Claude Skills在中文社区走红,通过渐进式披露技术解决重复提示词、token成本高等痛点。它将AI智能体能力模块化、标准化,实现分层加载,大幅降低上下文负担。与MCP可组合使用,提供解耦的Agent能力管理方案,代表了大模型应用能力组织的新趋势,适合各模型借鉴。
Anthropic 10月底推出这个功能,12月底爆发。
原因很具体,它解决了一个很真实的痛点。
重复写提示词很烦,token也太贵,定制太难。
以前每次开一个chat窗口,都要重复一堆东西。
比如,帮我按xxx格式,别忘了xxx等等。
有了Skills不用了, 规则提前写好,模型只需要看到有这么个规则,大概100个token,需要用到的时候在打开看。
Anthropic称这个为渐进式披露。
11月中下旬,Anthropic 又添了把柴火,更新了组织级管理、合作伙伴的Skills(Canva、Notion、Zapier 等)、开放Agent Skills标准。
后来,openai的codex也投降了,支持了skills协议。再加上,很多人发现,给Claude code加上自定义Skills后,体验起飞了,很多大佬都在一起营销。,社区直接上头了
Skills详解
之前写过。
一个 Skill = 任务说明书 + 工具代码 + 专业知识 + 素材资源。
本质上就是一种代码和资源的组织方式。
一个 Skill 文件夹长这样:
pdf-skill/├── SKILL.md # 主指令文件(必须有)├── FORMS.md # 表单处理指南├── REFERENCE.md # 详细 API 参考└── scripts/ └── fill_form.py # 工具脚本 ``` 核心是 SKILL.md 文件,必须包含 YAML 头信息,示例如下: ```plaintext ---name:pdf-processingdescription:从PDF文件中提取文本和表格,填写表单,合并文档。当用户处理PDF相关任务时使用。---# PDF 处理## 快速开始使用pdfplumber提取PDF文本:importpdfplumberwithpdfplumber.open("document.pdf")as pdf: text=pdf.pages[0].extract_text()如果要填写表单,参考[FORMS.md](FORMS.md)。核心在于给上下文窗口减负。
这也是Skills和MCP、FunctionCaling的区别。它可以分层加载。
启动时,只加载Yaml头配置(包含name,description),大概100个token。
任务触发时,读取整个Skill.md正文,一般不会超过5000个token。
进一步,会按需加载脚本、参考文档、资源文件等。
这意味着我们可以装几十个Skills,在启动的时候,只占用几千个token,不用考虑各种tools定义的烦恼。
Skill跟MCP时可以组合的。
MCP是教模型怎么链接外部系统,api。skill是教模型怎么用工具,按什么流程处理,输出什么格式。
所以二者并不冲突。
但是呢,太多的MCP Server会非常干扰上下文,比如,GitHub官方的MCP server,单独就要吃掉几万个tokens。
所以他们在11月份又推出 Code execution with MCP。
核心思路是:把所有 MCP 工具生成一个文件树结构,需要什么工具,Agent 自己去文件系统里找,读取定义,然后写代码调用。
servers/├── google-drive/│ ├── getDocument.ts│ └── index.ts├── salesforce/│ ├── updateRecord.ts│ └── index.ts└── ...找不到现成的工具?直接现写一个,写完了还可以保存起来下次用。
这套思路和 Skills 的分层加载是很类似的。
快速使用 & 官方开源
在Claude.ai 网页版,可以非常简单的用到。
Settings -> capabilities。
打开Code execution & file creation ,可以在skills下配置开启/关闭单个skill,还可以上传skill。
他们也内置了几个常用 Skill, 比如说,把这个excel数据生成xxx。
可以看到自动加载对应 Skill,思考里边中会显示 “Reading xxx skill”。
官方也开源了20多个Skill源码:
https://github.com/anthropics/skills
这些还挺有用的,可以看下预置的 SKILL.md 写法,脚本怎么组织,复杂的skill分层设计。
balabala一下
如果你今天开了x,那大概率你会刷到这个推文。
感觉上没太必要像当初MCP一样拔的太高,skills最大的价值不是功能本身,而是a社把一套gent 能力管理的设计模式开源了。
当你的agent能力越来越多的时候,怎么管理?一个几千行的system prompt?一个包含几十个工具函数的文件?
这些都很难维护。
而skills提供了一种解耦的、模块化的方案,这套模式,不管你用的是claude,还是gpt,qwen都能借鉴。
skills同样依赖agent能力,模型agent能力不行,skill也飞不起来。
AI时代,未来的就业机会在哪里?
答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具,到自然语言处理、计算机视觉、多模态等核心领域,技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。
掌握大模型技能,就是把握高薪未来。
那么,普通人如何抓住大模型风口?
AI技术的普及对个人能力提出了新的要求,在AI时代,持续学习和适应新技术变得尤为重要。无论是企业还是个人,都需要不断更新知识体系,提升与AI协作的能力,以适应不断变化的工作环境。
因此,这里给大家整理了一份《2025最新大模型全套学习资源》,包括2025最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题等,带你从零基础入门到精通,快速掌握大模型技术!
由于篇幅有限,有需要的小伙伴可以扫码获取!
1. 成长路线图&学习规划
要学习一门新的技术,作为新手一定要先学习成长路线图,方向不对,努力白费。这里,我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。
2. 大模型经典PDF书籍
书籍和学习文档资料是学习大模型过程中必不可少的,我们精选了一系列深入探讨大模型技术的书籍和学习文档,它们由领域内的顶尖专家撰写,内容全面、深入、详尽,为你学习大模型提供坚实的理论基础。(书籍含电子版PDF)
3. 大模型视频教程
对于很多自学或者没有基础的同学来说,书籍这些纯文字类的学习教材会觉得比较晦涩难以理解,因此,我们提供了丰富的大模型视频教程,以动态、形象的方式展示技术概念,帮助你更快、更轻松地掌握核心知识。
4. 大模型项目实战
学以致用,当你的理论知识积累到一定程度,就需要通过项目实战,在实际操作中检验和巩固你所学到的知识,同时为你找工作和职业发展打下坚实的基础。
5. 大模型行业报告
行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估,以了解哪些行业更适合引入大模型的技术和应用,以及在哪些方面可以发挥大模型的优势。
6. 大模型面试题
面试不仅是技术的较量,更需要充分的准备。
在你已经掌握了大模型技术之后,就需要开始准备面试,我们将提供精心整理的大模型面试题库,涵盖当前面试中可能遇到的各种技术问题,让你在面试中游刃有余。
为什么大家都在学AI大模型?
随着AI技术的发展,企业对人才的需求从“单一技术”转向 “AI+行业”双背景。企业对人才的需求从“单一技术”转向 “AI+行业”双背景。金融+AI、制造+AI、医疗+AI等跨界岗位薪资涨幅达30%-50%。
同时很多人面临优化裁员,近期科技巨头英特尔裁员2万人,传统岗位不断缩减,因此转行AI势在必行!
这些资料有用吗?
这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理,现任上海殷泊信息科技CEO,其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证,服务航天科工、国家电网等1000+企业,以第一作者在IEEE Transactions发表论文50+篇,获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目,无论你是小白还是有些技术基础的技术人员,这份资料都绝对能帮助你提升薪资待遇,转行大模型岗位。
大模型全套学习资料已整理打包,有需要的小伙伴可以
微信扫描下方CSDN官方认证二维码,免费领取【保证100%免费】