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。



 
上一篇，我们介绍了，Claude Code 使用技巧！实测有效！Claude Code 接入 GLM 4.7
 

最近 AI 圈子里什么最火？除了各种 AI 大模型的应用，讨论热度最高的绝对是 Claude Skills。Anthropic 10 月底推出这个功能，12 月底彻底爆火。

说实话，自从 Claude 技能（Claude Skills）出来，很多文章铺天盖地，有的文章夸它是 “AI 革命”，有的说它能会取代 XXX，还有些干脆只讲一大堆看不懂的理论……

今天我们，将从普通用户的视角，聊聊这个最近火爆的Claude Skills到底是什么，解决什么问题，和 MCP 有什么区别、从哪里查找 Skills。

简单来说，👉 它是让 Claude 记住你希望它如何工作，并能长期复用的说明文件。

利用 Claude Skills 可以让我们使用 AI 的习惯被文件化管理。你的语气、逻辑、流程都能被打包成 Skills。本质上就是将 “怎么用 AI”，变成自己的一套可保存、可复用、可修改的持久化文件资产。

一个 Skill = 任务说明书+ 工具代码（可选）+ 专业知识（可选）+ 素材资源（可选）

为什么它的出现，在短时间内引发了一波 AI 热潮，除了有个别炒作外，更深层次的原因，是因为它解决了一个很具体真实的痛点：Claude 容易出现健忘、需重复写提示词、太费 token！

过去使用 Claude 最大的痛点是 “健忘”：

写文章、做分析时，你要反复输入——

“要用谁谁谁的语气来写”、“回答要保持简洁”、“帮我按 xxx 格式，别忘了 xxx 等等。

每换一个任务、每开一次对话，都要重复一堆东西。

Skills 出现后，这些都能收纳成一个说明书。把规则提前写好，模型只需要看到有这么个规则，大概 100 个 token，需要用到的时候再打开看。

比如：

• 你是一个公众号写作博主，那么可以制作一份 “公众号写作 Skill”，规定语气、内容结构；
• 或制作一份 “学习笔记 Skill”，定义如何提炼内容重点、输出总结要求等。

之后只要说一句：“用我的 xxx  Skill 帮我写 xxx”，Claude 就懂了。

它不仅仅只是理解任务，更是理解你的具体方式。

很多人看到 Skills 的功能介绍，第一印象会觉得：“这不就是自定义提示吗？”

其实不一样。

自定义提示只是一次性的说明，且无法文件化、资产化复用；

而 Skills 是可以保存、调用、组合、反复优化的体系化工作规范文件。

说白了，Skills 就是一套你写给 Claude 的 “说明书” 和 “SOP（标准作业程序）”。

你可以想象成：

对 AI 的 “要求标准”，把它们体系化成文件，写到一个个 Skill 文件中， 且可以本地保存，你可以不断修改、打磨、复制——在 Claude 里调用，也能自己留底。让 AI 真正按你的方法长期执行任务。把自己对 AI 的要求体系化并保存下来。

这让 “怎么用 AI” 从技能变成了可沉淀的个人资产，它让 AI 第一次从理解你的指令，变成掌握你的方法。

从功能用途来看，Skills 和 CLAUDE.md 的功能咋一看有很多相似之处，但如果深究一下的话，他们两者之间还是有本质上区别。

1、Claude Skills（技能）

Skills 通常指的是封装好的特定功能或任务模块。你可以把它们理解为 “插件” 或 “宏”。它们旨在让 Claude 执行具体的、重复性的操作。

例如，定义一个 “代码审查员” 技能，当用户触发时，Claude 会严格根据这个技能中定义的规则（比如检查安全性、性能）来运行。

通常不是单一的文件，而是一个目录结构，包含指令 + 脚本 + 资源，Skills 的目录结构可以很丰富，除了主文件 SKILL.md，还可以包含检查清单、参考文档、辅助脚本等：

my-skill/ ├── SKILL.md (required) ├── reference.md (optional documentation) ├── examples.md (optional examples) ├── scripts/ │ └── helper.py (optional utility) └── templates/ └── template.txt (optional template) 

且 Claude 只会读取 Skill 的简短说明，只有在真正需要使用时才会加载完整内容，不会一开始就占用大量上下文。

需要额外说明一点，Skills 技能核心是SKILL.md文件，且必须包含 YAML 头信息，示例如下：

--- 名称: 生成提交消息 描述: 根据 git 差异生成清晰的提交消息。在编写提交消息或审查暂存更改时使用。 --- # 生成提交消息 指令 1. 运行 `git diff --staged` 查看更改 2. 我将提供包含以下内容的提交消息： - 不超过 50 字符的摘要 - 详细描述 - 受影响的组件 **实践 - 使用现在时 - 解释内容和原因，而非方式 

