Claude Agent Skills用文件夹封装专业流程AI 应用从「提示工程」走向「能力工程」核心观点Anthropic 在 2025 年 10 月正式发布 Claude Skills并于 2025 年 12 月将其升格为开放标准agentskills.io。这不是一次功能迭代而是一次关于「Agent 能力单元」的重新定义真正制约 Agent 落地的不是模型智能不足而是专业流程无法被结构化地沉淀和复用。Skills 给出的答案是用一个带SKILL.md的文件夹把流程、代码、模板和示例打包成可按需调用的能力单元。关键机制「按需加载 渐进展开」才是真正的核心Skills 的实现极其简单——一个文件夹、一个 Markdown 文件、两个必填字段name和description——但简单背后的关键机制是按需加载progressive disclosure默认情况下Claude 只拿到每个 Skill 的元信息名字 描述不消耗上下文窗口只有当 Claude 判断当前任务需要某个 Skill 时才完整读取该 Skill 的指令和资源更复杂的 Skill如 PDF 处理甚至会在主文档里写「如需填写表单请读 forms.md」Claude 自主决定是否进一步读取子文档。这个机制解决了 System Prompt 方案的根本缺陷——System Prompt 必须一次性全量加载无论任务是否需要其中 80% 的内容Token 都被占用了。# SKILL.md 最小结构 --- name: my-skill-name description: A clear description of what this skill does and when to use it --- # My Skill Name ## 执行流程 1. ... 2. ... ## 示例 - 示例一 - 示例二 ## 使用规范 - 规范一对比判断相比 System Prompt 和 ToolSkills 各赢在哪相比 System PromptSkills 至少在三个维度形成碾压维度System PromptSkills上下文占用全量加载不管用不用按需加载默认零消耗可维护性埋在对话历史里无法审计回滚文件可 Git 版本控制可复用性一次性提示技巧无法传承团队共享、组织级资产行为一致性依赖措辞天然漂移结构固定可回归测试不同于 Tool Use工具调用Tool 负责「能做什么」接外部 API、数据库而 Skill 负责「应该怎么做」专业判断、执行工作流。两者是互补分层而非替代关系。Anthropic 给出的分层架构是Model思考→ Runtime执行环境→Skill专业能力→ MCP Server连接外部世界。这个类比值得记住Skill ≈ 应用软件MCP ≈ 外设Runtime ≈ 操作系统Model ≈ CPU。推演这意味着 AI 应用的开发重心正在迁移基于上述机制可以推导出一个具体判断接下来企业 AI 落地的竞争焦点会从「谁的提示词写得更好」转向「谁的 Skill 库更完整、质量更高」。这不是空话——当 Skill 可以版本控制、可以依赖其他 Skill官方已规划 Skill Dependencies、可以发布到 Marketplace 被他人安装它实际上就是一种新形态的软件包。Notion 已经发布了官方 SkillAnthropic 仓库本身的文档技能docx/pdf/pptx/xlsx是 Claude.ai 「创建文档」功能的底层实现以「source-available」形式开放这本身就说明 Skills 已经在生产级产品中运转。这意味着未来有价值的不是「会用 Claude 的人」而是「能沉淀可复用 Skill 资产的组织」。边界局限并非适用于所有场景且存在真实安全风险局限在于以下几点需要诚实面对简单任务不值得封装如果只是需要「改改语气」「轻量对话」一句 System Prompt 比写一个 Skill 快得多。过度工程化是真实风险Skywork 的对比分析明确指出「如果任务足够简单短 System Prompt 反而更快更省钱」。路由不是魔法Claude 自动选择 Skill 的机制基于description字段语义匹配并非保证正确。官方建议用「黄金测试用例golden tests」在自己领域验证路由准确性不能默认信任。企业级治理细节不透明更深层的 RBAC 权限控制、审计日志等官方文档尚未完整公开Skywork 明确建议「在受监管的部署环境中需联系 Anthropic 代表确认」。安全风险是真实的Anthropic 官方在文档中明确警告——恶意 Skill 可能指示 Claude 窃取数据、执行非预期操作、引入代码依赖漏洞。