Claude Code Skills 是怎么工作的？

Skills 是 Claude Code 的模块化指令系统——把一段可复用的行为规范打包成独立文件，需要时加载进上下文，不需要时不占资源。简单说：你把"怎么写 newsletter"、"怎么做 code review"这类操作流程写进 SKILL.md，Claude 就会按照这套规范执行，不用每次重复解释。

从"写死的 prompt"到"按需加载的模块"

传统做法是把所有指令塞进一个大 system prompt。项目变复杂，prompt 就变成几千 token 的怪物——每次对话都要全量加载，浪费上下文窗口，Claude 也容易在信息过载中跑偏。

Skills 的核心设计是渐进式披露（progressive disclosure）：Claude 先读取 skill 的元数据，只有真正需要执行某个任务时，才把对应的完整指令加载进来。上下文保持干净，相关指令在对话中精准出现。

这套思路类似软件工程里的懒加载——把大型模块拆成独立单元，按需引入。

SKILL.md 的结构

一个 skill 通常是一个目录，核心文件是 SKILL.md。Anthropic 在 2025 年 10 月推出这套规范，同年 12 月在 agentskills.io 开源。

典型结构：

skills/
  newsletter-en/
    SKILL.md        # 指令主体：角色、流程、质量标准
    examples/       # 参考样本（可选）
  code-review/
    SKILL.md

SKILL.md 里写什么？角色定义（这个 skill 扮演什么角色）、执行流程（分几步、每步做什么）、质量标准（什么算合格）、禁止事项（边界约束）。

关于这套 agentic coding 范式，我们在 5 个每天必用的 Claude Code Skills 里有具体实例可以参考。

Claude 怎么找到 Skills？

Claude Code 会读取项目根目录下的 CLAUDE.md，其中可以声明有哪些 skills 可用、分别负责什么任务。执行任务时，Claude 根据任务类型匹配对应的 skill，加载其 SKILL.md 内容，然后按照里面的规范行事。

关键点：skills 的存在让 AI 行为变得可审计、可版本控制。你在 git 里看得到每一次指令变更，团队成员用的是同一套规范，不会因为"每个人 prompt 方式不同"而得到不一致的结果。

为什么不直接用 tool calling？

这是开发者社区里常见的疑问：skills 和普通的 function calling 有什么本质区别？

区别在于粒度和目的。Tool calling 解决的是"调用外部能力"的问题（执行代码、查数据库、搜索网页）。Skills 解决的是"编码工作流知识"的问题——把人类专家的操作流程、判断标准、风格规范转化为机器可执行的结构化指令。

两者可以结合：一个 skill 里可以描述"在哪些情况下调用哪些工具、调用后如何处理结果"。

生态系统：机遇与风险

随着 skills 开源，去中心化的 skill 注册表（如 Vercel 的 skills.sh）开始出现，开发者可以分享和复用社区 skills。研究人员将其类比为 AI 代理的"npm 时刻"。

但这也带来了安全隐患。网络安全研究人员已在公开注册表中发现恶意 skill 包——这些包被设计为持久性修改代理行为，类似软件供应链攻击。使用来源不明的社区 skills 前，务必审查 SKILL.md 的实际内容。

实际收益

一套维护良好的 skills 系统能带来什么？

一致性：Claude 每次执行同类任务的方式可预期，不依赖"今天 prompt 写得好不好"
复用性：一次写好，全团队共享，新成员上手成本低
可维护性：指令变更有版本记录，出问题能追溯到具体改动
上下文效率：不用的 skill 不加载，长对话中 Claude 不会被无关指令干扰

对于有固定工作流的项目——内容生产、代码审查、测试生成——skills 是把 AI 行为规范化的最直接方式。

觉得有用？订阅 LoreAI，每天 5 分钟掌握 AI 动态。