1. 從一場對話說起為什么“skills”突然成了高頻詞前陣子跟幾個做AI應用落地的朋友聊天話題繞來繞去總會落到一個詞上——skills。不是那種泛泛而談的“技能”而是特指在Claude Cowork、Claude Code這類工具里可以被封裝、被調用、被復用的能力單元。有個朋友打了個比方我覺得挺到位以前我們用AI像是在跟一個什么都懂一點但什么都不精的實習生對話現(xiàn)在有了skills相當于給這個實習生配了一套標準作業(yè)程序他拿到任務就知道該翻哪本手冊、走哪條流水線。這個變化背后其實藏著一個更大的命題個人的生產力資產正在從“我會什么”轉向“我封裝了什么”。你會寫Python這是技能但你把“從Excel讀取銷售數(shù)據(jù)、清洗異常值、生成周報圖表、推送到指定目錄”這一整套流程封裝成一個可調用的skill這就是資產。前者會隨著時間貶值后者會隨著調用次數(shù)增加而增值。這篇文章適合誰看如果你是剛接觸Claude Code、還在糾結怎么安裝的新手里面會有完整的實操路徑如果你已經在用AI Agent處理日常工作但總覺得每次都要重新描述需求很煩那skills的封裝思路能幫你省下大量重復溝通成本如果你是個純粹的技術觀察者想搞清楚這波“skills熱”到底是不是泡沫我也會從架構層面拆解它的合理性。需要提前說明的是我自己的環(huán)境是macOS加Ubuntu虛擬機雙線操作Windows用戶的操作邏輯基本一致只是路徑和包管理命令略有差異。下面所有內容都基于實際跑通的經驗不是紙上談兵。2. 先搞清楚幾個容易混淆的概念2.1 Agent、LLM、AI模型到底什么關系這個問題在熱搜里出現(xiàn)頻率極高我盡量用最短的話說清楚。LLM是大語言模型比如DeepSeek、Claude、GPT這些它的本質是一個“文字接龍”引擎你給它一段話它預測下一段最可能是什么。AI模型是個更大的筐LLM屬于其中一種圖像生成模型、語音識別模型也都算。Agent就不一樣了。Agent是一個系統(tǒng)它把LLM當作大腦但還配了記憶模塊、工具調用能力、任務規(guī)劃邏輯。你可以理解為LLM是一個很聰明的顧問你問他什么他答什么Agent是一個有手有腳的助理你告訴他“幫我把這周的銷售數(shù)據(jù)整理成報告”他會自己去翻數(shù)據(jù)庫、調Excel、生成圖表、發(fā)郵件。那skills是什么skills是Agent的“操作手冊”。一個Agent可能具備通用的問題解決能力但面對具體任務時它需要知道“在這個公司里銷售數(shù)據(jù)存在哪個路徑、異常值的判定標準是什么、報告模板長什么樣”。這些領域知識如果每次都靠提示詞臨時輸入效率極低且容易出錯。skills就是把這些知識固化下來變成Agent可以隨時查閱的標準流程。2.2 Claude Code和Claude Cowork的定位差異Claude Code是面向開發(fā)者的命令行工具你可以在終端里直接跟它對話讓它幫你寫代碼、調試、重構。它的優(yōu)勢是輕量、快速、跟開發(fā)環(huán)境無縫集成。Claude Cowork則更偏向協(xié)作場景強調多人共享skills、任務分派、進度追蹤。兩者底層都依賴Claude模型但交互界面和使用場景有明顯區(qū)分。我自己的用法是個人開發(fā)任務用Claude Code團隊協(xié)作和流程自動化用Cowork。舉個例子我寫了一個“自動生成API文檔”的skill在Claude Code里直接調用就能跑但如果要讓產品經理也能用這個skill生成文檔就得放到Cowork里配上權限管理和使用說明。2.3 虛擬機在這個體系里扮演什么角色熱搜里“虛擬機安裝Ubuntu”“VMware虛擬機安裝教程”這些詞頻繁出現(xiàn)說明很多人在搭建AI Agent開發(fā)環(huán)境時選擇了虛擬機方案。原因很簡單AI Agent開發(fā)經常需要折騰各種依賴、環(huán)境變量、系統(tǒng)權限直接在主力機上搞容易把系統(tǒng)弄亂。用虛擬機隔離出一個干凈的Ubuntu環(huán)境隨便折騰壞了就快照回滾成本極低。我自己的配置是VMware Workstation加Ubuntu 22.04 LTS分配4核CPU、8GB內存、80GB硬盤。這個配置跑Claude Code和基礎的Agent開發(fā)完全夠用。如果你要跑本地模型推理內存至少加到16GB硬盤建議128GB起步。