社区已有遭遇「Skill 投毒」案例。从非可信来源安装 Skill 前必须逐行审查 SKILL.md 及捆绑代码。使用方式速查Claude Code# 注册官方 Skill 市场 /plugin marketplace add anthropics/skills # 直接安装指定技能包 /plugin install document-skillsanthropic-agent-skills /plugin install example-skillsanthropic-agent-skills安装后直接在对话中引用即可例如「Use the PDF skill to extract form fields fromreport.pdf」Claude.ai付费计划直接可用官方 Skill支持上传自定义 Skill。API参考 Skills API Quickstart支持上传自定义 Skill 并通过 API 调用。交叉验证本文观点通过以下两个独立信源进行了交叉验证① windliang.wang 独立技术博客2025-12-30——作者 windliang 对 Skills 标准做了深度解析完全认同原文的「按需加载」和「知识沉淀」核心定位并补充了一个原文未强调的重要视角当前 Agent 的根本问题不是「智能不足」而是「专业性缺失」——Agent 像「极其聪明但毫无行业经验的新人」Skills 是在给这个新人注入可复用的行业经验。该信源还提供了 Anthropic 官方尚未在 README 里写明的安全风险清单具有重要补充价值。② Skywork AI 技术博客2026-01-30题为「Claude Skills vs System Prompts (2025): Structure Beats Ad-Hoc」——该信源大体认同原文关于 Skills 优越性的判断但提出了一个重要的补充与纠正原文对 Skills 的描述略显偏向鼓励而 Skywork 明确指出「Skills 需要前期投入定义契约inputs/outputs/golden cases/dependencies对简单任务是过度工程化」并建议多数团队采用「简短 Base Prompt 少量高 ROI Skill」的混合策略——这是比原文 README 更务实的落地建议值得采纳。两个信源均未反驳原文的核心机制描述但都在「局限性」维度有所补充构成对原文偏乐观叙事的有益平衡。个人启发对开发者/工程师现在就可以把你反复在 System Prompt 里粘贴的那段「数据分析流程」或「代码审查规范」重构成一个 Skill 文件夹提交到团队 Git 仓库。这不只是整理而是在创建一种新型的组织知识资产未来可以直接被 Claude Code 安装使用。对企业决策者不要把 Skills 当功能要当「能力资产管理体系」来建设。关键动作① 盘点高重复、高价值的业务流程如品牌稿撰写、数据报告生成、合规审查② 从 2-3 个优先级最高的场景开始封装 Skill③ 建立内部 Skill 库的版本管理和审计机制在任何 Skill 上线前必须做安全审查。对普通用户Claude.ai 付费计划已经可以上传自定义 Skill这意味着你可以把自己的「写作风格指南」「读书笔记模板」「个人工作流」封装成 Skill一次定义永久复用彻底告别每次都要重新解释背景的问题。延伸思考Skill Marketplace 的生态会走向何方当 Notion、Figma 等 SaaS 产品都开始发布官方 Skill这实际上是在为自己的产品增加「AI 操作手册」。这是否意味着未来 SaaS 产品的竞争将部分转移到「谁的官方 Skill 质量更高、用户使用更顺畅」上「Skill 投毒」会不会成为新的攻击面类比 npm 包的供应链攻击当 Skill Marketplace 的 Skill 数量增长后恶意 Skill 的传播和检测将是系统性挑战。Anthropic 目前的应对是「用户自行审查」这在规模化之后显然不够这个安全问题值得持续关注。Skills 的开放标准agentskills.io能否真正跨模型落地目前 Cursor 仅在 Nightly 版支持其他主流 Agent 框架尚未跟进。如果标准只停留在 Claude 生态它更像一个产品特性而非行业标准只有 GPT、Gemini 等竞争对手也采纳类似规范「Agent 能力可移植」的愿景才真正有意义。 参考来源GitHub - anthropics/skills: Public repository for Agent Skills · GitHub
