1. 从skills这个模糊词说起它到底指什么第一次看到skills这个词作为项目标题说实话我是有点懵的。这个词太泛了泛到放在任何语境下都能说得通——招聘网站上叫skills游戏里叫skills现在AI圈子里也在疯狂刷skills。但结合热搜词里那一串ClaudeAgent SkillsSKILL.mdClaude Codeskills开发ai skills怎么写方向就很清楚了这里说的skills指的是围绕Claude生态构建的一套可复用的能力模块机制核心载体是SKILL.md文件运行环境主要是Claude Code这类命令行/桌面端的Agent工具。我把它翻译成人话skills就是给AI Agent预先写好的一份操作手册工具清单。你告诉它遇到什么场景该调用什么工具、按什么流程走、输出什么格式它就能在后续对话里自动按这套规则干活不用你每次从头解释。这跟传统意义上的提示词模板有本质区别——提示词模板是死的文本skills是带文件结构、带资源引用、带执行逻辑的活模块。为什么这个东西突然火起来因为大家发现光靠聊天窗口里敲提示词效率天花板太低了。你每次都要重复交代背景、重复贴规范、重复纠正格式AI还经常失忆。而skills机制把怎么干活这件事从对话里抽出来固化成一个文件目录Agent启动时自动加载相当于给AI装了一个专业岗位的岗前培训包。数学建模有数学建模的skills前端开发有前端开发的skillsAI漫剧有AI漫剧的skills各干各的互不干扰。这篇文章适合谁看三类人一是刚接触Claude Code、连安装都还没搞定的纯小白二是已经能用起来、但每次都在重复写提示词、想提效的中级用户三是想自己动手写skills、做技能库分享的开发者。我会从概念讲到实操从安装讲到开发把热搜里那些零散的问题串成一条完整的线。提示本文讨论的skills机制基于公开的Agent工具生态具体API和目录规范可能随版本迭代变化实操时以你本地工具的实际文档为准。2. Claude Code与skills的运行底座2.1 Claude Code是什么为什么skills离不开它要理解skills得先理解它的宿主环境。Claude Code是Anthropic推出的一个终端里的AI编程助手你可以把它想象成一个住在命令行里的结对程序员。它跟网页版聊天最大的不同在于它能直接读写你本地的文件、执行命令、跑测试、看目录结构。这个能力是skills能落地的前提——因为skills本质上就是一堆放在特定目录下的文件Agent得有能力去读它们。热搜里有一堆关于安装的问题比如claude : 无法将claude项识别为cmdlet、函数、脚本文件或可运行程序的名称这是Windows PowerShell里最典型的报错意思是系统找不到claude这个命令。还有claudes workspace requires the virtual machine platform on windows. enable这是Windows上虚拟化平台没开导致的。以及note: claude code might not be available in your country这个属于区域可用性问题遇到就换个网络环境或者用其他接入方式不展开。安装路径大致分两条一条是官方CLI通过包管理器装另一条是桌面版Claude Desktop图形界面操作。热搜里claude code桌面版claude code desktop国内下载claude code下载都指向这个需求。我的建议是如果你只是想体验skills桌面版上手更快如果你要做skills开发、要跑自动化流程CLI版更灵活。2.2 skills的目录结构与SKILL.md的角色skills不是随便扔个txt就行的它有一套约定俗成的目录规范。典型结构长这样skills/ my-skill/ SKILL.md # 核心定义文件必须有 scripts/ # 可执行脚本 resources/ # 参考资料、模板 examples/ # 示例输入输出SKILL.md是整个skill的身份证说明书。它通常包含几块内容技能名称与描述告诉Agent这个skill是干嘛的、触发条件什么情况下该用这个skill、执行步骤具体怎么操作、工具依赖需要调用哪些命令或脚本、输出规范结果长什么样。你可以把它理解成一份写给AI看的SOP标准作业程序。为什么用Markdown而不是JSON或YAML因为Markdown对AI友好。大语言模型读Markdown的解析准确率明显高于读结构化配置文件而且Markdown能塞进自然语言描述灵活性高。这是实践中总结出来的经验不是拍脑袋定的。2.3 手动安装GitHub上skills的完整流程热搜里claude code怎么手动装github上的skills是个高频问题。官方技能库和社区分享的skills大多托管在GitHub上手动安装的步骤其实不复杂但坑不少。我按实际操作顺序拆一遍找到skills仓库通常是一个包含多个skill子目录的repo每个子目录里都有SKILL.md。