注意安裝Ubuntu虛擬機時如果遇到藍屏大概率是BIOS里虛擬化技術沒開啟。重啟進BIOS找到Intel VT-x或AMD-V選項設為Enabled即可。這個問題在Windows 7虛擬機安裝時也會遇到解決思路一樣。3. Skills的核心設計邏輯為什么它可能成為個人資產3.1 從“提示詞工程”到“能力封裝”的范式轉移過去兩年大家花了很多時間研究怎么寫提示詞。什么“角色扮演法”“思維鏈法”“少樣本示例法”本質上都是在跟LLM的對話窗口里做文章。但提示詞有個致命問題它是一次性的。你這次寫了一段精妙的提示詞讓AI生成了完美的周報下次換個對話窗口一切歸零你得重新寫。Skills解決的就是這個問題。它把提示詞、工具調用邏輯、參數(shù)配置、輸出格式要求全部打包成一個文件或一個目錄。下次要用的時候Agent直接加載這個skill不需要你重新描述需求。這就像你第一次教助理做一件事教完之后他把流程寫進了操作手冊以后每次做這件事都翻手冊不需要你重復教。這個轉變的意義在于你的經驗開始沉淀為可復用的數(shù)字資產。你在這個行業(yè)干了十年積累的判斷力、你知道的“這個數(shù)據(jù)要排除掉促銷期的異常值”、你習慣的報告格式全部可以封裝進skill。新人來了加載你的skill就能產出跟你水平接近的結果。這才是“個人生產力資產”的真正含義。3.2 Skills的組成結構拆解一個完整的skill通常包含以下幾個部分元數(shù)據(jù)名稱、描述、版本號、作者、適用場景。這部分幫助Agent判斷什么時候該調用這個skill。輸入定義這個skill需要什么參數(shù)。比如“生成周報”這個skill需要“數(shù)據(jù)文件路徑”“報告周期”“輸出格式”三個參數(shù)。執(zhí)行邏輯具體怎么做?？梢允亲匀徽Z言描述的步驟也可以是代碼片段還可以是調用其他工具的指令。輸出規(guī)范結果長什么樣。是Markdown表格、JSON、還是直接生成一個文件。錯誤處理遇到異常怎么辦。數(shù)據(jù)文件不存在時是報錯還是用默認值網絡超時是重試還是跳過。我自己的習慣是把skill寫成一個目錄里面放一個SKILL.md作為主文件再配一個examples子目錄放幾個輸入輸出示例。這樣Agent在加載skill時既能讀到流程說明也能參考示例理解預期效果。3.3 為什么說“封裝”比“會做”更值錢舉個具體的例子。假設你是一個財務分析師你會做“月度經營分析報告”。這是你的技能。但如果你把這個報告的制作流程封裝成一個skill——包括從ERP系統(tǒng)導出數(shù)據(jù)、用Python腳本清洗數(shù)據(jù)、按業(yè)務線拆分、生成同比環(huán)比圖表、套用公司模板、輸出PDF——那這個skill就變成了資產。區(qū)別在哪你會做報告意味著公司需要你這個人坐在工位上才能產出報告。你的skill能自動生成報告意味著公司可以把這個skill分發(fā)給十個分公司每個分公司的人不需要懂財務分析加載skill就能產出標準報告。你的價值從“一個分析師”變成了“一個分析系統(tǒng)的設計者”。這就是為什么我說skills會成為個人生產力資產。它把你的隱性知識顯性化把你的個人能力產品化。在AI Agent越來越普及的未來能封裝高質量skills的人會比只會用AI的人有更大的杠桿。4. 從零搭建一個可用的Skills開發(fā)環(huán)境4.1 虛擬機環(huán)境準備與避坑指南我選擇Ubuntu 22.04 LTS作為開發(fā)環(huán)境原因是它的包管理成熟、社區(qū)支持好、跟大多數(shù)AI工具鏈兼容。VMware Workstation Player是免費版本對個人開發(fā)者夠用。安裝步驟大致如下下載Ubuntu 22.04 LTS的ISO鏡像文件建議從官方渠道獲取避免第三方修改版。在VMware中新建虛擬機選擇“典型”配置指向下載好的ISO文件。分配資源CPU 4核、內存8GB、硬盤80GB。如果宿主機內存只有16GB建議給虛擬機分配6GB留足宿主機運行空間。網絡模式選擇NAT這樣虛擬機可以訪問外網宿主機也能通過端口轉發(fā)訪問虛擬機的服務。安裝過程中選擇“最小安裝”不需要圖形界面的可以選“Ubuntu Server”需要圖形界面的選“Ubuntu Desktop”。