Claude Agent Skills：用文件夹封装专业流程，AI 应用从「提示工程」走向「能力工程」

不是功能迭代 ，而是一次关于 Agent 能力单元的重新定义。当 专业流程 可以被结构化沉淀和复用，AI 应用才算真正从「提示工程」走向「能力工程」

—— 秦先生在广东

Anthropic 在 2025 年 10 月正式发布 Claude Skills，并于 2025 年 12 月将其升格为开放标准（agentskills.io）。这不是一次功能迭代，而是一次关于 「Agent 能力单元」的重新定义 ：真正制约 Agent 落地的不是模型智能不足，而是「专业流程」无法被结构化地沉淀和复用。Skills 给出的答案是：用一个带 SKILL.md 的文件夹，把流程、代码、模板和示例打包成可按需调用的能力单元。

📌 本文看点

01

核心机制

按需加载 + 渐进展开

02

对比判断

vs System Prompt & Tool

03

能力迁移

从提示工程到能力工程

01

CORE INSIGHT

核心观点

Anthropic 在 2025 年 10 月正式发布 Claude Skills，并于 2025 年 12 月将其升格为 开放标准 （agentskills.io）。这不是一次功能迭代，而是一次关于「Agent 能力单元」的重新定义： 真正制约 Agent 落地的不是模型智能不足 ，而是「专业流程」无法被结构化地沉淀和复用。Skills 给出的答案是：用一个带 SKILL.md 的文件夹，把流程、代码、模板和示例打包成 可按需调用的能力单元 。

02

KEY MECHANISM

关键机制：「按需加载 + 渐进展开」才是真正的核心

Skills 的实现极其简单——一个文件夹、一个 Markdown 文件、两个必填字段（ name 和 description ）——但简单背后的关键机制是 按需加载（progressive disclosure） ：

默认情况下，Claude 只拿到每个 Skill 的 元信息（名字 + 描述） ，不消耗上下文窗口；只有当 Claude 判断当前任务需要某个 Skill 时，才完整读取该 Skill 的指令和资源；更复杂的 Skill（如 PDF 处理）甚至会在主文档里写「如需填写表单，请读 forms.md」，Claude 自主决定是否进一步读取子文档。

这个机制解决了 System Prompt 方案的根本缺陷 ——System Prompt 必须一次性全量加载，无论任务是否需要其中 80% 的内容，Token 都被占用了。

...yaml

# SKILL.md 最小结构

---

name: my-skill-name

description: A clear description of what this skill does

---

03

COMPARISON

对比判断：相比 System Prompt 和 Tool，Skills 各赢在哪

相比 System Prompt，Skills 至少在 三个维度形成碾压 ：

Skill ≈ 应用软件，MCP ≈ 外设，Runtime ≈ 操作系统，Model ≈ CPU

不同于 Tool Use（工具调用），Tool 负责「能做什么」（接外部 API、数据库），而 Skill 负责「应该怎么做」（专业判断、执行工作流）。两者是 互补分层 ，而非替代关系。Anthropic 给出的分层架构是：Model（思考）→ Runtime（执行环境）→ Skill（专业能力） → MCP Server（连接外部世界）。

04

IMPLICATION

推演：AI 应用的开发重心正在迁移

基于上述机制，可以推导出一个具体判断： 接下来企业 AI 落地的竞争焦点，会从「谁的提示词写得更好」转向「谁的 Skill 库更完整、质量更高」 。

这不是空话——当 Skill 可以版本控制、可以依赖其他 Skill（官方已规划 Skill Dependencies）、可以发布到 Marketplace 被他人安装，它实际上就是一种 新形态的软件包 。Notion 已经发布了官方 Skill；Anthropic 仓库本身的文档技能（docx/pdf/pptx/xlsx）是 Claude.ai「创建文档」功能的底层实现，以「source-available」形式开放，这本身就说明 Skills 已经在 生产级产品中运转 。

「未来有价值的不是『会用 Claude 的人』，而是『能沉淀可复用 Skill 资产的组织』」

05

LIMITATIONS

边界局限：并非适用于所有场景，且存在真实安全风险

局限在于以下几点，需要诚实面对：

1

简单任务不值得封装：如果只是需要「改改语气」「轻量对话」，一句 System Prompt 比写一个 Skill 快得多。过度工程化是真实风险，Skywork 的对比分析明确指出「如果任务足够简单，短 System Prompt 反而更快更省钱」。

2

路由不是魔法：Claude 自动选择 Skill 的机制基于description 字段语义匹配，并非保证正确。官方建议用「黄金测试用例」在自己领域验证路由准确性，不能默认信任。

3

企业级治理细节不透明：更深层的 RBAC 权限控制、审计日志等，官方文档尚未完整公开，Skywork 明确建议「在受监管的部署环境中，需联系 Anthropic 代表确认」。