确认本地skills目录位置Claude Code一般会在用户主目录下有个配置文件夹比如~/.claude/skills/或者项目根目录下的.claude/skills/。具体路径看你用的版本用claude --help或者翻配置文件能确认。克隆或下载可以直接git clone整个仓库也可以只下载你需要的那个skill目录。放置到正确位置把skill目录整个复制进skills根目录注意保持目录结构完整别把SKILL.md单独拎出来。重启或重载Agent大部分工具需要重启会话才能识别新skill。验证在对话里问Agent你现在有哪些skills可用或者直接触发该skill的场景看它是否调用。# 示例克隆一个skills仓库到本地临时目录 git clone https://github.com/example/awesome-skills.git /tmp/awesome-skills # 查看里面有哪些skill ls /tmp/awesome-skills # 复制你需要的skill到本地skills目录路径以实际为准 cp -r /tmp/awesome-skills/math-modeling ~/.claude/skills/注意不同版本的目录约定可能不同有的放在全局配置目录有的放在项目级目录。项目级skill只对当前项目生效全局skill对所有项目生效。装之前先搞清楚你要哪种。3. 写一个能用的SKILL.md从空文件到可执行3.1 先想清楚这个skill解决什么问题很多人一上来就写SKILL.md结果写出来的东西AI根本不调用或者调用了也干不对活。问题出在第一步没定义清楚技能的边界。一个好的skill应该只解决一类明确的问题。比如数学建模skill太宽了数学建模中的线性规划建模与求解就具体得多。我自己的习惯是先写一句话当用户需要______时这个skill负责______输出______。把这三个空填清楚SKILL.md的骨架就有了。热搜里ai skills怎么写skills开发问的就是这个核心不是格式是问题定义能力。3.2 SKILL.md的字段拆解与写法示范下面是一个我实际用过的SKILL.md骨架以代码审查场景为例# Skill: Code Review Assistant ## 描述 对指定代码文件进行结构化审查输出问题清单和改进建议。 ## 触发条件 - 用户明确要求审查代码 - 用户提交了代码片段并询问质量 - 项目配置中开启了自动审查 ## 执行步骤 1. 读取目标文件识别语言和框架 2. 按以下维度检查命名规范、错误处理、边界条件、性能隐患、安全风险 3. 对每个问题标注严重等级高/中/低 4. 输出结构化报告 ## 输出格式 | 行号 | 问题类型 | 严重等级 | 说明 | 建议 | |------|---------|---------|------|------| ## 工具依赖 - 文件读取能力 - 可选静态分析脚本 scripts/lint.sh这个结构的好处是触发条件明确Agent知道什么时候该用执行步骤线性不会漏项输出格式固定结果可预期。写SKILL.md最忌讳的是写成散文AI读起来抓不住重点。3.3 让skill真正被调用的三个关键细节写完SKILL.md只是第一步能不能被正确调用是另一回事。我踩过的坑总结成三条第一描述要包含触发词。Agent判断是否调用某个skill主要看描述和触发条件里的关键词。如果你的skill是处理Excel的描述里一定要出现Excel表格xlsx数据清洗这类词否则用户说帮我整理下这个表Agent可能根本想不到你。第二步骤要可执行不能是理解用户意图这种废话。AI不需要你教它理解意图它需要的是明确的动作指令。分析代码质量是废话按命名、错误处理、边界条件三个维度逐行检查才是可执行指令。第三控制skill的粒度。一个skill干太多事AI容易在中途跑偏干太少事又不如直接写提示词。我的经验是一个skill对应一个完整的任务单元大概3到7个步骤输出一种固定格式的结果。4. 不同场景下的skills实战数学建模、前端、AI漫剧4.1 数学建模skills从赛题到论文的流水线热搜里数学建模skills推荐华为杯建模比赛好用的codex skills出现频率很高说明这个场景需求真实且集中。数学建模比赛的特点是时间紧、任务重、流程固定读题、选模型、写代码、跑结果、写论文。这套流程非常适合做成skills。我见过一个比较成熟的数学建模skill设计它把整个比赛拆成几个子skill审题skill负责提取题目约束和目标函数模型选择skill根据问题类型推荐候选模型规划、统计、机器学习等求解skill负责生成代码框架并调用求解器论文skill负责按竞赛模板组织文字和图表。每个子skill独立通过主skill串联。这里的关键经验是数学建模skill一定要内置模型库作为资源文件。光靠AI现场想模型容易给出不切实际的方案。