Claude 的新"技能"功能，Claude Skills

推荐语

Claude Skills功能让AI任务执行更智能高效，无需重复训练或提示词重写，实现工作流程自动化升级。

核心内容：
1. Skills功能的核心构成与工作原理
2. 相比传统AI使用方式的三大优势
3. 实际应用场景与团队协作价值

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

最近突然火了一 个词【skills】,就相当于上半年的 【MCP】。Anthropic 发布了Claude Skills（技能）。Skills让 Claude 能够记住如何以正确的方式完成任务，每一次都如此，无需重新训练或重写提示词。

我花了一天时间为自己的工作流程构建和测试了几个小型技能。技能感觉像是"提示词工程"和完整协议集成之间缺失的一层。但要理解为什么这很重要，你需要看到技能如何与 Anthropic 的另一项重大发明并列存在，而非覆盖其上：模型上下文协议（Model Context Protocol, MCP）。

什么是 Skill（技能）？

一个技能是一个小型包，包含元数据文件和结构化指令（Markdown 或文本格式），定义了 Claude 应该如何执行任务或响应特定触发器。

你可以在设置 > 功能中启用和上传你的技能。

Skills 是一种标准化的技能封装格式，每个技能都包含：

-元数据：技能的名称、描述、版本等基本信息

-指令：详细的执行步骤和指导方针

-脚本：可执行的代码（Python、JavaScript 等）

-资源：模板文件、配置文件等辅助资源

这些技能可以是 Anthropic 官方提供的预构建技能，也可以是用户根据自身需求创建的自定义技能。

一旦创建，技能可以在Claude.ai、Claude Code或Claude API中运行。代理会检查可用的技能，并在相关时自动注入它们。如果你使用的是团队计划，管理员可以在整个工作空间中分发技能，这样每个开发人员或分析师都使用相同的设置。

技能的核心价值

1. 无需重新训练或重写提示词

传统的 AI 使用方式中，你需要：

-每次都重新输入详细的提示词

-或者保存复杂的提示词模板

-或者通过 API 编写自定义集成

而技能提供了一种中间层的解决方案：

-持久化：定义一次，永久使用

-自动激活：在相关场景下自动触发

-标准化：确保团队成员使用统一的方法

2. 介于提示词工程和协议集成之间

技能填补了一个重要的空白：

提示词工程→技能→MCP 协议集成

-提示词工程：灵活但需要重复

-技能：结构化的可复用能力

-MCP：完整的系统级集成

Skill与 MCP 的关系

这是理解 Anthropic 战略的关键点：技能并不取代 MCP，而是与其协同工作。

MCP（模型上下文协议）

-是一个开放标准，用于 LLM 上下文集成

-允许 Claude 连接到外部系统、数据库、API

-提供底层的数据访问能力

Skills（技能）

-是在 MCP 之上的智能层

-定义了如何使用这些数据和能力

-提供特定任务的执行逻辑

可以这样理解：

-MCP 是基础设施：提供连接和数据

-Skills 是应用层：定义如何使用这些连接

实际应用场景

开发场景

分析场景

内容创作场景

为什么这很重要？

1. 降低 AI 使用门槛

不需要：

-学习复杂的提示词工程

-编写自定义代码

-配置复杂的集成

只需要：

-用自然语言定义技能

-上传 ZIP 包

-自动生效

2. 实现真正的 AI 工作流程标准化

以前：每个人用自己的方式与 AI 交互

现在：组织可以定义标准化的 AI 工作模式

3. 创造力与 API 的结合

正如标题所说："创造力拥有了 API"

-创造力：用自然语言定义任务逻辑

-API：结构化、可复用、可分发

技术架构优势

这种架构提供了：

-智能路由：自动选择合适的技能

-上下文感知：基于场景激活

-无缝集成：与现有工作流程结合

Claude Skills 代表了 AI 助手发展的一个重要方向：

1.从对话到能力：AI 不仅能聊天，还能记住如何工作

2.从个人到组织：AI 使用从个人技巧变为组织资产

3.从临时到持久：工作方式从一次性变为可复用

结论

Claude Skills 不是简单的功能添加，而是 Anthropic 在 AI 可用性和组织化方面的战略布局：

-MCP提供了数据访问的基础设施

-Skills提供了使用这些数据的智能方法

-两者结合，创造了一个既强大又易用的 AI 平台

大模型技术原理大模型技术体系大模型技术架构