2026年Minion Skills：Claude Code Skills的开源实现

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。

Claude Code最近推出了一个令人兴奋的特性——Skills系统。它让AI Agent能够动态加载专业能力，按需”学习”处理PDF、Excel、PPT等专业文档的技能。

作为一个开源爱好者，我立刻意识到这个设计的价值，并在Minion框架中实现了完整的开源版本。本文将介绍Skills的设计理念，以及我的开源实现细节。

在开发AI Agent的过程中，有一个核心矛盾：

Context Window的有限性 vs 能力需求的无限性

传统做法是把所有工具、所有指令都塞进system prompt：

System Prompt = 基础指令 + 所有工具描述 + 所有专业知识
            = 50K+ tokens
            = 高延迟 + 高成本 + 低效率

更糟的是，大多数时候用户只需要其中一小部分能力。当用户问”帮我处理这个PDF”时，系统却加载了处理Excel、数据库、代码等所有能力的上下文。

Claude Code的Skills设计灵感来自一个简单的类比：

人类专家不是把所有知识都装在脑子里，而是在需要时查阅手册、调用专业知识。

Skills系统让AI Agent也具备这种能力：

用户请求 → Agent识别需要PDF技能 → 动态加载PDF处理指令
                                 → 执行专业任务
                                 → 返回结果

看到Claude Code的Skills设计后，我决定在Minion框架中实现一个完全兼容的开源版本，让更多开发者能够使用这一特性。

每个Skill就是一个包含SKILL.md文件的目录：

.minion/skills/
├── pdf/
│   ├── SKILL.md          # 技能定义和指令
│   ├── references/       # 参考资料
│   ├── scripts/          # 辅助脚本
│   └── assets/           # 资源文件
├── xlsx/
│   └── SKILL.md
└── docx/
    └── SKILL.md

SKILL.md采用YAML frontmatter + Markdown body的格式：

—
name: pdf
description: PDF文档处理技能，支持文本提取、表格解析、表单填写等
license: MIT
—


 当使用此技能时


你现在具备了专业的PDF处理能力…


 文本提取
使用pypdf2库进行文本提取：
…


 表格识别
使用tabula-py进行表格提取：
…

Skill Loader会在多个位置搜索可用技能：

class SkillLoader:
    SKILL_DIRS = [
        “.claude/skills”,   # 兼容Claude Code
        “.minion/skills”,   # Minion原生
    ]


    def get_search_paths(self):
        paths = []
        # 项目级优先
        for skill_dir in self.SKILL_DIRS:
            paths.append((self.project_root / skill_dir, “project”))
        # 用户级次之
        for skill_dir in self.SKILL_DIRS:
            paths.append((self.home_dir / skill_dir, “user”))
        return paths

这种分层设计带来了灵活性：

项目级Skills：针对特定项目的专业能力

用户级Skills：跨项目的通用能力

优先级机制：项目级覆盖用户级，允许定制化

兼容性：同时支持.claude/skills和.minion/skills路径

class SkillRegistry:
    def register(self, skill: Skill) -> bool:
        “”“注册技能，高优先级覆盖低优先级”“”
        existing = self._skills.get(skill.name)
        if existing:
            priority = {“project”: 0, “user”: 1, “managed”: 2}
            if priority[skill.location] >= priority[existing.location]:
                return False  # 已有更高优先级的同名技能


        self._skills[skill.name] = skill
        return True


    def generate_skills_prompt(self, char_budget=10000):
        “”“生成可用技能列表，控制context消耗”“”
        # 智能截断，确保不超预算
        …

class SkillTool(BaseTool):
    name = “Skill”
    description = “动态加载并执行专业技能”


    def execute_skill(self, skill: str) -> Dict[str, Any]:
        skill_obj = self.registry.get(skill)


        if skill_obj is None:
            return {
                “success”: False,
                “error”: f”Unknown skill: {skill}“,
                “available_skills”: self.registry.list_all()[:10]
            }