安裝完成后第一件事是更新系統(tǒng)sudo apt update sudo apt upgrade -y然后安裝基礎開發(fā)工具sudo apt install -y build-essential git curl wget python3-pip python3-venv實操心得虛擬機安裝完成后立刻創(chuàng)建一個快照。后續(xù)折騰環(huán)境搞壞了一鍵回滾省去重裝的時間。我一般會在“系統(tǒng)更新完成”“開發(fā)工具安裝完成”“Claude Code配置完成”三個節(jié)點各打一個快照。4.2 Claude Code的安裝與配置Claude Code的安裝方式取決于你使用的平臺。在Ubuntu上我推薦用npm全局安裝# 先安裝Node.js 18以上版本 curl -fsSL https://deb.nodesource.com/setup_18.x | sudo -E bash - sudo apt install -y nodejs # 驗證Node版本 node --version # 安裝Claude Code npm install -g anthropic-ai/claude-code安裝完成后需要配置API密鑰。Claude Code支持多種認證方式我使用的是API Key方式export ANTHROPIC_API_KEY你的API密鑰把這行加到~/.bashrc或~/.zshrc里避免每次開終端都要重新設置。如果你在VSCode里工作可以安裝Claude Code的VSCode擴展這樣就能在編輯器里直接調用。配置方法是在VSCode的設置里搜索“Claude Code”填入API密鑰即可。注意API密鑰不要硬編碼在代碼里也不要提交到Git倉庫。用環(huán)境變量管理是最基本的習慣。我見過有人把密鑰寫在skill文件里然后分享出去結果被人盜用產生大量費用。4.3 驗證環(huán)境是否可用安裝完成后跑一個最簡單的測試claude 用Python寫一個函數(shù)輸入一個列表返回去重后的結果如果Claude Code能正常返回代碼說明環(huán)境配置成功。接下來測試skill加載功能。創(chuàng)建一個測試skill目錄mkdir -p ~/.claude/skills/hello-world在目錄里創(chuàng)建SKILL.md# Hello World Skill ## 描述 一個最簡單的測試skill用于驗證skill加載機制是否正常工作。 ## 輸入 - name: 用戶名 ## 執(zhí)行邏輯 輸出 Hello, {name}! Welcome to skills system. ## 輸出格式 純文本然后在Claude Code里輸入/hello-world name測試用戶如果返回了預期的問候語說明skill系統(tǒng)已經就緒。5. 動手寫第一個真正有用的Skill5.1 需求分析選一個高頻重復任務寫skill的第一個原則是選你每周至少做一次的任務。頻率太低的任務封裝成本劃不來頻率高的任務封裝一次省下的時間會累積成可觀的數(shù)字。我選的任務是“整理會議紀要”。每次開完會我有一段錄音轉文字的結果需要提取關鍵決策、待辦事項、負責人、截止時間然后格式化成標準模板發(fā)到群里。這個任務我每周至少做三次每次花15到20分鐘。封裝成skill后每次只需要30秒。5.2 Skill文件的結構設計我在~/.claude/skills/meeting-notes/目錄下創(chuàng)建了以下文件meeting-notes/ ├── SKILL.md # 主文件定義流程 ├── examples/ │ ├── input1.txt # 示例輸入 │ └── output1.md # 示例輸出 └── template.md # 輸出模板SKILL.md的內容如下# 會議紀要整理 Skill ## 描述 將會議錄音轉文字的結果整理成結構化紀要提取決策、待辦、負責人和截止時間。 ## 輸入 - transcript: 會議錄音轉文字內容必填 - meeting_title: 會議主題可選默認未命名會議 - attendees: 參會人員列表可選 ## 執(zhí)行邏輯 1. 通讀transcript識別會議的主要討論議題 2. 提取每個議題下的關鍵決策 3. 提取待辦事項識別負責人和截止時間 4. 如果負責人或截止時間不明確標記為待確認 5. 