Claude Agent Skills用文件夹封装专业流程AI 应用从「提示工程」走向「能力工程」核心观点Anthropic 在 2025 年 10 月正式发布 Claude Skills并于 2025 年 12 月将其升格为开放标准agentskills.io。这不是一次功能迭代而是一次关于「Agent 能力单元」的重新定义真正制约 Agent 落地的不是模型智能不足而是专业流程无法被结构化地沉淀和复用。Skills 给出的答案是用一个带SKILL.md的文件夹把流程、代码、模板和示例打包成可按需调用的能力单元。关键机制「按需加载 渐进展开」才是真正的核心Skills 的实现极其简单——一个文件夹、一个 Markdown 文件、两个必填字段name和description——但简单背后的关键机制是按需加载progressive disclosure默认情况下Claude 只拿到每个 Skill 的元信息名字 描述不消耗上下文窗口只有当 Claude 判断当前任务需要某个 Skill 时才完整读取该 Skill 的指令和资源更复杂的 Skill如 PDF 处理甚至会在主文档里写「如需填写表单请读 forms.md」Claude 自主决定是否进一步读取子文档。这个机制解决了 System Prompt 方案的根本缺陷——System Prompt 必须一次性全量加载无论任务是否需要其中 80% 的内容Token 都被占用了。# SKILL.md 最小结构 --- name: my-skill-name description: A clear description of what this skill does and when to use it --- # My Skill Name ## 执行流程 1. ... 2. ... ## 示例 - 示例一 - 示例二 ## 使用规范 - 规范一对比判断相比 System Prompt 和 ToolSkills 各赢在哪相比 System PromptSkills 至少在三个维度形成碾压维度System PromptSkills上下文占用全量加载不管用不用按需加载默认零消耗可维护性埋在对话历史里无法审计回滚文件可 Git 版本控制可复用性一次性提示技巧无法传承团队共享、组织级资产行为一致性依赖措辞天然漂移结构固定可回归测试不同于 Tool Use工具调用Tool 负责「能做什么」接外部 API、数据库而 Skill 负责「应该怎么做」专业判断、执行工作流。两者是互补分层而非替代关系。Anthropic 给出的分层架构是Model思考→ Runtime执行环境→Skill专业能力→ MCP Server连接外部世界。这个类比值得记住Skill ≈ 应用软件MCP ≈ 外设Runtime ≈ 操作系统Model ≈ CPU。推演这意味着 AI 应用的开发重心正在迁移基于上述机制可以推导出一个具体判断接下来企业 AI 落地的竞争焦点会从「谁的提示词写得更好」转向「谁的 Skill 库更完整、质量更高」。这不是空话——当 Skill 可以版本控制、可以依赖其他 Skill官方已规划 Skill Dependencies、可以发布到 Marketplace 被他人安装它实际上就是一种新形态的软件包。Notion 已经发布了官方 SkillAnthropic 仓库本身的文档技能docx/pdf/pptx/xlsx是 Claude.ai 「创建文档」功能的底层实现以「source-available」形式开放这本身就说明 Skills 已经在生产级产品中运转。这意味着未来有价值的不是「会用 Claude 的人」而是「能沉淀可复用 Skill 资产的组织」。边界局限并非适用于所有场景且存在真实安全风险局限在于以下几点需要诚实面对简单任务不值得封装如果只是需要「改改语气」「轻量对话」一句 System Prompt 比写一个 Skill 快得多。过度工程化是真实风险Skywork 的对比分析明确指出「如果任务足够简单短 System Prompt 反而更快更省钱」。路由不是魔法Claude 自动选择 Skill 的机制基于description字段语义匹配并非保证正确。官方建议用「黄金测试用例golden tests」在自己领域验证路由准确性不能默认信任。企业级治理细节不透明更深层的 RBAC 权限控制、审计日志等官方文档尚未完整公开Skywork 明确建议「在受监管的部署环境中需联系 Anthropic 代表确认」。安全风险是真实的Anthropic 官方在文档中明确警告——恶意 Skill 可能指示 Claude 窃取数据、执行非预期操作、引入代码依赖漏洞。