Agent Skills 本质上是一种渐进式披露的提示词机制，哈哈，我理解 Skills 其实是一种上下文工程，你懂的。Skills 只是把垂直领域的知识、脚本调用方法等挂载到 Agent 的上下文窗口。

Skills 将提示词拆解为三个层级，通过“按需加载”降低 Token 消耗与复杂度，咱就是说这样Zuo挺巧妙的。

Skill 文件结构：

/.claude/skills/skill-name
    ├── SKILL.md    # 元数据+指令
    ├── scripts/    # 可执行脚本
    │   └── main.py
    ├── references/ # 补充文档
    │   └── doc.md
    └── assets/     # 素材资源
        └── pic.jpg

SKILL.md 分析

meta-data 元数据，这部分hen重要。描述部分这块Zui重要是写清楚 AI 应该在什么时机来调用这个 Skill，说实话，这点挺关键的。

---
name: { { 技Neng名称 } }
description: { { 描述部分 } }
---
{ { 指令部分 } }

调用过程

用户向 Claude Code发起任务，结合材料写作、校对文章用词。

Claude Code向大模型发送：User任务;Available Skills: ....

大模型响应 Claude Code：Choose Skill: 写作，害，这个过程挺快的。

Claude Code向大模型发送：SKILL.md，不对不对，应该是大模型来读取这个文件。

大模型向 Claude Code请求：Read references/*.md

Claude Code向大模型提供 references/*.md 中的内容。

大模型Zui终向用户提供回答。

Agent Skills vs MCP vs Prompt

	Agent Skills	MCP
侧重点	提示词	工具调用
类比	带目录的说明书	标准化工具箱
Token消耗	低	高
核心主体	SKILL.md	软件包
编写难度	低	高

Skills 和 MCP 有什么区别？两种不同的系统设计哲学，你懂的。

标准目录结构：在 /.claude/skills 下创建项目：

/.claude/skills/skill-name
    ├── SKILL.md        # 核心：元数据 + 指令
    ├── scripts/        # 可选：可执行脚本 
    ├── references/     # 可选：补充文档 
    └── assets/         # 可选：素材资源 

SKILL.md 编写规范：

---
name: 文案大师 # 技Neng名称
description: 用于根据提供的材料撰写、校对和润色文章 # 描述
---
# 指令部分
这里写详细的 SOP、步骤要求、注意事项...

实战指南：从安装到构建，咱就是说这才是重点。 .环境准备，你得先有个环境吧？

安装 Claude Code：

macOS: brew install --cask claude-code

Windows : irm https://claude.ai/install.ps1 | iex

说实话，这一步挺简单的。

. 配置模型，推荐使用 CC Switch 管理模型版本，这个工具挺好用的，你懂的。

如何将一个任务转化为高质量的 Skill？先判断是否是需要反复Zuo的任务？Ru果只是一次就没必要Zuo成Skill，因为 Skill 的核心价值在于复用。

再动手Zuo几遍，沉淀Zui佳实践。思考记录哪些步骤是固定的？哪些地方容易出问题？什么样的输出质量Zui好？具体操作：让 Agent 帮你创建 Skill。

新开一个会话，在支持 Skills 的 Agent 里把任务完整Zuo一遍，Zuo完后告诉它：把刚才的操作创建成一个 Skill，方便以后复用。用 Skill Zuo任务，持续迭代优化。以后dou用这个 Skill 来执行任务。每次完成后检查输出，哪里不满意就告诉 Agent，让它改进并geng新 Skill。

简单来说就是：先人工跑通一遍任务，确认 SOP 无误后告诉 Agent：“把刚才的操作创建成一个 Skill，方便以后复用。”

快速创建技巧，其实就是让 Agent 多干活呗！

随着模型变强，Skills 会过时吗？写完之后我得到了一个答案是：肯定会过时。Skills 只是短期红利，随着模型变强，好的Skills会内置进模型里面。

Skills 是短期的红利，但“Neng力”是长期的壁垒。所以我不应该只关注制作 Skill 这个动作，而要通过制作 Skill，沉淀自己解决复杂问题的思维模型，投资自己跨越周期的“问题解决Neng力”。这才是关键，你懂的！

说实话，这才是我们真正应该关注的东西，而不是简单的技Neng制作本身。通过不断实践和沉淀，我们才Neng真正提升自己的Neng力，应对各种复杂问题和挑战。这样，即使 Skills 过时了我们依然拥有强大的“问题解决Neng力”，这才是长久之计。

通过本文的学习，我们了解了 Agent Skills 的本质、文件结构、调用过程以及与 MCP 和 Prompt 的对比。同时我们还掌握了从安装到构建的实战指南，包括环境准备、配置模型以及将任务转化为高质量 Skill 的方法。希望这些知识Neng够帮助大家geng好地利用 Agent Skills，提升自己的工作效率和问题解决Neng力。

---