题，完善异常处理逻辑。

自定义开发 Agent Skills 的核心，是在标准化的框架下，让 AI Agent 的能力精准匹配个性化、场景化的实际需求，它并非对官方预设技能的替代，而是补充和延伸 —— 官方预设技能解决通用化、高频化的需求，自定义技能解决个性化、场景化的需求，二者结合，让 Agent Skills 的能力覆盖更全面的使用场景。

开发自定义技能的门槛并不高，无需高深的编程能力，核心是吃透官方开放标准，遵循设计原则，按规范编写 SKILL.md，做好测试和优化。一个优秀的自定义技能，既能保留 Agent Skills 标准化、可复用、轻量化的核心优势，又能精准贴合个人工作习惯、团队业务规范，让 AI Agent 从「通用助手」变为「专属助手」，真正释放 Agent Skills 的生产力价值。

而随着 Agent Skills 生态的完善，自定义技能也能实现团队内、社区内的共享，让个性化的能力成为可传递的数字资产，进一步推动 Agent Skills 的普及和落地。