社区已有遭遇「Skill 投毒」案例。从非可信来源安装 Skill 前必须逐行审查 SKILL.md 及捆绑代码。使用方式速查Claude Code# 注册官方 Skill 市场 /plugin marketplace add anthropics/skills # 直接安装指定技能包 /plugin install document-skillsanthropic-agent-skills /plugin install example-skillsanthropic-agent-skills安装后直接在对话中引用即可例如「Use the PDF skill to extract form fields fromreport.pdf」Claude.ai付费计划直接可用官方 Skill支持上传自定义 Skill。API参考 Skills API Quickstart支持上传自定义 Skill 并通过 API 调用。交叉验证本文观点通过以下两个独立信源进行了交叉验证① windliang.wang 独立技术博客2025-12-30——作者 windliang 对 Skills 标准做了深度解析完全认同原文的「按需加载」和「知识沉淀」核心定位并补充了一个原文未强调的重要视角当前 Agent 的根本问题不是「智能不足」而是「专业性缺失」——Agent 像「极其聪明但毫无行业经验的新人」Skills 是在给这个新人注入可复用的行业经验。该信源还提供了 Anthropic 官方尚未在 README 里写明的安全风险清单具有重要补充价值。② Skywork AI 技术博客2026-01-30题为「Claude Skills vs System Prompts (2025): Structure Beats Ad-Hoc」——该信源大体认同原文关于 Skills 优越性的判断但提出了一个重要的补充与纠正原文对 Skills 的描述略显偏向鼓励而 Skywork 明确指出「Skills 需要前期投入定义契约inputs/outputs/golden cases/dependencies对简单任务是过度工程化」并建议多数团队采用「简短 Base Prompt 少量高 ROI Skill」的混合策略——这是比原文 README 更务实的落地建议值得采纳。两个信源均未反驳原文的核心机制描述但都在「局限性」维度有所补充构成对原文偏乐观叙事的有益平衡。个人启发对开发者/工程师现在就可以把你反复在 System Prompt 里粘贴的那段「数据分析流程」或「代码审查规范」重构成一个 Skill 文件夹提交到团队 Git 仓库。这不只是整理而是在创建一种新型的组织知识资产未来可以直接被 Claude Code 安装使用。对企业决策者不要把 Skills 当功能要当「能力资产管理体系」来建设。关键动作① 盘点高重复、高价值的业务流程如品牌稿撰写、数据报告生成、合规审查② 从 2-3 个优先级最高的场景开始封装 Skill③ 建立内部 Skill 库的版本管理和审计机制在任何 Skill 上线前必须做安全审查。对普通用户Claude.ai 付费计划已经可以上传自定义 Skill这意味着你可以把自己的「写作风格指南」「读书笔记模板」「个人工作流」封装成 Skill一次定义永久复用彻底告别每次都要重新解释背景的问题。延伸思考Skill Marketplace 的生态会走向何方当 Notion、Figma 等 SaaS 产品都开始发布官方 Skill这实际上是在为自己的产品增加「AI 操作手册」。这是否意味着未来 SaaS 产品的竞争将部分转移到「谁的官方 Skill 质量更高、用户使用更顺畅」上「Skill 投毒」会不会成为新的攻击面类比 npm 包的供应链攻击当 Skill Marketplace 的 Skill 数量增长后恶意 Skill 的传播和检测将是系统性挑战。Anthropic 目前的应对是「用户自行审查」这在规模化之后显然不够这个安全问题值得持续关注。Skills 的开放标准agentskills.io能否真正跨模型落地目前 Cursor 仅在 Nightly 版支持其他主流 Agent 框架尚未跟进。如果标准只停留在 Claude 生态它更像一个产品特性而非行业标准只有 GPT、Gemini 等竞争对手也采纳类似规范「Agent 能力可移植」的愿景才真正有意义。 参考来源GitHub - anthropics/skills: Public repository for Agent Skills · GitHub
