Agent Skills技术解析：在Claude Code中定制AI技能提升开发效率

Agent Skills技术解析：在Claude Code中定制AI技能提升开发效率

近期，Agent Skills 的热度持续攀升。最初它只是 Claude 中的一个功能模块，但在最近两个月，越来越多开发者发现其强大之处。随后，Codex、Cursor、Opencode 等主流 AI 编程工具 也陆续加入了对 Agent Skills 的支持。

这项技术正在成为连接不同 AI 平台（如 LangChain、OpenAI、Anthropic 的 Opencode）的通用标准。2025年12月18日，Anthropic 正式将 Agent Skills 发布为开放规范（agentskills.io/specification），标志着它正像 MCP（Model Context Protocol）一样，朝着通用、跨平台的方向演进。

Agent Skills 的核心概念：三层提示词架构

简单来说，Agent Skills 是一种带目录的说明书，或者说，是一种渐进式披露提示词的机制。它将传统的长提示词（Prompt）拆解为三个层次：元数据（Metadata）、指令（Instruction）和资源（Resource）。其中，只有元数据层是必定加载到 AI 上下文中的，指令和资源层均为按需加载。

我们可以将其类比为一本书：

• 元数据：相当于书籍的目录，仅包含技能名称和简短描述，用于让 AI 快速了解有哪些技能可用。
• 指令：相当于书籍的正文，包含了执行该技能所需的详细步骤、规则和要求。
• 资源：相当于书籍的附录，包含辅助性的脚本、参考文档、图片等文件。

这种设计最大的优势在于大幅降低了 Token 消耗和提示词管理的复杂度。AI 在使用技能时，首先只读取简短的“目录”（元数据），在判断需要用到某个技能后，才去加载对应的“正文”（指令）和“附录”（资源）。

实战：在 Claude Code 中配置与创建 Skill

由于 Agent Skills 由 Claude Code 率先定义并推广，我们首先在其环境中进行配置。

1. 安装与基础配置

最近 Claude Code 的安装方式有所更新。访问其官网 claude.com/product/claude-code，复制提供的安装命令，例如对于 Windows PowerShell：

irm https://claude.ai/install.ps1 | iex

安装完成后，在终端输入 claude 命令即可启动。如果你拥有 Claude 官网账户，可直接登录使用。若希望接入其他模型（如国产大模型），需要进行额外配置。

接入其他模型（以智谱 GLM 为例）：
在用户目录下找到 Claude 配置文件夹：

• Windows: C:\Users\{用户名}\.claude
• macOS: ~/.claude

在该文件夹内创建或修改 settings.json 文件，内容如下：

{
  “env”: {
    “ANTHROPIC_AUTH_TOKEN”: “填写你的智谱开放平台API_KEY”,
    “ANTHROPIC_BASE_URL”: “https://open.bigmodel.cn/api/anthropic”,
    “API_TIMEOUT_MS”: “3000000”,
    “CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC”: 1
  }
}

同时，在用户目录下的 .claude.json 文件中，确保 hasCompletedOnboarding 字段为 true，以跳过初始登录引导。

2. 创建你的第一个 Skill

在 Claude Code 中，Skills 以特定的目录结构存放。每个 Skill 对应一个独立的文件夹，必须包含一个名为 SKILL.md 的定义文件。

标准目录结构：

项目根目录/
└── .claude/
    └── skills/
        ├── skill-name-1/       # 技能一文件夹
        │   ├── SKILL.md        # 核心定义文件（元数据+指令）
        │   ├── scripts/        # (可选) 可执行脚本
        │   ├── references/     # (可选) 参考文档
        │   └── assets/         # (可选) 图片等资源
        └── skill-name-2/       # 技能二文件夹
            └── SKILL.md

让我们创建一个实用的技能：“srt字幕转markdown笔记”。

1. 在项目根目录下，依次创建 .claude/skills/字幕转markdown 文件夹。
2. 在该文件夹内创建 SKILL.md 文件。

SKILL.md 文件内容示例：

name: srt字幕转markdown笔记
description: 把srt字幕文件转换成markdown笔记
---
你是专业的字幕文本处理助手，任务是将 SRT 字幕完整转换为 Markdown 笔记，并添加标点、段落格式和必要的截图占位符。要求如下：
1.  **内容完整保留**：禁止任何删减、总括或者略省，必须逐字保留 SRT 所有文字。
2.  **语言规则**：使用中文书写，保留必要的英文专有名词。
3.  **段落结构**：
    - 仅使用一个层级的段落
    - 每个段落标题使用「# 标题」
    - 第一段为引言，不使用标题
    - 只需要划分2-3个段落
4.  **标点与排版**：
    - 为每句话添加合适标点
    - 适当划分自然段
5.  **截图占位符规则（按需插入）**：
    - 当某句符合以下任一条件时，在句末添加截图标记：
      - 代码讲解
      - UI 交互操作
      - 包含“这么、这里、这儿”等视觉指代词
      - 提及网址/链接/地址（包括 GitHub、API endpoint 等）
      - 任何借助视觉材料更易理解的内容
    - 形式必须严格为：Screenshot-[hh:mm:ss]

文件顶部由 --- 包裹的部分是元数据（name, description），其下的部分是指令。一个技能的基础定义就此完成。

3. 测试与使用 Skill

1. 在项目根目录打开终端，运行 claude 启动 Claude Code。
2. 输入 /skills 命令，可以看到已识别的技能列表，例如会显示 “srt字幕转markdown笔记 · ~198 tokens”。
3. 将需要转换的 .srt 字幕文件拖入终端或输入其路径。
4. Claude Code 会识别文件类型，并询问是否使用 “字幕转markdown” 技能。选择 “Yes”。
5. 此时，AI 才会将 SKILL.md 中的指令部分加载到上下文中，并开始按照指令处理文件，最终生成一个格式规整的 Markdown 笔记文件。

