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。



如何从零开始构建一个高质量的 Skill，让 AI 真正理解你的工作流

你有没有遇到过这种情况——辛辛苦苦写了一份 Skill 喂给 AI，结果它要么根本不触发，要么触发了却干得一塌糊涂？

问题往往不在 AI 身上。问题在于你写的那份"指令"，本质上是写给人看的文档，而不是写给 AI 看的操作手册。

---

用最简单的话来说：Skill 就是一个文件夹，里面装着 AI 完成某项专项任务所需的全部家当——操作说明、参考资料、现成脚本和可直接使用的模板。

Skill 的最低配置只需要一个 SKILL.md 文件：

weather-bot/ └── SKILL.md 

这个文件分成两部分：

• 头部（Frontmatter）：YAML 格式的元信息，声明名称和用途描述。AI 启动时会扫描所有已安装 Skill 的 frontmatter，根据 description 决定是否激活该技能。这是触发的唯一依据——description 写得含糊，技能就可能被误触发或错过。
• 正文（Body）：Markdown 格式的具体执行步骤。只有 Skill 被选中之后，body 才会被加载进上下文。没被触发的话，AI 连看都看不到。

--- name: weather-bot description: |- 回答天气相关问题。当用户询问某地天气、 气温预报或穿衣建议时激活此技能。 --- 执行步骤： 1. 解析用户提到的城市名称 2. 调用天气 API 获取实时数据 3. 用自然语言回复用户 

任务稍微复杂一点，一个文件就不够了。完整的目录结构是这样的：

excel-processor/ ├── SKILL.md # [必需] 元信息 + 执行指令 ├── agents/ │ └── openai.yaml # [可选] 界面展示用的元数据 ├── scripts/ # [可选] 预写好的可执行代码 ├── references/ # [可选] AI 按需查阅的参考资料 └── assets/ # [可选] 直接用于最终产出的素材 

四类资源各有定位。核心结论先记住：SKILL.md 是唯一的刚需文件，其余按实际需求添加。

---

Anthropic 的官方指南揭示了一个关键矛盾：怎么在有限的上下文窗口里，给 AI 传递最有效的指令？

围绕这个矛盾，有三个核心设计原则。

Skill 使用三层加载系统：

• 第一层（YAML frontmatter）：始终加载。提供足够的信息让 Claude 判断是否该用这个 Skill，但不会把全部内容塞进上下文。
• 第二层（SKILL.md body）：当 Claude 认为 Skill 相关时才加载。包含完整的指令和指引。
• 第三层（链接文件）：Skill 目录内的附加文件，Claude 按需发现。

这种设计最小化了 token 消耗，同时保留了专业能力。

这是绝大多数人犯的错误。来看一个典型的"人类写法"的代码审查 Skill：

--- name: review-code description: 用于代码审查 --- # 背景 本技能凝聚了团队三年的 code review 经验。 # 审查理念 - 建设性、专业的沟通风格 - 在严格与宽容间找到平衡 # 如何使用 收到用户提交的代码后，全面审查并输出建议。 

如果递给一个刚入职的同事，这份文档没什么毛病。但 Skill 的读者是 AI，换个视角再看一遍，问题就来了：

• "凝聚三年经验"——AI 不需要这些背景信息，它只关心此刻要干什么
• "建设性、专业的"——人类读了能领会一个大致调性，AI 却会自由组合出无数种输出，每次结果都不一样
• "在严格与宽容间找到平衡"——一个老手心里有数，AI 没有这个直觉
• "全面审查"——太笼统了，AI 需要明确的检查清单：先看什么、后看什么、什么严重等级必须上报
• description 只写了五个字——AI 就靠这五个字来判断要不要触发，"帮我看看这段逻辑"触发还是不触发？

这些写法的共同点：全是面向人类读者的。 写得多不等于写得对，写错了读者比什么都不写更糟。

上下文窗口就像手机内存，你的 Skill 和系统提示、对话历史、其他技能的元数据共享这块空间。编写前问自己两件事：

1. 这个知识 AI 是不是天生就会？ 比如怎么发 HTTP 请求、怎么解析 JSON，不用教。
2. 这段话占掉的空间值不值？ 一大段流程解释，也许用十几行代码片段就能更精准地传达同样的意思。

此外，去除冗余文件：README.md、CHANGELOG.md、INSTALLATION_GUIDE.md 都不该出现在 Skill 目录里——Skill 的消费者是 AI，不是接手项目的新人。

---

Anthropic 内部已经用了几百个 Skills 来加速开发。以下九种类型来自一线工程师的实战总结。

教 AI 正确使用内部/外部库、CLI、SDK，附带代码片段和"坑点列表"。这是 Skills 里含金量最高的部分——模型已经懂很多通用知识，重点写只有你们才知道的坑（Gotchas）。

示例：billing-lib — your internal billing library: edge cases, footguns, etc.

