大模型应用开发

Skills · 概览

Skills（技能）= Claude 4.5 引入的「按需加载的领域能力包」。介于 Prompt 工程（最轻量）和 Tool / MCP（最重型）之间，填补了一个长期空白。

一个简单认知：Skills = 「配方书」

Prompt Engineering   →  一道道单独的菜
      Function Call / Tool →  厨房工具（刀、锅）
      MCP                  →  接外卖（外部能力）
      Skills               →  整本菜谱书（带配料 + 步骤 + 工具调用 + 输出格式）

Skill 不是一个工具，而是完成某类任务的完整能力包，包含：

• 该任务的系统 prompt
• 该任务用到的工具列表
• 该任务的中间步骤模板
• 该任务的输出格式约定
• （可选）该任务的预置资源（如示例、参考数据）

为什么需要 Skills

痛点 1：Prompt + Tool 组合太分散

做一个「PDF 报告生成」功能，传统做法：

# 系统 prompt
      SYSTEM_PROMPT = "你是报告生成助手..."
      
      # 工具 1: 读 PDF
      def read_pdf(path): ...
      # 工具 2: 抽取关键数据
      def extract_data(text): ...
      # 工具 3: 生成图表
      def create_chart(data): ...
      # 工具 4: 输出 PDF
      def write_pdf(content): ...
      
      # 业务代码
      def generate_report(input_pdf):
          # 一堆胶水代码组装 prompt + tools
          ...

问题：换个场景（如「数据分析报告」），整套又要重写。

痛点 2：复用难

公司有 10 个团队都在做"基于客户数据生成洞察报告"，每个团队都从零写一套 prompt + tool 组合。

痛点 3：Prompt 太长

复杂任务的 prompt 动辄上千行。塞在主 prompt 里：

• 每次调用都付全文 token 费
• 主 prompt 越长，模型越容易"跑偏"

Skills 的解决方案

把完整能力封装成 Skill，按需加载：

# 不用每次写一长串 prompt 和工具
      agent = ClaudeAgent(
          skills=["pdf_report_generator", "data_analyst", "customer_insight"]
      )
      result = agent.run("基于上月销售数据生成季度报告")
      # Claude 自动判断: 这需要 pdf_report_generator + data_analyst
      # 按需加载这两个 Skill，复用其 prompt 和工具

Skills 的核心特性

1. 按需加载（Lazy Loading）

Skill 只在模型判断需要时才加载到 context：

对话开始: 只有基础 system prompt + Skill 索引（每个 Skill 几句话描述）
         ↓
      用户问"帮我生成销售报告" → 模型决定加载 pdf_report_generator
         ↓
      该 Skill 的完整 prompt + 工具 + 模板被注入 context
         ↓
      执行任务
         ↓
      任务完成，Skill 退出 context（节省后续 token）

省 token：100 个 Skills 的索引可能只占几百 token，而每个 Skill 单独完整可能上千。

2. 自包含（Self-Contained）

一个 Skill 包含所有它需要的东西：

skills/pdf_report_generator/
      ├── SKILL.md             ← Skill 主定义（prompt + 元信息）
      ├── tools/               ← 该 Skill 用到的工具
      │   ├── extract_pdf.py
      │   └── render_chart.py
      ├── templates/           ← 输出模板
      │   └── report.jinja2
      ├── examples/            ← Few-shot 示例
      │   ├── good_report.md
      │   └── bad_report.md
      └── resources/           ← 静态资源
          └── style_guide.md

可移动、可分享、可版本化。

3. 可组合（Composable）

多个 Skills 可以组合：

agent = ClaudeAgent(skills=[
          "data_analyst",      # 提取数据
          "chart_generator",   # 画图
          "report_writer",     # 写文字
          "pdf_exporter"       # 导出 PDF
      ])
      # 模型自主决定调用顺序和组合方式

4. 模型自主选择

Claude 自动决定用不用、用哪些 Skill：

用户: "帮我看看 sales.csv"
         ↓
      Claude 扫描可用 Skills:
        - data_analyst: 处理 CSV ✓
        - pdf_generator: 不需要
        - email_sender: 不需要
         ↓
      加载 data_analyst Skill → 分析数据 → 回答

Skills vs Prompt / Tool / MCP

总结：

• Prompt：原子级，最轻量
• Function Call：函数级，调能力
• MCP：协议级，分享能力
• Skills：任务级，封装方法论

真实应用场景

场景 1：客服全栈助手

skills = [
          "intent_classifier",     # 意图分类
          "knowledge_base_qa",    # 基于知识库回答
          "refund_processor",     # 退款流程
          "escalate_to_human"     # 转人工
      ]
      agent = ClaudeAgent(skills=skills)
      # 一句话搞定所有客服场景

场景 2：数据分析师

skills = [
          "csv_analyzer",          # CSV 数据处理
          "sql_query_writer",      # 写 SQL
          "chart_generator",       # 生成可视化
          "insight_extractor",     # 提取业务洞察
          "report_writer"          # 生成报告
      ]
      agent = ClaudeAgent(skills=skills)
      agent.run("分析这份用户行为数据，找出留存关键因素")

场景 3：开发者助手

skills = [
          "code_reviewer",         # Code review
          "bug_diagnosis",         # 故障诊断
          "test_generator",        # 生成测试
          "refactor_assistant"     # 重构建议
      ]

Skills 在 Claude 生态的位置

┌─────────────────────────────────────────┐
      │       Claude Agent SDK / Console        │
      │  ┌────────────────────────────────────┐ │
      │  │       Skills (高层能力包)            │ │
      │  │   ┌─────┬──────┬──────────┐        │ │
      │  │   │     │      │          │        │ │
      │  │   ↓     ↓      ↓          ↓        │ │
      │  │  使用   使用   使用       使用      │ │
      │  └────────────────────────────────────┘ │
      │        │              │                 │
      │        ↓              ↓                 │
      │  ┌──────────┐  ┌─────────────┐          │
      │  │ Tool/FC  │  │ MCP Servers │          │
      │  └──────────┘  └─────────────┘          │
      │        │              │                 │
      │        ↓              ↓                 │
      │      Python       NPM / Docker          │
      │      自定义        全网生态              │
      └─────────────────────────────────────────┘

Skills 是最高层抽象，下游可以用 Tool / FC / MCP 任意组合实现。

Skills 与 Claude Agent SDK

Anthropic 2025 发布的 Claude Agent SDK 把 Skills 作为一等公民：

from claude_agent_sdk import Agent, Skill
      
      agent = Agent(
          model="claude-sonnet-4-5",
          skills=[Skill.from_directory("./skills/data_analyst")]
      )
      agent.run("分析这份销售数据")

如果你用 Claude 做生产级应用，Skills 应该是默认架构。

Skills 不适合什么场景

❌ 简单一次性任务：直接写 prompt 更快 ❌ 纯对话场景：不需要复杂能力组合 ❌ 不用 Claude 的项目：Skills 目前是 Claude 生态特有

入门路径

业界资源

• Anthropic Skills 官方文档 (2025)
• Claude Agent SDK GitHub
• Awesome Claude Skills ← 官方示例库

下一节：Skills vs Tools —— 彻底搞清楚这三者的关系。