技能调用流程解析：

1. 扫描与列表：用户提问后，Claude Code 扫描所有 SKILL.md 文件，提取元数据，生成可用技能列表（消耗极少 Token）。
2. AI 判断：AI 模型根据问题判断是否需要使用技能，以及使用哪个技能。
3. 按需加载：若决定使用技能，Claude Code 加载该技能文件夹下的 SKILL.md 指令内容。
4. 执行与响应：AI 结合指令和用户问题，生成最终回答或执行操作。

更多实战案例与进阶用法

案例二：创作灵感助手

我们可以创建另一个技能 “来点选题”，用于在视频创作缺乏灵感时提供选题思路。
其 SKILL.md 的元数据部分可定义为：

name: 来点选题
description: 当用户视频创作选题枯竭的时候，为用户提供选题思路
---
我是视频作者，你是我的“灵感助理”，以下是我往期数据较好的视频主题，请提供更多类似的10-15个灵感。用中文输出。
- 把Gemini3生成的应用，免费部署成自己的网站
- Obsidian邪修用法，免费云同步，AI，手机端，进阶技巧
- 用过上百款编程MCP，只有这15个真正好用
- ...

当用户在 Claude Code 中说“不知道做什么视频了”，AI 会调用此技能，并基于提供的往期主题，生成诸如“DeepSeek R1本地部署实战”、“Cursor vs Cline vs Claude Code横评”等一批新的选题建议。

进阶：利用资源层增强技能能力

技能文件夹下除了 SKILL.md，还可以存放资源文件，这是 Agent Skills 强大之处。标准推荐将资源分类存放：

• scripts/：存放可执行的 Python、Shell 等脚本。
• references/：存放参考文档、范文。
• assets/：存放图片等静态资源。

资源层示例1：为字幕笔记自动截图
在“字幕转markdown”技能中，我们生成的笔记包含了 Screenshot-[00:01:00] 这样的占位符。我们可以通过在 scripts/ 目录下放置一个 Python 脚本，让 AI 在生成笔记后自动调用它，从视频中截取对应时间点的画面并替换占位符。

AI 的指令中可以追加：“后续处理: markdown 生成完毕以后，调用 scripts/ 目录下的截图脚本，对视频进行截图。” AI 会执行该脚本，但脚本代码本身不会进入上下文，极大节省了 Token。

资源层示例2：学习特定写作风格
创建一个“帮我写作”技能，其指令中说明：“如果提供的材料是软件、AI、计算机相关的，需要先阅读 references/ 目录下的范文，学习我的写作风格。” 然后将一篇你的典型文章放入 references/ 文件夹。当 AI 处理相关题材时，会按需读取这篇范文，模仿其风格进行创作，实现个性化输出。

全局技能与社区共享

• 全局技能：将技能文件夹从项目目录的 .claude/skills/ 移动到用户配置目录的 ~/.claude/skills/ 下，该技能就会对所有项目生效。
• 社区技能：GitHub 上有丰富的 Skills 开源项目 可供使用，例如 “Awesome Claude Skills”。只需将看中的技能文件夹下载并放入你的 skills/ 目录即可立即使用。

Agent Skills 与 MCP 的对比与协作

尽管 Skills 和 MCP 都能扩展 AI 能力，但侧重点不同：

特性	Agent Skills	MCP (Model Context Protocol)
核心	提示词管理（渐进式披露）	工具调用（标准化接口）
Token 消耗	较低（按需加载）	较高（提示词一次性载入）
主体形式	Markdown 文件（+ 可选脚本）	Node.js / Python 服务（Server）
执行可靠性	一般（依赖本地环境）	较高（标准化服务）
开发难度	低（编写 Markdown）	中高（需开发 Server）

Skills 与 MCP 协同工作流：
在实践中，两者可以优势互补。例如，在“帮我写作”技能中，我们可以在指令末尾添加：

“后续处理：检查我名下是否有 ‘ai-docs’ 仓库，若无，则使用 create repository 这个 MCP 工具创建。然后使用 create or update file 工具将写好的文案上传。”

工作流程如下：

1. Skills 负责引导：AI 根据技能指令完成文案写作，并判断需要执行 GitHub 操作。
2. MCP 负责执行：AI 调用已配置的 GitHub MCP Server 提供的标准化工具，执行创建仓库、上传文件等具体操作。
3. 完美协作：Skills 提供了清晰、可管理的上下文提示，而 MCP 提供了可靠、跨平台的工具执行能力。

总结与展望

Agent Skills 通过其创新的三层（元数据、指令、资源）架构和渐进式披露机制，为管理复杂的 AI 提示词和扩展 AI 能力提供了一种轻量、灵活且高效的方案。它降低了定制化 AI 助手的门槛，使开发者能够轻松创建、分享和复用针对特定场景的技能。

目前，Skills 在提示词管理上占优，而 MCP 在工具调用的稳定性和标准化上更强。未来的理想方向可能是两者优点的融合。对于开发者而言，掌握 Agent Skills 的运用，无疑是当前提升 AI 编程工具 效率、构建个性化智能工作流的重要技能。

参考资料

[1] Agent Skills (Claude Skills) 详细攻略，一篇文章精通, 微信公众号：mp.weixin.qq.com/s/cNEhgtYO-RHorY8nbEKH3A

版权声明：本文由 云栈社区 整理发布，版权归原作者所有。