大家好我是何三，80后老猿，独立开发者

还在把几千字的 SOP 塞进对话框？还在为 AI “左耳进右耳出”抓狂？Anthropic 最新推出的 Agent Skills，让你的 AI 从“失忆的天才”进化为“装备精良的特种兵”。本文含保姆级教程与避坑指南。

你有没有这种感觉：用 AI 就像在教一个“失忆的天才”。

昨天费了九牛二虎之力，教它怎么把公司乱七八糟的 Jira 导出文件变成周报；今天想再跑一次，结果它两手一摊：“请告诉我具体要求。”

于是，你又不得不把那段 500 字的 Prompt 翻出来，重新粘贴、解释、调优。

这种“每次做饭都要自己去种菜”的日子，该结束了。

Anthropic 在 2025 年正式推出的 Claude Agent Skills 框架，就是为了解决这个问题。简单来说，它允许你把复杂的经验打包成一个个“预制菜包”。AI 需要的时候，直接“开袋即烹”，稳定、高效、不费脑子。

今天这篇文章，不讲虚的，直接带你上手这个能大幅提升 AI 生产力的新神器。

一、 什么是 Agent Skills？

官方定义它是“模块化能力扩展机制”，但你可以把它理解为 AI 的“插件系统”。

以前，AI 的能力只有两种： 1. 出厂自带（预训练模型里的知识）； 2. 临时现编（你每次在对话框里输入的 Prompt）。

Agent Skills 带来了第三种：程序性记忆。

它允许你把一套复杂的业务逻辑——比如“如何审计合同”、“如何清洗 Excel 报表”——封装成一个标准的文件夹（Skill）。当 AI 识别到你需要做这件事时，它会自动加载这个技能包，按你预设好的步骤执行，不再需要你废话。

二、 为什么它比写 Prompt 强百倍？

我们用一个直观的对比来看看，Before（传统 Prompt） 和 After（使用 Skills） 的区别：

❌ Before：每次都是“手工作坊”

  • 成本高：每次都要把 10-20 条规则塞进上下文，浪费 Token。
  • 不稳定：模型一旦注意力分散，就会跳过第 7 条规则。
  • 难复用：换个人、换个项目，Prompt 就丢了。

✅ After：工业化的“预制菜包”

  • 按需加载：AI 先看“菜单”（元数据），只有点这道菜时，才拿出“菜谱”（详细指令）。
  • 标准化：脚本和工具都封装在里面，执行力像机器一样精准。
  • 可沉淀：公司的老员工离职了，但他的“Skill”留下来了，新 AI 接手就能用。

三、 一个 Skill 长什么样？

别被吓到，它就是一个文件夹。

最简结构如下：

my-skill/
├── SKILL.md          <-- 核心：给 AI 看的“操作手册”
├── scripts/          <-- 外挂：Python/Shell 脚本（处理复杂计算）
├── references/       <-- 仓库：存放参考资料、规范文档
└── assets/           <-- 道具：模板文件、图标等

核心：SKILL.md 的结构

这个文件是 AI 的“大脑”，分为头和身体：

1. 头部（YAML）：告诉 AI 什么时候用

---
name: weekly-report-gen
description: 每周一早上根据 Jira CSV 生成周报。当用户提到“周报”、“Jira”、“本周总结”时自动触发。
version: "1.0.0"
allowed-tools: "Read,Write,Grep"  <-- 允许 AI 直接用的工具
---

2. 身体（Markdown）：告诉 AI 具体怎么做

这里就是你的 SOP（标准作业程序）。你可以写：

  • 第一步：检查 CSV 格式，如果没有 Key 列就报错；
  • 第二步：调用 scripts/clean_data.py 清洗数据；
  • 第三步：按优先级排序任务，并归类；
  • 第四步：生成 Markdown 邮件并保存。

四、 实战：如何自己写一个 Skill？

如果你不想自己写代码，可以只写逻辑，把累活丢给脚本。

1. 选个“窄而高频”的任务

  • ❌ 太宽：帮我做数据分析
  • ✅ 刚好：把产品经理的 PRD 文档转换成测试用例大纲

2. 拆解步骤（SOP）

在纸上写清楚： * 输入：PRD 文档 * 输出：含 ID、描述、预期结果的 Excel 表 * 流程：读取 -> 提取功能点 -> 映射测试场景 -> 输出表格

3. 填充 SKILL.md

按照上面的模板，把你的 SOP 翻译成英文指令填进去。

4. 安装

将文件夹放到你的 Claude Code 或支持 Agent Skills 的项目目录下（如 .claude/skills/）。

搞定！下次你直接说：“帮我把这个 PRD 转成用例”，AI 就会自动变身测试工程师。

五、 偷懒大招：让 AI 帮你写（填空版）

如果你连 SKILL.md 都懒得写，可以用下面这段“填空式 Prompt”，直接发给 Claude，让它帮你生成：

复制以下内容给 Claude：

 你现在是 Agent Skills 专家。请帮我创建一个 Skill，要求如下：

 **1. 技能名字**：[在这里填名字，如：prd-to-testcase]
 **2. 功能描述**：[在这里填功能，如：把 PRD 文档转成 Excel 测试用例]
 **3. 输入格式**：[在这里填输入，如：Markdown 格式的 PRD 文件]
 **4. 输出格式**：[在这里填输出，如：含 ID、步骤、预期结果的表格]
 **5. 触发关键词**：[在这里填关键词，如：测试用例、Test Case、PRD]

 **请生成完整的 SKILL.md 代码（包含 YAML 头部和详细步骤指令），并建议 scripts/ 目录下应该放什么功能的脚本。**

六、 避坑指南

虽然 Skills 很强大，但作为新功能，这几个坑千万别踩：

  1. 不要太贪心：
    • 不要试图写一个“全能 ERP 系统” Skill。
    • 原则：一个 Skill 只做一件事，把一件事做到极致。
  2. 注意“描述”的写法：
    • 如果 description 写得太含糊，AI 就识别不出来，导致你的 Skill 吃灰。
    • 技巧：把你平时对话时会说的口语词也写进去（比如中英文混着写）。
  3. 权限控制：
    • 在 allowed-tools 里不要轻易开启 Bash 或网络访问，除非你确定脚本里的代码是安全的。别让 AI 乱删文件！
  4. 检查模型支持：
    • 目前 Skills 主要在 Claude 3.5 Sonnet 及特定环境（如 Claude Code / API）下表现最佳。如果你发现 Web 版没反应，可能是功能还在逐步推送中。

最后

Claude Agent Skills 的出现，标志着我们使用 AI 的方式发生了质变：

从“陪聊”变成了“协作”；
从“写提示词”变成了“开发技能资产”。

对于团队来说，最值钱的不是某个大模型账号，而是你们沉淀下来的那几十个、几百个解决实际业务的 Skills。

从今天开始，试着把你下一个长达 500 字的 Prompt，重构成第一个 Skill 吧。