        # 获取技能的完整指令
        prompt = skill_obj.get_prompt()


        return {
            “success”: True,
            “skill_name”: skill_obj.name,
            “prompt”: prompt,  # 注入到对话上下文
        }

用户：帮我分析这份财务报告 report.pdf，提取所有表格数据


Agent：
1. 识别需要PDF处理能力
2. 调用 Skill(“pdf”) 加载PDF技能
3. 获得专业的PDF处理指令
4. 使用pypdf2提取文本
5. 使用tabula-py提取表格
6. 返回结构化数据

用户：把这10个Excel文件合并，并生成汇总统计


Agent：
1. 调用 Skill(“xlsx”) 加载Excel技能
2. 获得pandas、openpyxl等库的专业用法
3. 批量读取文件
4. 合并数据、计算统计
5. 生成新的Excel报告

指标传统方式Skills方式基础Context50K tokens10K tokensPDF任务Context50K tokens10K + 3K tokens首次响应延迟较长较短专业任务质量一般更精准

技能通过Markdown定义，非技术人员也能创建和维护：

—
name: data-analysis
description: 数据分析技能
—


 数据清洗步骤
1. 检查缺失值
2. 处理异常值
…

技能可以带有参考资料、脚本等资源：

skill_obj.get_prompt()
# 返回：
# Loading: pdf
# Base directory: /Users/xxx/.minion/skills/pdf
#
# [技能内容，可以引用 references/api_doc.md 等]

@dataclass
class Skill:
    name: str
    description: str
    content: str
    path: Path
    location: str  # project, user, managed
    license: Optional[str]
    metadata: Dict[str, Any]

Claude Code的Skills是一个出色的设计，但它是闭源的、与Claude生态绑定的。我实现开源版本的原因：

LLM无关性：Minion支持多种LLM后端（Claude、GPT-4、开源模型），Skills能力不应被锁定在单一供应商

可定制性：开源实现允许深度定制，满足特殊需求

社区贡献：开源让更多人能够贡献Skills，形成技能生态

学习价值：通过实现，深入理解这一架构的设计精髓

想象一个Skills Marketplace，开发者可以发布、分享专业技能：

minion skill install data-science-toolkit
minion skill install legal-document-analysis

根据用户历史和当前任务，自动推荐相关技能：

def recommend_skills(user_request, history):
    # 分析请求内容
    # 匹配最相关的技能
    # 预加载可能需要的技能
    …

多个技能协同工作：

# 分析PDF中的数据，生成Excel报告
skills_used = [“pdf”, “xlsx”, “data-visualization”]

Agent在完成复杂任务后，自动生成新技能供未来使用：

async def learn_skill_from_session(session_log):
    # 分析成功的任务执行过程
    # 提取可复用的模式和指令
    # 生成新的SKILL.md
    …

Claude Code的Skills系统体现了一个核心设计哲学：

不要试图让AI什么都懂，而是让它知道在需要时去哪里找到答案。

这种”专家系统”思维，让AI Agent从”通才”进化为”能快速变身专家的通才”。

通过Minion的开源实现，这一能力现在可以被更广泛的开发者使用，不受限于特定的LLM供应商或闭源生态。

欢迎试用和贡献：

GitHub: https://github.com/femto/minion

文档: https://github.com/femto/minion/blob/main/docs/skills.md

让我们一起构建更开放、更智能的AI Agent生态。

关于作者：郑炳南，毕业于复旦大学物理系。拥有20多年软件开发经验，是开源社区的活跃贡献者，参与贡献metagpt、smolagents、mem0等项目，为ICLR 2025 oral paper《AFlow: Automating Agentic Workflow Generation》的作者之一。

往期文章：

《Minion框架早已实现PTC：超越传统Tool Calling的Agent架构》

2026年Minion Skills：Claude Code Skills的开源实现

相关推荐