学长亲荐10个一键生成论文工具，本科生搞定毕业论文！
2026/1/22 11:26:46
一、Skills 简介
Skill 是一种模块化、可复用的能力包，用于将特定任务的专业知识、工作流程和可执行逻辑进行结构化封装，使 AI 在执行该类任务时具备稳定、一致且可持续演进的行为能力。
Agent 在执行任务时，会自主决策，会根据Prompt，主动选择（类似MCP） Skill，并在执行过程中渐进展开（按需加载）、动态调整行动路径。
二、Skills 的组成
根据官方文档，一个标准的 Skill 包含如下结构：
my-skill/ ├── SKILL.md #（概述和导航 - 必需） ├── reference.md #（详细 API 文档 - 按需加载） ├── examples.md #（使用示例 - 按需加载） └── scripts/ └── helper.py #（实用脚本 - 执行但不加载）这是一种渐进式披露的文件结构组织形式：SKILL.md是唯一必需的文件，包含概述和导航信息。其他文件（如reference.md和examples.md）只在 Agent 需要时才加载，以节省上下文窗口空间。scripts/目录中的脚本可以直接执行，但无需将其内容加载到上下文中。
之所以采用这种形式，是 Skills 的设计极其注重 Token 效率。 初始加载时，每个 Skill 只占用几十个 Token 来存储其元数据。 只有在被触发时，Skill 的详细指令才会进入上下文窗口。 这种按需加载的机制意味着你可以安装大量的 Skills，而不会因为上下文窗口被占满而影响模型性能。 对于更复杂的 Skill，还可以将不同的指令拆分到多个文件中，Claude 只会读取当前任务所需的部分，进一步节省了 Token。
SKILL.md
SKILL.md 文件是 Skill 中唯一必需的文件。它有两部分：顶部的 YAML 元数据（--- 标记之间的部分）和告诉 Claude 如何使用 Skill 的 Markdown 说明：
--- 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.可用的元数据字段
你可以在 YAML 前置部分中使用以下字段：
| 字段 | 必需 | 描述 |
|---|---|---|
| name | 是 | Skill 名称。必须仅使用小写字母、数字和连字符（最多 64 个字符）。应与目录名称匹配。 |
| description | 是 | Skill 的功能和何时使用它（最多 1024 个字符）。Claude 使用这个来决定何时应用 Skill。 |
| allowed-tools | 否 | 当此 Skill 活跃时，Claude 可以使用而无需请求权限的工具。支持逗号分隔的值或 YAML 风格的列表。参见限制工具访问。 |
| model | 否 | 当此 Skill 活跃时使用的模型（例如，claude-sonnet-4-20250514）。默认为对话的模型。 |
| context | 否 | 设置为 fork 以在具有自己对话历史的分叉子代理上下文中运行 Skill。 |
| agent | 否 | 指定当设置 context: fork 时使用哪个代理类型（例如，Explore、Plan、general-purpose 或来自 .claude/agents/ 的自定义代理名称）。如果未指定，默认为 general-purpose。仅在与 context: fork 结合时适用。 |
| hooks | 否 | 定义限定于此 Skill 生命周期的 hooks。支持 PreToolUse、PostToolUse 和 Stop 事件。 |
| user-invocable | 否 | 控制 Skill 是否出现在斜杠命令菜单中。不影响 Skill 工具或自动发现。默认为 true。参见控制 Skill 可见性。 |
三、Why Skills
Anthropic 在 Claude 模型上，从早期的Rules、Plugin 再到 MCP，一直在不断增强 AI Agent 的能力，但时至今日，我们所用的 Agent，依然像一个极其聪明但毫无行业经验的新人，它可以：
- 写方案
- 写代码
- 自动化测试
- 拆解复杂任务
但它并不真正懂你的工作。
你必须：
- 在每次对话里反复解释背景
- 手把手教流程
- 不断纠错
- 接受它“这次记住了，下次又忘了”
参考 2025年程序员年度TOP20 Prompt，虽然更像是一个梗，但也反应了目前 Agent 存在的问题。
这不是智能问题，而是专业知识无法沉淀的问题，很多团队尝试的解决方案是：为每个场景造一个新 Agent。
- 一个写技术方案的 Agent
- 一个做代码开发的 Agent
- 一个做功能测试的 Agent
- 一个做任务拆解的 Agent
结果是：
- Agent 数量失控
- 维护成本极高
- 能力彼此割裂
- 行为不可预测
所以我们说，真正缺的不是Agent，而是可复用的专业能力。
而 Anthropic 团队在实践中发现了一件关键的事：Agent 本身，其实已经足够通用了。
真正稀缺的，不是「会思考的东西」，而是被整理、被固化、能反复调用的专业流程。
这，就是 Skill 出现的背景。
Skills 的核心理念是想将通用模型转变为领域专家。