这也是Skills和MCP、FunctionCaling的区别，它可以实现分层加载，给上下文窗口减负。启动时，只加载 YAML 头配置（包含 name，description），大概也就 100 个 token。Skills 真正的触发时机，是通过自然语言触发，Claude 会根据你的任务描述自动判断是否需要调用某个 Skill。任务触发时，才会读取整个 Skill.md 正文内容。

2、CLAUDE.md 文件

CLAUDE.md是项目 / 全局的静态上下文配置文件，本质上就是一个静态的 Markdown 文件。

当 Claude (例如通过 Claude for VS Code 插件或 MCP) 读取你的项目时，它会优先查找这个文件，以了解该项目的整体背景、代码风格、开发规范等。通常包含项目介绍、架构说明、编码约定等非执行性的背景信息。

就像新员工入职时拿到的 “员工手册” 或 “项目文档”，用来阅读和理解，而不是直接执行的命令。

该文件在启动就会全量加载到上下文，且持续生效（自动加载，无需触发），内容越长消耗上下文 token 也会越多，一般不建议写太多内容。

内容建议：统一团队代码风格、传递项目架构、固化开发流程、架构说明、提交规则等

一句话小结，如果你想让 Claude “学会做某件具体的活”，你需要配置 Skills；如果你想让 Claude “了解你的项目情况”，你需要编写 CLAUDE.md。

很多人刚接触 Skills 时，会和 MCP 傻傻分不清，那么 Skills 和 MCP 之间到底有什么区别呢？

首先，MCP 是一个开源协议，用于连接 AI 和外部系统，AI+MCP，你就可以调用各种外部工具。

比如你可以让 Claude 访问数据库、API、文件系统、消息系统等外部资源。像常用的 Playwright MCP，就是让 Claude 能够操作浏览器。

如果，把 Claude 比喻 “头脑”，MCP 是它能调用的工具，而 Skills 则规定它的做事方法。

一句话小结：MCP 是教 AI 大模型怎么连接外部系统、API。Skills 是教 AI 大模型怎么用工具，按什么流程处理，输出什么格式。

从使用方法来说可以分为两种，目前 Claude 支持使用【官方自带的 Skill】以及【本地上传的 Skill】。

而根据 Skill 的来源不同，可以分为三种类型：

• 官方 Skills，由 Anthropic 官方及合作伙伴提供。

https://github.com/anthropics/skills 

比如，你在 Claude.ai 网页版里用的那些丝滑功能 —— 比如 “帮我开发一个 Web 应用”、“分析这个 PDF 文档”、“写一个贪吃蛇游戏并预览”，它们背后的逻辑代码，都在这个仓库里！

• 自定义 Skill，由你自己创建，适合需要个性化定制的用户，使用 Skill Creator 制作并上传 Skill 文件。
• 社区 Skill，由其他用户分享，直接拿来用，比自己造轮子快得多，非常适合做 Skills 选型和二次改造。下载后，上传即可，使用前注意安全性。

https://skillsmp.com/ 

https://www.aitmpl.com/skills 

当你发现自己经常向 Claude 请求相同类型的任务，或是有着需要反复使用的模板或资产，比如：

• "帮我用公司的模板格式写周报"： 你每周都要写团队周报，并且每次都要告诉 Claude 按照 “本周成果、遇到的困难、下一步计划” 这三个部分来组织内容。这时，你就可以创建一个 “团队周报生成” Skill。
• "按照我们公司的风格制作演示文稿"：很多时候必须严格遵守品牌指南，包括 Logo 用法、品牌色、公司名称、公司业务内容、专业的预期等。你可以将这些指南打包成一个 “品牌演示文稿风格” Skill。
• "用特定格式整理市场分析报告/做竞争对手调研"：比如说制作一份市场分析报告，可能需要结合三份竞品资料、一份内部销售数据，并套用一个固定的分析框架。这整个复杂流程都可以被封装进一个 “市场分析报告” Skill。

反之，如果只是偶尔的、一次性的请求，直接在对话中说明就可以，不需要创建 Skill。

Claude Skills 的爆发，标志着我们从提示词工程迈向了流程工程。

通过 Claude 任何人都能像整理文档一样整理 AI 的工作规范，利用 Skills，可以

• 一键本地保存，没有复杂的云配置；
• 根据任务随时改动；
• 通过不断复盘迭代，让 Skills 越来越完善。

人与 AI 的关系，不再是 “临时问答”，而是 “长期协作”。未来真正有价值的，不是谁的 Prompt 写得最花、谁一次能生成最多内容。

而是谁最懂业务流程、谁能把经验沉淀成 SOP、谁能把 SOP 交给 AI 稳定执行。

未来的 AI 不是更强的算法，而是更懂人，更个性化的系统。

另外，如果本文反响好的话，后面会再分享一期关于 Claude Skills 如何使用、如何根据需求自定义。