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。



• Function Call：结构化地调用开发者预先定义的、紧耦合的本地函数
• MCP：标准化地连接、发现和调用外部系统与工具
• Skills：将领域专业知识与业务流程封装为可复用的执行单元
• 实际使用中，Skill 是一个文件夹，里面装着一套标准化的指令。你把自己的工作方法、团队规范、领域知识写进去，Claude 就能按照你的方式自动执行。
• 相关skill汇总：https://github.com/VoltAgent/awesome-openclaw-skills

Skill 是 Anthropic 推出的可复用工作流封装机制。它解决了 AI 使用中的核心痛点：避免每次都“重新教”AI。

• 痛点：每次使用 Claude 处理周报、数据分析或复杂流程时，都需要重新描述格式、风格和步骤，效率低下且容易出错。
• 解决方案：Skill 将你的工作方法、团队规范和领域知识打包成一个文件夹。Claude 学会一次后，即可按标准自动执行，实现 “Teach Claude once, benefit every time”（教一次，终身受益）。

• 多了场景化心智（核心）：Function Call 只有 Schema 定义的输入输出格式，只解决 “怎么调”，无任何使用逻辑；Skill 内置「何时用、怎么用好、出错怎么补」的场景经验，比如编程 Skill 知道 “写循环报错优先查边界值”，不是单纯调工具，是带做事逻辑的能力包
• 多了闭环自洽能力：Function Call 是单次调用、用完即止，出错要 Agent 从头兜底；Skill 自带自检、重试、纠错、兜底逻辑，比如代码执行 Skill 报错，会自动校验参数、补全依赖再重跑，不用 Agent 额外推导，能独立完成一段完整任务闭环
• 多了强复用契约：Function Call 的 Schema 只是格式约定，无能力边界和组合规则；Skill 是标准化能力契约，明确了能力范围、复用条件、组合接口，能直接和其他 Skill 拼接成完整链路（如编码 Skill + 调试 Skill + 部署 Skill），Function Call 零散无此契约属性
  一句话戳透核心差异（本质）
  

总结：Function Call 是让 Agent「能调用工具」，只给通道和格式；Skill 是让 Agent「能把工具用到位、用闭环、可复用」，多的是做事的场景逻辑、闭环纠错能力、标准化复用契约，这是 Function Call 完全没有的本质内核

Skill 采用三层加载机制，确保上下文窗口不被浪费，只有相关 Skill 的完整内容才会被加载。

GPT plus 代充 只需 145

比如把skill替换为：

GPT plus 代充 只需 145

3、按需加载Scripts / References

1. YAML Frontmatter

这是 Skill 的“身份证”，必须包含 和 字段，且始终驻留在系统提示中。

关键规则：

• name：必须使用 kebab-case（如 ）。
• description：必须回答两个问题：做什么 + 什么时候用（包含触发词）。

示例对比：

2. SKILL.md 主体指令

这是 Skill 的核心，推荐结构如下：

GPT plus 代充 只需 145

写作黄金原则：

1. 具体且可执行：避免模糊指令，直接给出代码或命令。
2. 包含错误处理：预判常见错误并提供解决方案。
3. 引用外部资源要清晰：明确告诉 Claude 去哪里找参考资料。

3. 辅助文件结构

完整的 Skill 文件夹结构如下，支持脚本和参考文档：

Anthropic 强调一个反直觉的方法：不要一上来就写 Skill。

正确流程：

1. 先在对话中测试：反复测试具体任务，找到最有效的提示方式。
2. 记录成功输出：利用 Claude 的上下文学习能力，快速找到最优解。
3. 提取成 Skill：将成功经验固化为标准化的 Skill 文件。

1. 文档类型工作：生成前端设计、PPT、合同模板（无需外部工具）。
2. 工作流自动化：多步骤流程，如创建 Skill 的工具本身也是个 Skill。
3. MCP 增强：结合 MCP 服务器，封装“怎么用好工具”的知识（如 Sentry 官方发布的代码审查 Skill）。

通过 Skill，你可以将 Claude 从一个需要反复指导的“实习生”，变成一个熟练掌握你工作流程的“专家助手”。

流程：扣子编程->技能

prompt示例1：

GPT plus 代充 只需 145

使用：帮我把这个视频转成10M以内的GIF + 视频

将完成的skill进行在coze上部署：

可以看到这个视频处理skill的文件夹结构如下：

对一只猫在跳舞的视频进行如上prompt的处理后的结果：

prompt示例2：

GPT plus 代充 只需 145

使用：帮我从这个视频中抽取有代表性的一帧出来，然后转成jpg格式，分辨率变成1080，然后压缩一下大小。

【Agent评估总结】Agent的评估全过程之Claude code开发过程的经验总结，https://www.anthropic.com/engineering/demystifying-evals-for-ai-agents

【Agent skill 工具进展】宝玉分享的 Claude Code 技能集，提升日常工作效率。https://github.com/JimLiu/baoyu-skills/blob/main/README.zh.md，功能还挺多。

1.superpowers
2.planning with files
3.notebooklm Claude code skill

项目简介：Superpowers是一个AI Agent技能框架，用于扩展Claude Code等AI助手的自动化能力。它提供了一套标准化的技能开发规范，支持浏览器自动化、文件操作、API集成等功能，让开发者可以创建可复用的Agent技能包。项目采用TypeScript开发，包含技能管理、工具注册、迭代执行等核心组件。

GitHub链接：https://github.com/superhq-ai/superpowers（注意：搜索结果中提到的deepwiki链接为文档站点，实际代码仓库为GitHub）

项目简介：这是一个专注于文件规划与管理的Agent技能项目，属于Superpowers技能生态的一部分。它允许AI Agent基于文件系统进行智能规划、文件分类、内容分析等操作，支持多步骤的文件处理工作流。技能通过SKILL.md文件定义执行逻辑，可以集成到Claude Code或其他支持MCP协议的AI工具中。

GitHub链接：https://github.com/superhq-ai/superpowers-skills（在superpowers-skills仓库的skills/目录下包含planning-with-files等具体技能）

项目简介：这是一个专门为Google NotebookLM设计的Claude Code技能，让Claude Code能够直接与NotebookLM交互，实现文档检索、知识查询、内容生成等功能。项目使用Python开发，通过浏览器自动化技术连接NotebookLM，支持自动登录、文档上传、智能问答等操作，解决了NotebookLM与代码编辑器之间的数据孤岛问题。

GitHub链接：https://github.com/PleasePrompto/notebooklm-skill

重要说明：以上三个项目都属于"Agent Skills"生态，但定位不同：Superpowers是基础框架，Planning with Files是具体技能实现，NotebookLM技能是特定场景的集成方案

[1] 极速开发出一个高质量 Claude Agent Skills **实践
[2] 别再造Agent了！关于Agent Skills的详细总结来了
[3] 宝玉分享的 Claude Code 技能集，提升日常工作效率。https://github.com/JimLiu/baoyu-skills/blob/main/README.zh.md，功能还挺多。
[4] https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills
[5] Coze Skills发布，一篇保姆级的Skills解读来了！
[6] Anthropic首个公开的Skills构建指南来了
[7] claude官方文档：https://claude.com/blog/complete-guide-to-building-skills-for-claude
[8] 火爆全网的Skills，终于有了最简单的打开方式。
[9] 打造高效易用的Agent Skill.度geek