四、Skills VS MCP
官方解释：MCP 将 Claude 连接到外部服务和数据源。Skills 提供程序性知识——即完成特定任务或工作流程的说明。你可以将两者结合使用：MCP 连接使 Claude 能够访问工具，而技能则教会 Claude 如何有效使用这些工具。
- 两者的本质区别是：Skills 把 “人类流程/SOP” 转为可触发的模块；MCP 把 “外部工具/API/数据源” 转为可调用的标准接口。
- Skills 重点在于 “如何完成任务” 的内部指令，MCP 重点在于连接外部工具与数据源
- Skills 轻量且高效；MCP 可能消耗大量 Tokens
- Skills 和 MCP 并非相互排斥，而是互补的：在一个复杂的工作流中，你可以使用 MCP 从 GitHub 或公司的数据库中获取实时数据，然后利用 Skill 来分析这些数据并生成符合特定格式的报告。
五、如何使用
工具
Skills 从推出到今天，也就3个月的时间，在 Claude 自家的产品上，目前都能使用，但有使用门槛：付费、地区限制，国产IDE方面，推荐使用 Code Buddy
chart-visualization 演示
以 Antv 的 chart-visualization 这个 Skill 为例，演示如何在 IDE 里使用 skill。
下载 skill 本地：
git clone https://github.com/antvis/mcp-server-chart.git将 skill 导入 IDE
2.使用 skill
生成的结果如下：
一些比较出名的开源 Skill：
| 项目名称 | 覆盖场景 / 功能 | 开源地址 |
|---|---|---|
| awesome-claude-skills（主合集） | 文档处理（docx/pdf/pptx/xlsx/EPUB 转换）、开发与代码工具（AWS 开发、Changelog 生成、MCP 构建器等）、数据分析、营销、写作创意等 | github.com/ComposioHQ/… |
| claude-code-infrastructure-showcase | 后端开发指南、前端开发指南、技能开发元技能、路由测试、错误追踪 | github.com/diet103/cla… |
| superpowers（数据分析 Agent） | 测试驱动开发（TDD）、系统性调试、Git 工作树使用、头脑风暴、代码审查等 | github.com/obra/superp… |
| Skill_Seekers | 将文档网站、GitHub 仓库、PDF 文件转换为 Claude Skill | github.com/yusufkaraas… |
这里重点提一下官方开源提供的 skill-creator，该 skill 用于创建个人 skill，在 IDE 里导入该 skill 后，你只需告诉 Agent 你想创建的 skill 的内容，Agent 就会自动调用 skill-creator 创建符合官方规范的 skill。
六、思考
Skills 不过是碎片化的Prompt
Skills 并非一种全新的“模型能力”，其未对模型本身做出任何改造，而是彻底改变了我们向模型输入信息的方式——其本质仍是提示词（Prompt），但通过以下三个关键维度实现了质的飞跃：
- 结构化：将原本松散、线性的提示内容组织为有逻辑层级与清晰边界的模块；
- 模块化：把复杂任务拆解为可独立开发、测试和复用的功能单元；
- 自动化管理：系统根据上下文智能调度这些模块，实现动态组合与无缝衔接。
因此，Skills 本质上是一套经过精细化拆分、附带触发条件与语义标签的提示片段。它们不再以冗长单一的形式存在，而是在系统驱动下按需组装，形成一个工程化、可维护且高度可复用的碎片化提示体系。
Skills 是一种编程语言
从更深层次看，Skills 实质上是一种以自然语言为核心的编程范式。它摒弃了传统编程语言中繁琐的语法与符号体系，转而采用贴近人类直觉与思维习惯的表达方式。在这一范式中，Skills 的标准定义构成了这门“语言”的基础语法，而Code Agent 则作为其运行时引擎，负责解析并执行用户的自然语言指令，从而编排复杂的工作流程。
与传统编程语言依赖严格语法与静态编译不同，Skills 通过“渐进式披露”机制，动态加载上下文信息，并仅在必要时调用相关资源（如脚本、文件或外部工具），逐步分解并解决任务。这种设计极大降低了编程门槛——非技术背景的用户也能通过描述逻辑意图直接与计算机系统交互。更进一步，Skills 甚至支持自我演进（例如自动更新 SKILL.md 配置文件），实现功能边界的持续拓展，突破了传统代码固化功能的局限。
由此可见，Skills 不仅是工具集的封装，更是一种重新定义人机协作关系的自然语言编程语言，正在将编程从专业开发者的专属技能，转变为每个人都能掌握的通用创造力工具。
学习资源推荐
如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
一、全套AGI大模型学习路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
四、AI大模型商业化落地方案
作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。