教 AI 如何测试代码是否正确，常配合 Playwright、tmux 等工具，甚至可以让 Claude 录视频或做断言验证。

示例：signup-flow-driver — runs through signup → email verify → onboarding in a headless browser

连接监控系统、数据库，快速跑查询、对比 cohort。一个公司总是有很多系统——监控、日志、DB、ES、Wiki、Git。站在 Agent 的界面上把这些平台打通，会有意想不到的效果。比如分析一个值班问题，模型会先去监控平台查数据，再结合代码找出关键日志，最后得出结论总结到 Wiki 上。

一键完成重复工作：发周报、建 ticket、standup 总结。难点通常不在执行，而在收集素材——一周做的事情除了需求池，还有微信群里的需求和口头传达的。

快速生成符合公司规范的新服务、迁移文件等。

自动审代码、强制风格、找 bug。使用 Skill 来补充上下文，能分析到很多人工根本看不出来的 bug。

PR 审查、自动部署、回滚、cherry-pick 等。

根据告警/错误，自动多工具排查并输出结构化报告。这类 Skill 对于值班排查非常有用。

清理孤儿资源、依赖管理、成本分析等，通常需要带安全护栏。

示例：orphans — finds orphaned pods/volumes → posts to Slack → soak period → user confirms → cascading cleanup

---

Anthropic 的 skill-creator 提供了一个可操作的流程：

1. 理解场景：明确你的 Skill 要解决什么问题
2. 规划资源：需要哪些脚本、模板、参考资料
3. 脚本初始化：用 skill-creator 工具初始化目录
4. 填充内容：按照原则编写 SKILL.md
5. 自动校验：运行验证脚本检查格式
6. 实战迭代：在实际使用中不断改进

动手之前，先回答四个问题：

Use Case: Project Sprint Planning Trigger: 用户说"帮我规划这个 sprint"或"创建 sprint 任务" Steps: 1. 从 Linear 获取当前项目状态（通过 MCP） 2. 分析团队速率和容量 3. 建议任务优先级 4. 在 Linear 中创建带标签和估算的任务 Result: 完整规划好的 sprint，任务已创建 

---

如果说 MCP 是"专业厨房"——提供了工具、食材和设备，那么 Skill 就是"菜谱"——一步一步教你怎么做出有价值的东西。

没有 Skill 的 MCP：用户连接了但不知道下一步怎么做，每次对话从零开始，结果不一致。

有 Skill 的 MCP：预构建的工作流自动激活，工具使用一致，**实践嵌入每次交互。

---

Anthropic 在实践中总结出三大 Skill 用途分类：

用于创建一致的高质量输出，包括文档、演示文稿、应用、设计、代码等。典型代表：frontend-design Skill。

关键技巧：

• 嵌入样式指南和品牌标准
• 模板结构确保输出一致性
• 完成前的质量检查清单
• 无需外部工具——使用 Claude 内置能力

用于受益于一致方法论的多步骤流程。典型代表：skill-creator 本身。

关键技巧：

• 带验证门控的分步工作流
• 常见结构的模板
• 内置审查和改进建议
• 迭代精炼循环

将原始工具访问转化为可靠、优化的工作流。适合已有 MCP Server 的团队。

---

• 用 skill-creator 的验证脚本自动校验格式
• 在实际对话中测试触发条件是否准确
• 检查输出是否一致、可靠

Anthropic 的结论很明确：很多好 Skills 都是从几行 Gotchas 开始，慢慢被团队完善起来的。

• 用 PreToolUse 钩子统计每个 Skill 的使用频率
• 删掉没用的，改进常用的
• 不要追求一步到位

• 个人使用：放在 ~/.claude/skills/ 目录
• 团队使用：放进 Git 仓库的 .claude/skills/ 目录
• 社区发布：通过 Plugin 市场提交，支持 PR 提交和审核流程

---

Skills 超级强大，但还在早期。最好的方式就是多实验、多迭代。

记住三个关键词：

1. 简洁：上下文窗口是公共财产，节约使用
2. 精准：写给 AI 看，不是写给人看
3. 渐进：按需加载，别一次性塞满

期待约 15-30 分钟，你就能用 skill-creator 构建并测试出第一个能用的 Skill。动手试试吧。

---

本文参考资料：

1. Anthropic - The Complete Guide to Building Skill for Claude