按template.md的格式組織輸出 ## 輸出格式 Markdown格式包含以下部分 - 會議基本信息 - 議題與決策 - 待辦事項表格 - 遺留問題 ## 錯誤處理 - 如果transcript為空返回未提供會議內容 - 如果無法識別任何決策在對應部分標注本次會議未形成明確決策template.md定義了輸出模板# {meeting_title} 會議紀要 ## 基本信息 - 時間{date} - 參會人{attendees} ## 議題與決策 {for each topic} ### {topic_name} - 討論要點{points} - 決策{decision} {end for} ## 待辦事項 | 事項 | 負責人 | 截止時間 | 狀態(tài) | |------|--------|----------|------| {for each action} | {action} | {owner} | {deadline} | 待開始 | {end for} ## 遺留問題 {for each issue} - {issue} {end for}5.3 調試與迭代讓skill真正好用第一次跑的時候我發(fā)現(xiàn)兩個問題。第一Claude把“我們下周再討論”這種話也當成了決策實際上這只是推遲討論。第二待辦事項的截止時間經常識別錯誤比如“下周五之前”被理解成了具體日期。針對第一個問題我在執(zhí)行邏輯里加了一條“區(qū)分‘決策’和‘推遲討論’。只有明確達成一致的意見才算決策‘下次再說’‘再想想’屬于遺留問題?！贬槍Φ诙€問題我加了一條“截止時間保留原始表述不要轉換為具體日期。如果原始表述是‘下周五之前’輸出就是‘下周五之前’?！钡巳沃筮@個skill的準確率已經能滿足日常使用。我現(xiàn)在每次開完會把轉文字結果粘貼進去30秒就能拿到一份格式規(guī)范的紀要。實操心得skill的調試過程就是不斷發(fā)現(xiàn)邊界情況的過程。建議前幾次使用時人工檢查輸出結果把錯誤案例記錄下來針對性地補充規(guī)則。一般迭代三到五次就能穩(wěn)定。6. Skills的進階玩法與生態(tài)觀察6.1 Skill的組合與嵌套單個skill能解決一個具體任務但真實工作流往往是多個任務的組合。比如“月度經營分析”這個任務實際上包含了“數(shù)據(jù)提取”“數(shù)據(jù)清洗”“圖表生成”“報告撰寫”四個子任務。你可以為每個子任務寫一個skill然后寫一個“主控skill”來按順序調用它們。這種嵌套結構的好處是復用性極高?！皵?shù)據(jù)清洗”這個skill不僅可以用在月度分析里還可以用在周報、季度總結、專項分析里。你只需要維護一份數(shù)據(jù)清洗邏輯所有依賴它的上層skill都自動受益。我自己的skill庫現(xiàn)在有二十多個skill其中“數(shù)據(jù)清洗”“格式轉換”“文件操作”這幾個基礎skill被調用的頻率最高。上層業(yè)務skill有十幾個每個都依賴兩到三個基礎skill。6.2 常用skills源與社區(qū)資源目前skills的分享生態(tài)還在早期但已經有一些值得關注的方向。GitHub上有一些開源的skill集合覆蓋了常見的開發(fā)、寫作、數(shù)據(jù)分析場景。不過質量參差不齊建議先看star數(shù)和最近更新時間再用小樣本測試。我自己常用的幾個skill類型包括代碼審查skill檢查代碼規(guī)范、潛在bug、性能問題文檔生成skill根據(jù)代碼注釋生成API文檔數(shù)據(jù)可視化skill根據(jù)數(shù)據(jù)特征自動選擇圖表類型文本潤色skill調整語氣、精簡表達、統(tǒng)一術語注意從社區(qū)獲取的skill不要直接在生產環(huán)境使用。先在一個隔離環(huán)境里測試確認行為符合預期后再引入。我見過有人直接加載了一個來路不明的skill結果它偷偷把本地文件上傳到了外部服務器。6.3 Skills與MCP的關系MCP是Model Context Protocol的縮寫它解決的是“Agent如何跟外部工具通信”的問題。Skills解決的是“Agent如何執(zhí)行特定任務”的問題。兩者是互補關系。打個比方MCP是USB接口標準定義了設備怎么插到電腦上skills是設備驅動程序告訴電腦這個設備具體怎么用。