实践
以下只是一个最简单的skill使用,还有一些额外功能比如script、reference等未进行扩展,有兴趣可以自行搜索
第一步:在正确的目录创建Skill文件夹Claude Code会在特定目录寻找技能。你需要在这个目录下工作。
打开你系统的“技能根目录”:
在Windows资源管理器的地址栏,直接输入以下路径并回车:
1
%USERPROFILE%\.claude\skills\
系统会定位到类似
C:\Users\[你的用户名]\.claude\skills\的目录。
注意,我是windows系统,所以一般会在这个目录,mac可以直接按照claude官方文档操作
创建你的技能文件夹:
- 在
skills(如果不存在的话创建一个skill)文件夹内,新建一个文件夹,并以你的技能名命名(建议使用小写字母和连字符,例如meeting-summary)。
- 在
这是你的技能目录,所有相关文件都将放在这里。
第二步:创建核心文件 SKILL.md
这是技能的灵魂,是一个包含 YAML头部(元数据) 和 Markdown正文(指令) 的文本文件。
- 在
meeting-summary文件夹内,新建一个文本文档。 - 将其重命名为
SKILL.md(注意后缀是.md)。 - 用记事本或VS Code等编辑器打开它,并复制并修改以下模板:
1 |
|
关键点:
name必须与文件夹名严格一致。description要清晰,这决定了Claude何时会调用此技能。- 正文部分是你的“AI说明书”,写得越详细、步骤越清晰,AI表现就越好。
第三步:验证skill是否生效
简单一点,直接打开一个窗口,对claude进行询问,比如:
1 | 你有哪些Agent Skill |

可以看到,claude能正确检测到我们刚刚创建的skill并且能正确识别它的功能
第四步:使用案例测试
同样询问claude:
1 | 帮我总结以下会议内容: |
claude会先向你请求调用会议总结skill工具:

回车同意

claude就会按照我们设置好的规则生成会议总结
渐进式披露机制
这个是Agent Skill的核心

对于reference,可以理解为外部扩展文档,作为对补充上下文,让模型按需去读取,当然,这些需要自己在SKILL.md中说明好
对于script,也就是脚本,可以理解为function call,让模型在执行某些操作时可以去调用脚本工具来完成,比如上传文件到服务器,这个脚本是我们写好的,同样也需要在SKILL.md中说明好,一般来说,script只会被调用,不会被读取,这也达到了节省上下文目的
总结
什么是Agent Skill
Agent Skill 的本质:AI 的「可插拔专业技能模块」
1. 核心定义
Agent Skill 是一个 标准化、可复用、自描述的AI能力包,它让大语言模型(如Claude)在需要时,能像专业人士一样执行特定领域的复杂任务。
2. 三层本质解读
| 维度 | 技术视角 | 用户视角 | 生态视角 |
|---|---|---|---|
| 是什么 | 结构化提示词+上下文+工具的封装 | AI的「技能插件」或「专业顾问」 | 开放的AI能力交换单元 |
| 表现形式 | 文件夹(含SKILL.md、脚本、参考资料) | 对话中激活的「专家模式」 | 可分发、可共享的资产包 |
| 价值核心 | 将非结构化知识转为可执行指令 | 让AI「学会」你的工作方式 | 构建协作式AI生态的基础 |
为什么 Claude 要设计 Agent Skills?
1. 解决大模型的核心局限性
| 问题 | 传统方式 | Agent Skill 方案 |
|---|---|---|
| 语境长度限制 | 长文档需反复粘贴 | 通过reference按需加载 |
| 任务一致性差 | 每次需重新解释需求 | 固化最佳实践到工作流 |
| 缺乏专业知识 | 依赖模型的训练数据 | 注入领域特定知识 |
| 无法执行操作 | 只能给出建议 | 集成脚本执行实际任务 |
2. Claude 的战略布局思考
技术战略:从「对话模型」到「行动智能体」
text
1 | Claude 1.0 → 2.0 → 3.0 的演进路径: |
产品战略:构建开发者生态
- 降低定制门槛:让非开发者也能为AI「编程」
- 促进生态贡献:用户创造的技能可共享,形成网络效应
- 防止碎片化:标准化格式避免每家公司的「私有技能格式」