把常用模型的适用条件、参数形式、代码模板整理成resources目录下的参考文件AI调用时直接查表准确率会高很多。4.2 前端开发skills组件生成与规范检查前端开发skills这个热搜词背后是前端工程师对重复劳动的厌倦。每次新建组件都要写一遍差不多的模板、配一遍样式、加一遍类型定义烦不烦一个前端skill可以做到你说给我生成一个带搜索和分页的用户列表组件它直接按你项目的技术栈React还是Vue、用不用TypeScript、样式方案是CSS Modules还是Tailwind输出完整文件。这类skill的核心在于项目上下文注入。SKILL.md里要写明读取项目根目录的package.json确认技术栈读取现有组件的代码风格作为参考。这样生成的代码才能融入项目而不是一个孤立的、风格迥异的片段。热搜里typesafe ai skills github也指向这个方向——类型安全在前端skill里是硬需求生成的代码必须能通过类型检查。4.3 AI漫剧skills分镜、文案、配图的协同ai漫剧常用skills是个挺有意思的场景。AI漫剧的生产链条大概是故事大纲→分镜脚本→画面描述→配图生成→配音文案。每个环节都可以做成skill但难点在于环节之间的数据传递。分镜skill输出的格式必须能被配图skill直接消费否则中间还要人工转换效率就没了。我的做法是定义一个中间数据格式比如用JSON描述每一帧的画面内容、角色、情绪、镜头角度所有skill都围绕这个格式读写。这样分镜skill产出JSON配图skill读JSON生成提示词配音skill读JSON生成台词。整个流水线跑起来人只需要在关键节点做审核。5. 技能库管理与踩坑实录5.1 skills装多了会打架冲突与优先级skills不是越多越好。我一开始兴奋地装了二十几个skill结果Agent经常调用错误的skill或者两个skill抢同一个任务。后来才明白skill之间会冲突。比如你装了一个简洁回答skill和一个详细解释skill用户问同一个问题Agent不知道该听谁的。解决办法有两个一是按项目隔离不同项目用不同的skills目录互不干扰二是在SKILL.md里写明优先级和互斥关系比如当详细解释skill可用时本skill不主动触发。热搜里tibo关于清理skills的方法推荐说的就是这个问题——定期清理不用的、重叠的skill保持技能库精简。5.2 排查skill不生效的完整链路skill装了但没反应这是最高频的求助。我总结了一套排查顺序按这个链路走基本能定位排查步骤检查内容常见问题1目录位置对不对放错到项目级但当前不在该项目2SKILL.md文件名大小写必须是全大写SKILL.md3文件编码非UTF-8导致解析失败4触发条件是否匹配描述里缺少用户实际使用的关键词5是否重启会话大部分工具不热加载6权限问题脚本没有执行权限7版本兼容skill写法与当前工具版本不匹配这个表我贴在显示器边上每次出问题照着走一遍比瞎猜快得多。其中第4条最隐蔽——很多人skill写得没问题就是触发词没覆盖用户的表达习惯导致Agent想不到用它。5.3 从社区skill到自己写学习路径建议热搜里如何学习skills(技能)skills技能库网址skills推荐反映的是入门者的迷茫。我的建议路径是先用现成的再改现成的最后写自己的。第一阶段找几个热门skill装上观察它们怎么被调用、输出什么第二阶段把现成skill的SKILL.md打开改几个词看行为怎么变理解每个字段的作用第三阶段针对自己最高频的重复劳动写第一个原创skill。不要一上来就追求写一个万能skill。我见过太多人想写一个能处理所有编程任务的skill结果写出来四不像。从一个具体的小任务开始比如把选中的代码转成单元测试跑通了再扩展。skills开发的本质是任务拆解能力这个能力只能靠练。6. 关于skills生态的一些个人观察用了一段时间skills之后我最大的感受是它把AI从聊天对象变成了工作流组件。以前我们用AI是在对话里来回拉扯现在用skills是把AI嵌进已有的工作流程里让它按既定规则自动运转。这个转变的意义比skills本身的技术细节大得多。另一个观察是skills的分享和复用正在形成一个小生态。GitHub上已经有专门收集skills的仓库社区里有人分享数学建模skill、有人分享代码审查skill、有人分享写作skill。这种能力模块的流通有点像早期npm包或者VSCode插件的阶段——先野蛮生长再逐渐规范化。现在入场写skill门槛低但要想写出被广泛使用的还是得在问题定义和输出质量上下功夫。最后分享一个我自己的小技巧给每个skill写一个自测用例。就是在SKILL.md旁边放一个examples目录里面存一组输入和期望输出。每次改完skill拿这组用例跑一遍看行为有没有跑偏。这个习惯帮我避免了好几次改一个字段结果整个skill失效的事故。skills这东西写起来快坏起来也快有个回归测试兜底心里踏实。