极速开发出一个高质量 Claude Agent Skills 最佳实践

继 MCP(Model Context Protocol)之后,Anthropic 最近又推出了 Skill(技能)。因工作需要,我近期快速上手并实践开发了一个 Skill,过程中积累了一些经验,整理成本文,希望能帮助更多同学:

  • 快速理解 Skill 到底是什么?
  • 掌握关键要点,提升 Skill 的开发质量与效率。

在第三部分,我将通过一个具体案例,完整展示如何将一个想法快速落地为可运行的 Skill。即使你对 Skill 还一知半解,只要能清晰描述需求、准备好相关资料,也能轻松开发出一个高质量的 Skill。

文章有很多主观性,仅供参考。

一、快速认识 Skill

Skill 即技能,一般放在 skills 文件夹内,一个技能一个文件夹,一个技能通常包括 SKILL.md 文件,相关的文档和可运行的脚本等。

一个 SKILL  文件通常包括一个 YAML 头和 Markdown 格式的技能描述。

技能描述中可以提及 Skill 中的其他资和脚本等,Agent 会按需加载。

SKILL.md 中 YAML 的元信息,总是会放到上下文中, Body 部分在技能触发的时候才会加载,要小于 5K,其他的文件(文本文件、可运行的脚本、数据等)没有限制。

Agent 的系统提示词和 Skill 的元信息始终会在上下文中,这样 Agent 根据对话动态决策使用哪个技能,以及根据技能描述动态加载所需要的资源。

详情参见:https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills

补充:https://code.claude.com/docs/en/skills

目前主要在 Claude 桌面、Claude Code 和 API 里面使用。很多其他 AI  Coding 工具,如

Antigravity :

参见:https://antigravity.google/docs/skills

Qwen Code 

参见:https://qwenlm.github.io/qwen-code-docs/zh/users/features/skills/也已经支持 Skills。

如果工具本身暂时没有直接支持,可以借助 OpenSkills 这个开源项目来使用 Skills:

OpenSkills brings Anthropic's skills system to all AI coding agents(Claude Code, Cursor, Windsurf, Aider).

OpenSkills 可以非常方便地将 skill 安装到全局或项目级 skills 文件中,自动创建项目规则 Markdown 文件,“教会”其他 AI Agent 使用 Skills。

  • 常用命令

  • 安装工具:npm i -g openskills

  • 安装技能:openskills install anthropics/skills

  • 安装技能(全局):openskills install anthropics/skills --global

  • 安装技能(通用模式):openskills install anthropics/skills --universal

  • 安装技能(非交互):openskills install anthropics/skills --yes

  • 同步到 AGENTS.md:openskills sync

  • 同步到自定义文件:openskills sync -o .ruler/AGENTS.md

  • 同步(非交互):openskills sync -y

  • 读取技能:openskills read

  • 列出技能:openskills list

  • 管理技能(交互删除):openskills manage

  • 删除技能:openskills remove

详情参见:https://github.com/numman-ali/openskills

二、Skill VS  MCP

说实话,最开始听到的时候还是有点懵逼的,不是已经有了 MCP 了吗?为啥还出一个 Skill?

图片来源:https://skillsmp.com/docs

简单来说,技能就是怎么做;MCP 是有什么工具、有什么功能。

技能的话,主要是经验、最佳实践、流程的封装,而 MCP 是连接与交互的协议,主要是 API 调用、数据读写和工具等。

Skills主要是 Markdown 文件和一些脚本文件,优势在于渐进式加载,不需要服务器资源,适用性好;MCP 主要是客户端和服务端的架构,启动时加载所有工具定义,集成外部功能,Tokens 消耗更高,使用起来更复杂。

两者是互补的关系,Agent 可以通过 Skills 获取知识,通过 MCP 拓展功能。

当然,现在 Rule、MCP、Skill 边界也越来越模糊。

三、快速开发 Skill 的最佳实践

我们已经对 Skill 有了一个初步的认识,也大概了解它和 MCP 的区别。那么接下来,如何快速、高质量地开发一个 Skill?

这里分享自己总结的一套最佳实践。

传送门:https://github.com/anthropics/skills

有些人知道官方给出了一个 skills 开源仓库,里面有很多 skill 示例。

有些同学可能想到了,我们下载下来学习一下,参考一下,自己写一个呗!

且慢!我们为啥要自己写?

说实话,如果我们自己手写,还是比较浪费时间的。我们需要去思考文件的结构、提示词的布局,要花很多时间,而且未必能写好。

上下文工程实践

这里分享一个自己探索的最佳实践。

首先,咱们先把 Claude 的 Skills 仓库源码拉下来。

这里面不仅有 Skill 的例子,而且还有非常详细的规约。不过都是英文的。

学习 AI 的开源项目我会习惯用 Qoder 对代码仓库生成一个仓库 Wiki。 可以快速熟悉对应的结构、原理和知识。

当然,我们还可以把 Skill 相关的高质量资料,灌到 NotebookLM 中,各种提问,生成信息图(上图)、视频概览、PPT 等快速学习。

我们需要思想转变,一个是默认让 AI来做。因此,

— 以上为试看内容(约 40%),开通会员后阅读全文 —