4

安全风险是真实的：Anthropic 官方在文档中明确警告——恶意 Skill 可能指示 Claude 窃取数据、执行非预期操作、引入代码依赖漏洞。社区已有遭遇「Skill 投毒」案例。从非可信来源安装 Skill 前，必须逐行审查 SKILL.md 及捆绑代码。

！踩坑提示

从非可信来源安装 Skill 前，必须逐行审查 SKILL.md 及捆绑代码。恶意 Skill 可能指示 Claude 窃取数据、执行非预期操作、引入代码依赖漏洞。

06

QUICK START

使用方式速查

Claude Code

...bash

# 注册官方 Skill 市场

/plugin marketplace add anthropics/skills

# 直接安装指定技能包

/plugin install document-skills@anthropic-agent-skills

/plugin install example-skills@anthropic-agent-skills

安装后直接在对话中引用即可，例如：「Use the PDF skill to extract form fields from report.pdf 」

Claude.ai

付费计划直接可用官方 Skill，支持 上传自定义 Skill 。

API

参考 Skills API Quickstart ，支持上传自定义 Skill 并通过 API 调用。

07

CROSS-VERIFY

交叉验证

本文观点通过以下两个独立信源进行了交叉验证：

信源一：windliang.wang 独立技术博客

作者 windliang 对 Skills 标准做了深度解析， 完全认同 原文的「按需加载」和「知识沉淀」核心定位，并补充了一个原文未强调的重要视角：当前 Agent 的根本问题不是「智能不足」而是 「专业性缺失」 ——Agent 像「极其聪明但毫无行业经验的新人」，Skills 是在给这个新人注入可复用的行业经验。该信源还提供了 Anthropic 官方尚未在 README 里写明的 安全风险清单 ，具有重要补充价值。

信源二：Skywork AI 技术博客

题为「Claude Skills vs System Prompts (2025): Structure Beats Ad-Hoc」。该信源 大体认同 原文关于 Skills 优越性的判断，但提出了一个重要的补充与纠正：Skills 需要前期投入定义契约（inputs/outputs/golden cases/dependencies），对简单任务是 过度工程化 ，并建议多数团队采用 「简短 Base Prompt + 少量高 ROI Skill」的混合策略 ——这是比原文 README 更务实的落地建议，值得采纳。

💡 综合判断：两个信源均未反驳原文的核心机制描述，但都在「局限性」维度有所补充，构成对原文偏乐观叙事的有益平衡。

08

TAKEAWAYS

个人启发

对开发者 / 工程师

现在就可以把你反复在 System Prompt 里粘贴的那段「数据分析流程」或「代码审查规范」重构成一个 Skill 文件夹，提交到团队 Git 仓库。这不只是整理，而是在创建一种新型的 组织知识资产 ，未来可以直接被 Claude Code 安装使用。

对企业决策者

不要把 Skills 当功能，要当 「能力资产管理体系」 来建设。关键动作：① 盘点高重复、高价值的业务流程（如品牌稿撰写、数据报告生成、合规审查）；② 从 2-3 个优先级最高的场景开始封装 Skill；③ 建立内部 Skill 库的版本管理和审计机制， 在任何 Skill 上线前必须做安全审查 。

对普通用户

Claude.ai 付费计划已经可以上传自定义 Skill，这意味着你可以把自己的「写作风格指南」「读书笔记模板」「个人工作流」封装成 Skill， 一次定义，永久复用 ，彻底告别每次都要重新解释背景的问题。

09

DEEP DIVE

延伸思考

1

Skill Marketplace 的生态会走向何方？当 Notion、Figma 等 SaaS 产品都开始发布官方 Skill，这实际上是在为自己的产品增加「AI 操作手册」。这是否意味着未来 SaaS 产品的竞争，将部分转移到「谁的官方 Skill 质量更高、用户使用更顺畅」上？

2

「Skill 投毒」会不会成为新的攻击面？类比 npm 包的供应链攻击，当 Skill Marketplace 的 Skill 数量增长后，恶意 Skill 的传播和检测将是系统性挑战。Anthropic 目前的应对是「用户自行审查」，这在规模化之后显然不够。

3

Skills 的开放标准（agentskills.io）能否真正跨模型落地？目前 Cursor 仅在 Nightly 版支持，其他主流 Agent 框架尚未跟进。如果标准只停留在 Claude 生态，它更像一个产品特性而非行业标准；只有 GPT、Gemini 等竞争对手也采纳类似规范，「Agent 能力可移植」的愿景才真正有意义。

10

REFERENCES

参考来源

GitHub - anthropics/skills: Public repository for Agent Skills， Skills 开放标准官方仓库 ，包含完整的 SKILL.md 规范、示例和文档技能实现。

END

我是 秦先生在广东，腾讯云高级前端工程师，15 年 + 全栈经验，深耕云开发、低代码及 AI Coding 架构。