'为什么要这样设计':启动时只解析 frontmatter,正文编译延迟到调用时。这使得启动速度快,同时支持动态内容。这个设计有一个重要的推论:'Skill 的内容在内存中只有一份拷贝',但每次调用会产生新的编译结果。

'技Neng内容在启动时只解析 frontmatter' , SKILL.md 的正文内容通过闭包捕获,仅在用户调用 '/skill-name''时才执行完整的"编译"过程.

async getPromptForCommand {
let finalContent = baseDir
finalContent = substituteArguments
finalContent = finalContent.replace
finalContent = finalContent.replace)
finalContent = await executeShellCommandsInPrompt
return 
}

SKILL.md → parseFrontmatter → createSkillCommand → getPromptForCommand → LLM → 输出
没有反馈回路。Ru果 LLM 的输出偏离了 Skill 的预期，系统无法:
* 自动纠正模型输出
* 提供修复建议给开发者
* 上报给 Skill 作者进行优化

Step ：构造消息列表
从代码kan，Skill 的执行路径是单向的：
当我们在 Claude Code 中输入 /commit并按下回车，
在中组件 PromptInput 调用 onSubmit回调。
这里是整条链路的入口。
/commit以 / 开头命中 slash command分支。
processSlashCommand.tsx:
详细代码位置：processSlashCommand.tsx:
Step ：查找命令注册表
Step ：检查 context === 'fork'
if  {
return await executeForkedSlashCommand
// 在独立子 agent 中执行有自己的上下文和 token 预算默认不是 fork
第 层：processSlashCommand — 命令解析与分发
详细代码位置：processSlashCommand.ts:
第 层：onQuery — 发送给 AI
详细代码位置：handlePromptSubmit.ts:
回到 executeUserInput：
Step ：加载技Neng内容
loadAllCommands.cache?.clear?.
getSkillToolCommands.cache?.clear?.
getSlashCommandToolSkills.cache?.clear?.
clearSkillIndexCache?.
LLM目前三缺陷构成 Skills存在全部理由：
Step ：解析命令名
parseSlashCommand 函数规则：
getMessagesForPromptSlashCommand:
需求 → 技术方案 → 编码 → 测试 → 上线 │ │ │ │ └────────┴─────尚未有 Skill介入─┘
根据产研流程阶段映射 SkillNeng力：
/commit fix修复bug→经典 commit message格式审查→git add→git commit→push等操作封装为一个完整 workflow而非原子操作。
本文限于篇幅种Ru果dou讲述篇幅太大也不利阅读所以今天就讲述第一种用户斜杠命令方式调 skills。
当前 Skill组合隐式——通过 SkillTool 调另一 Skill但：
无依赖管理机制版本冲突处理Neng力弱无显式声明关系导致潜藏问题难发现。
打比方函数调像把锅铲锅再加些料告诉 AI什么时候倒油放菜怎么炒怎么颠锅等 Skills像《中国八大菜系菜谱》十八般工具书里写如何Zuo土豆丝步骤工具使用完毕即成品无论厨师经验如何得到一样美味佳肴。
skillshen难定义从翻译来kan叫技Neng但不仅代表技Neng今天先历史脉络梳理一下LLM发展阶段然后再kanskillsZuo什么再简单定义Zui后结合代码解析给一些关于skill不成熟思考。
年月中旬Anthropic正式发布Claude Skills.Skills本质可复单元封装方法实践类任务如生docx读PDF让模型需要查阅遵循而非prompt临指令带来优势：
知识沉淀——Zui佳实践标准库减少重复劳动——规范化操作降低认知负荷——AI主导决策流程.
展开来说一个Skill就是一个文件夹里面样东西：
第一SKILL.md文件——指令自然语言写告诉AI干嘛情况下该怎么注意事项第二脚本PythonJavaScript语言写代码当AI需要动手就执这些脚本第三资源文件参考资料模板配置AI执行任务Ke以查阅资料.
标准化带来：
一致性输出——团队全员保持相同风格降低错误率——规范约束减少自由度提升效率——自动化替换部分人力.
既然插件那安装方式一样输入/plugin打开市场搜索skills拉取代码.
这是 skill核心将 SKILL.md加载 prompt.
这是经典延迟求值策略prompt工程应 用pi pi-mono也同样设计 .
这是整条链路关键分发层.
除了启加载系统支持会话过程中新发现技Neng.
我们把 Skills理解公司规章制度+工具箱组合 .
公司规章制度告诉 AI遇到某类任务应该几步工具使用工具箱装需要脚本参考资料 .
所以对于 skills根据叙述简单定义可被语触发Neng力包它包含领域知识执步骤输出规范与约束条件 .
答案代码里kan createSkillComman d getPromptForComm and闭包：
所以根据上面叙述skillsKe以kan高阶prompt+ 工具调 用结合 clawhub类似发布平台有 skills发布查询安装版本管理等之前问题dou解决了 .

                        

                        

                         

                    
                    

                        

                            标签：  
                            源码  
                        
                    
                    

                    
                    

                        

                            

                                 上一篇： 
                                我的服务器带宽被盗，我用脚本追踪到了谁？  
                            
                            

                                 下一篇： 
                                CLI是什么？为何大厂纷纷转向命令行？