你可以有一個MCP服務器提供數(shù)據(jù)庫訪問能力然后寫一個skill來定義“如何從數(shù)據(jù)庫提取銷售數(shù)據(jù)并生成報告”。在實際配置中你需要在Claude Code的配置文件里同時聲明MCP服務器和skills目錄。MCP服務器提供工具能力skills提供流程知識兩者結合才能讓Agent真正完成復雜任務。7. 常見問題與排查技巧實錄7.1 Skill加載失敗怎么辦最常見的原因是目錄結構不對。Claude Code默認從~/.claude/skills/目錄加載skill每個skill一個子目錄子目錄里必須有SKILL.md文件。如果文件名大小寫不對或者目錄層級多了一層都會導致加載失敗。排查步驟確認skill目錄路徑正確ls ~/.claude/skills/確認每個skill目錄下有SKILL.mdls ~/.claude/skills/*/SKILL.md檢查SKILL.md的格式是否符合要求特別是元數(shù)據(jù)部分重啟Claude Code讓它重新掃描skills目錄7.2 Skill執(zhí)行結果不符合預期這個問題通常有三個原因輸入描述不清晰、執(zhí)行邏輯有歧義、輸出格式定義不明確。我的排查方法是先用一個最簡單的輸入測試看輸出是否符合預期。如果不符合把執(zhí)行邏輯拆成更細的步驟逐步驗證。比如“提取待辦事項”這個步驟先測試它能不能正確識別出待辦再測試它能不能正確識別負責人最后測試截止時間。另一個技巧是在skill里加入“自檢”步驟。比如在輸出之前讓Agent自己檢查一遍“待辦事項表格中是否有空白的負責人如果有標記為待確認?！边@種自檢邏輯能顯著提升輸出質量。7.3 虛擬機性能問題如果虛擬機里跑Claude Code感覺卡頓可以從以下幾個方面優(yōu)化增加虛擬機內存分配建議至少8GB啟用VMware的3D加速雖然Claude Code是命令行工具但某些操作會用到圖形渲染關閉Ubuntu的動畫效果和后臺無關服務如果宿主機是SSD把虛擬機磁盤文件放在SSD上實操心得我一開始給虛擬機分配了4GB內存跑Claude Code經?？ㄗ?。加到8GB之后流暢很多。如果你的宿主機有32GB內存建議給虛擬機分配12GB留足余量。7.4 常見問題速查表問題現(xiàn)象可能原因解決方法skill列表為空目錄路徑錯誤確認~/.claude/skills/存在且有子目錄skill加載報錯SKILL.md格式錯誤檢查元數(shù)據(jù)字段是否完整執(zhí)行結果偏離預期執(zhí)行邏輯有歧義拆解步驟逐步驗證虛擬機藍屏BIOS虛擬化未開啟進BIOS開啟VT-x或AMD-VAPI調用超時網絡問題或密鑰錯誤檢查網絡連接和API密鑰輸出格式混亂模板定義不清晰用示例輸出明確格式要求8. 我對skills生態(tài)的幾個判斷第一個判斷是skills會成為AI Agent時代的“個人簡歷”?，F(xiàn)在你找工作要寫簡歷未來你展示能力可能直接分享你的skill庫。招聘方看到你的skill庫就知道你能解決什么問題、你的工作方式是什么樣的。這比簡歷上寫“精通Python”有說服力得多。第二個判斷是skill的復用和組合會催生新的協(xié)作模式?，F(xiàn)在團隊協(xié)作是“你負責這塊我負責那塊”未來可能是“你維護這幾個skill我維護那幾個skill我們的skill組合起來完成整個流程”。skill的接口定義、版本管理、依賴關系會變成團隊協(xié)作的基礎設施。第三個判斷是低質量skill會被快速淘汰。現(xiàn)在skills生態(tài)還在早期什么skill都有人分享。但隨著使用量增加那些描述模糊、邏輯混亂、輸出不穩(wěn)定的skill會被自然淘汰。能留下來的一定是經過大量實際使用驗證、邊界情況處理完善的高質量skill。我自己的做法是每寫一個skill先自己用兩周。兩周內如果發(fā)現(xiàn)三次以上需要人工修正的情況就繼續(xù)迭代。兩周后如果穩(wěn)定了再考慮分享給團隊。分享的時候附上使用說明和已知限制避免別人踩坑。最后分享一個小技巧給skill起名字的時候用“動詞名詞”的格式比如“generate-weekly-report”“extract-meeting-actions”“clean-sales-data”。這樣在調用的時候一眼就能看出這個skill是干什么的不用翻文檔。名字里不要用縮寫除非是團隊內部已經約定俗成的。