Claude Skills实战：Java代码Review提效与MCP对比

最近 Claude 推出了 Skills 功能。很多同学刚了解完 MCP，又看到 Skills 上线，难免会疑惑：Skills 到底是什么？和 MCP 有什么区别？下面从“能落地、能复用”的角度把这两者讲清楚，并给一套可直接上手的 Skills 使用流程。

一、Skills：把 AI 能力做成可复用模块

简单来说，Claude Skills 是一种模块化的 AI 能力封装。你可以把它理解成给 Claude 安装“技能包”：每个 Skill 通常是一个文件夹，其中包含：

• SKILL.md：技能说明书（定义用途、操作流程、触发方式等）
• 脚本/模板：用于自动化执行某些逻辑
• 资源文件：依赖的代码片段、样式、流程图等

一个直观的场景

以前你想让 Claude 输出“符合团队模板的技术方案”，往往需要写很长的提示词，比如：技术栈、数据库、代码风格、接口规范、输出结构……每次都要重复描述。

有了 Skills 之后，你只要说一句“请把我这个需求实现对应的技术方案”，Claude 会自动加载你提前封装好的「技术方案 Skill」，直接按你的标准输出结果。这本质上是把“提示词工程 + SOP”沉淀为可复用模块。

Skills 的核心设计：渐进式披露机制

这套机制是 Skills 高效的关键：

• 初始加载：Claude 只记住每个 Skill 的元数据（名称 + 描述），通常只占几十个 token
• 按需触发：当你的请求匹配某个 Skill 的描述时，才加载完整指令和脚本
• 分模块读取：复杂 Skill 可以拆成多个文件，Claude 只读取当前任务需要的部分

这样你就可以维护几十甚至上百个 Skills，而不会明显挤占上下文或拖慢交互性能。

二、Skills vs MCP：不是替代关系，而是不同维度

不少人会把 Skills 和 MCP 的概念混在一起，但它们其实是两个维度的 AI 扩展方式：

• Skills：偏“内部能力封装”，把固定流程、规范、模板、脚本沉淀成模块化 SOP
• MCP（Model Context Protocol）：偏“外部系统连接”，让 AI 能访问外部资源（文档、工单、知识库、图片等）

下面这张对比表能快速定位它们的差别：

维度	Claude Skills	MCP（Model Context Protocol）
核心定位	内部能力封装：模块化 AI 如何完成具体任务	外部系统连接：让 AI 能访问外部资源
主要功能	标准化流程、重复任务自动化、专业提示词复用	连接飞书、Jira 等外部系统与数据源
Token 效率	相对更高：按需加载 Skill	可能更高：需要加载 API 文档等上下文
技术本质	提示词集 + 预写脚本/模板	协议 + 外部系统桥接

最佳实践：Skills + MCP = 个人/团队 AI 工作流

单独使用各自都能解决一部分问题，但组合起来更接近“可持续复用”的工作流。以“技术方案撰写”为例：

• 用 Skills 生成符合模板的技术方案骨架
• 用 MCP 读取飞书产品文档、设计稿、相关图片
• 再用 Skills 输出完整方案细节（结构化、可执行、可评审）

如果你的团队做的是“工程化交付”，往往会同时需要流程规范（Skills）和外部上下文（MCP）。

三、快速上手 Skills：从官方示例到自建 Skill

1）安装官方示例

Claude 官方开源了一批 Skills 示例，覆盖文档处理、代码生成、创意设计等常见场景。可以用下面的命令安装体验：

/plugin marketplace add anthropics/skills

2）官方示例：加载 PDF 处理 Skill 的过程

下面用“PDF 处理技能”说明 Claude 是怎么按需加载 Skill 的：

1. 启动：系统提示里包含技能描述，例如：PDF Processing - Extract text and tables from PDF files, fill forms, merge documents
2. 用户请求：“从该 PDF 文件中提取文本并进行总结”
3. Claude 调用：读取 pdf-skill/SKILL.md
   例如：bash: read pdf-skill/SKILL.md（指令加载进上下文）
4. Claude 判断：如果无需填写表单，就不会读取 FORMS.md
5. Claude 执行：按 SKILL.md 的指令完成任务

3）创建属于自己的 Skill（推荐）

相比直接用示例，我更推荐围绕你的业务与团队规范，自建 Skill（更贴合场景、复用价值更高）。

你只需要：

• 创建 skill 目录
• 创建 SKILL.md
• 用 YAML Frontmatter 写元数据 + 详细使用说明

创建 skill 目录

mkdir -p ~/.claude/skills/my-skill-name

创建 SKILL.md（基础模板）

---
name: your-skill-name
description: Brief description of what this Skill does and when to use it
---

# Your Skill Name

## Instructions
Provide clear, step-by-step guidance for Claude.

## Examples
Show concrete examples of using this Skill.

辅助文件（渐进式披露机制）

你可以把大块“参考资料/示例/脚本/模板”拆出去，按需加载：

my-skill/
├── SKILL.md (required)
├── reference.md (optional documentation)
├── examples.md (optional examples)
├── scripts/
│   └── helper.py (optional utility)
└── templates/
    └── template.txt (optional template)

四、实战案例：用 Skill 生成 Java Diff Code Review 报告

下面是一个我自己在用的 Skill：只审查当前分支相对基线（master/main）的 Java 改动，但结合完整文件上下文输出结构化建议，最后生成 Markdown 报告。

这个场景非常适合团队在做 Java 研发时的 CR 流程：既聚焦 diff，又不丢失上下文。

---
name: java-diff-review
description: 仅审查当前分支相对基线(master/main)的 Java 代码改动，但结合完整文件上下文给出结构化建议与改进方案，生成 Markdown 报告并可打包输出。
allowed_tools:
  - Read
  - Grep
  - Glob
  - RunCommand
entry: scripts/java_diff_review.py
outputs:
  - reviews/java/java_diff_review.md
---

# 目标

在工作区内对 Java 文件进行差异化代码审查：只聚焦改动的 diff，但结合文件整体情况输出可读、可执行的建议，最终产出 `reviews/java/java_diff_review.md`。

# 使用说明

1. 工作目录需为 Git 仓库，并存在基线分支 `master` 或 `main`。
2. 运行入口脚本：
   - Python: `python3 .claude/skills/java-diff-review/scripts/java_diff_review.py`
3. 报告生成位置：`reviews/java/java_diff_review.md`。

# 审查范围与原则

- 只审查 Java 文件的差异（当前分支 vs 基线分支），但建议基于完整文件上下文。
- 输出包括：结构组织、可读性、可维护性、反设计模式/坏味道识别、性能与安全提示、具体修改建议。
- 建议以最小影响面优先，遵循优雅代码风格。

# 审查清单（参考）

1. 代码组织与命名：包结构、类/方法命名、单一职责。
2. 错误处理：异常类型、异常传播与日志、资源释放。
3. 可读性与复杂度：方法长度、嵌套深度、条件分支复杂度。
4. API 设计：参数数量、返回契约、空值处理与 Optional 使用。
5. 日志与监控：`System.out` 替换为日志框架；敏感信息不落盘。
6. 性能与资源：集合选择、流处理、I/O、数据库/网络调用。
7. 安全与稳健：输入校验、SQL/命令注入、线程安全、不可变性。
8. 测试与覆盖率：新增逻辑的单元与边界测试。
9. 编码风格：确保优雅且代码容易维护。
10. 代码行数：God class（文件超过 800 行）。
11. 代码行数：Long method（方法超过 80 行）。
12. Feature envy & data clumps（参数间重复组合）。

# 运行策略

- 自动探测基线分支（优先 `master`，否则 `main`）。
- 仅当 diff 存在 Java 文件时生成逐文件审查段落；否则输出结构化空报告与指引。
- 对每个改动文件：
  - 概览：新增/删除行数与变更块。
  - 重点问题：坏味道列表（例如广义异常捕获、`System.out.println`、长参数列表、魔法数、空值判定等）。
  - 建议与示例：给出修改方向与简要示例。

# 集成建议

- 在 Claude Code 中启用 Agent Skills 后，工作区将自动发现此 Skill
- 如需只允许本 Skill 运行特定工具，可在运行时限制为 `Read/Grep/Glob/RunCommand`

实际使用时，你会明显感觉到：它不只是“看 git diff 挑毛病”，而是能结合业务上下文与代码组织给出更可执行的建议，输出的报告也更适合在团队里复用沉淀。

五、使用 Skills 的风险与边界（务必重视）

因为 Skills 可以执行脚本、运行命令，所以必须把它当成“可执行资产”来管理，而不是普通提示词：

• 只使用自己编写或来自可信来源的 Skills
• 上线/引入第三方 Skill 前，完整审查其目录下所有文件
• 不要在 Skill 中写入敏感信息（Token、密钥、账号等），也不要包含高危命令

如果你在公司环境落地，建议把 Skills 纳入类似代码的管理方式（评审、版本、变更记录）。

六、Skills 能解决哪些真实问题（适合什么人）

Skills 的核心价值在于：标准化、自动化、提示词复用。它特别适合“流程固定但又需要人参与判断”的工作。

这里的“AI”更准确说是 LLM 驱动的协作能力：把团队经验固化成 SOP，然后稳定执行。

1）研发效率

• 代码 Review：做成“代码规范 Skill”，批量检查命名、注释格式、安全隐患、坏味道等
• 技术方案生成：根据 PRD/需求描述，结合现有项目代码，按团队模板输出可评审方案

2）团队协作

• 新人上手：把新人指南、系统操作手册做成 Skill，新人一句话就能按流程完成复杂操作

3）数据自动化

• 报表生成：上传 CSV 自动生成符合业务口径的数据分析结果
• 日志分析：解析服务器日志，汇总异常、给出告警建议（可结合 DevOps 流程落地）

一些来自官方的使用数据（原文口径）

• 使用 Skills 后，任务执行效率提升约 40%
• 错误率下降 35% 以上
• 平均交互轮次从 5-8 轮减少到 1-2 轮完成任务

七、思维要转：从“写提示词”到“设计流程模块”

以前我们更依赖精心设计的提示词，但很多沟通是一次性的：结果质量不稳定、知识难沉淀、提示词还要自己维护一大堆版本。

现在 Skills 更像进入了“流程设计”阶段：把重复性任务封装成可复用模块，让每次执行都遵循你定义的最佳实践。长远来看，效率的差距会越来越像“谁的 SOP 更标准、更贴合业务、更能持续迭代”。

参考链接

• https://code.claude.com/docs/en/skills
• https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview
• https://github.com/anthropics/skills