最近不少同学在讨论 Skills。就连 Vue 也出了 Vue Skills 这样的一个库。

不光是 Vue，所有和 Skills 沾边的，star 都涨的飞快

那么 Skills 到底是个什么东西，为什么最近讨论的声音这么大呢？今天，Sunday 就通过这篇文章，一文带你彻底搞懂 Skills。

什么是 Skills

Skill 翻译过来是 技能 的意思。更直白的来说就是：“给 AI 赋予一种技能”。

这句话乍一看可能不太好理解。咱们举个例子。

咱们就以 训练营 所做的服务为例。

任何一个程序员都得找工作，或者说 找工作是程序员具备的一大堆能力中的一个能力。

但是，因为程序员是一个综合性的角色，他会 写代码、梳理需求、和产品扯皮、跟测试甩锅、被裁了找工作。他虽然会找工作，但是找工作只是他众多能力中的一个，能找，但是找不好。

那怎么办呢？

他就需要有一个独特的 找工作流程。比如：

• 应该如何梳理自己的技术亮点，哪些亮点是对找工作有价值的，哪些是没有价值的。
• 筛选出有价值的亮点之后，如何把有价值的亮点体现在简历上，让 HR 可以通过你的简历。
• 如何进行面试的准备，面试练习、模拟面试、面试回顾 应该怎么去做，在每个环节中自己应该如何进行反思。

当我们把这一套 “经过验证的、标准化的、专业的流程” 封装起来，教给这位程序员时，他就从一个“只会瞎找工作的人”，变成了一个“求职高手”。

对于 AI 来说，这个道理是一模一样的。

通用的大模型（比如 ChatGPT、Claude）就像那个什么都会一点的程序员，它很聪明，什么都能聊两句。但如果你没有给它具体的 流程和规范，它也就是泛泛而谈。

而 Skills，就是我们把上面那一套 专业的 方法、模板、规范 打包成一个 工作流程（Workflow） 塞给 AI。

当 AI 装备了这个 Skill，他就会成为一个 具备专业技能，并且有标准工作流程的 AI… 很像之前的 工作流 概念，但是没有工作流这么复杂。

所以，Skills 的本质，就是 流程性知识的封装与复用 方案。

如何构建 Skills

Skills 最初是 Claude 提出的概念，并且配置非常简单。

图片

那具体到代码层面，这玩意儿到底长啥样呢？其实对于咱们程序员来说，它的结构 非常简单，甚至有点朴实无华。

一个标准的 Skill，在物理层面上，其实就是一个 文件夹。它的结构大概是这样的

skill-name/
├── SKILL.md (必需)
│ ├── YAML frontmatter 元数据 (必需)
│ │ ├── name: (必需)
│ │ └── description: (必需)
│ └── Markdown 指令 (必需)
└── Bundled Resources (可选)
├── scripts/ - 可执行代码（Python / Bash 等）
├── references/ - 用于按需加载到上下文中的文档
└── assets/ - 输出中使用的文件（模板、图标、字体等）

我们要构建一个 Skill，只需要两步走：

第一步：创建一个文件夹

首先，我们需要创建一个文件夹。这里有一个硬性规定：文件夹名称必须是小写字母 + 连字符。比如：lgd-sunday，不要使用驼峰标识。

如果，我们想做一个 “简历优化专家” 的 Skill，文件夹名字就得叫：resume-polisher（不能有空格，也不能大写）。

第二步：编写核心文件 SKILL.md

在这个文件夹里，必须包含一个核心文件，名字固定为 SKILL.md。

这就好比 package.json ，它是整个 Skill 的入口。

SKILL.md 的内容结构非常固定，分为两部分：YAML 头部 和 Markdown 主体。

我们直接来看一个 demo，假设我们要把刚才提到的“简历优化流程”写成代码：

---
name: resume-polisher
description: 专门用于程序员简历优化。分析用户提供的原始简历内容，提炼技术亮点，并按照 STAR 法则生成专业的简历描述。
---

# 简历优化专家 (Resume Polisher)

## 指令 (Instructions)

你是一位拥有 10 年经验的技术招聘专家。当用户提供简历内容或技术经历时，请按以下步骤执行：

1.  **亮点挖掘**：分析用户描述，识别其中的高价值技术点（如性能优化、架构设计）。
2.  **去伪存真**：剔除毫无价值的描述（如“负责日常开发”、“修复 bug”）。
3.  **STAR 重构**：将保留的亮点，严格按照 STAR 法则（情境、任务、行动、结果）重写。
4.  **数据量化**：强制要求用户补充量化数据（如“提升了 50% 的加载速度”），如果没有，请标注为【待补充数据】。

## 示例 (Examples)

**用户输入**：
“我在公司里做了一个长列表优化，用了虚拟滚动，效果挺好的。”

**你的输出**：
- **项目背景**：在处理海量数据展示场景下，传统列表渲染导致页面卡顿（FPS 低于 30）。
- **解决方案**：引入虚拟滚动技术，只渲染可视区域内的 DOM 节点，并配合节流函数处理滚动事件。
- **最终结果**：首屏加载速度提升 40%，长列表滑动帧率稳定在 60FPS，内存占用减少 60%。

看到这里，大家应该就懂了。所谓的构建 Skill，其实就是：

1. YAML 头部：相当于给这个 Skill 定义身份。

• name：技能的名字。
• description：最关键的字段！ 它是给 AI 系统看的，告诉系统“我是干嘛的，什么时候该调我”。注意：这里一定要用第三人称描述（比如“用于处理…”，而不要写“我可以帮你…”）。

2. Markdown 主体：相当于具体的“SOP 手册”。

• Instructions：具体的执行步骤，越详细越好。
• Examples：给 AI 一个样板间，让它照葫芦画瓢。

当然，除了 SKILL.md，你还可以在这个文件夹里放各种脚本、参考文档、甚至 JSON 数据。Agent 在执行任务时，会根据需要自己去读取这些文件。

自动的 Skills 构建

虽然独立构建一个 Skills 并不复杂，但是很多之前没有接触过 Skills 的同学依然会觉得这玩意挺难的。

不过 没事！Claude 帮咱们想到了这一层。Claude 对外开源了多套 Skills，可以让我们直接拿过来用，对应的 Github 仓库叫做 skills

图片

这个仓库里面有一个 skills 的文件夹，里面存放了 Anthropic 团队为 Claude Code 编写的各种官方 skill。

图片

给大家用大致翻译了一下：

图片

这里面不有一个必须要拿出来单独讲的，就是上图中最后一个 skill skill-creator。他的作用就是帮助我们直接创建属于自己的 skill 的

使用起来也非常简单。

大家可以直接把仓库的代码下载到本地，然后像我这样，直接通过 Claude 按安装这个 skill 整个过程全部使用自然语言就可以

图片

安装成功之后，就可以直接跟 claude 说：“帮我创建一个新的 skill”

图片

后续的整个过程都完全使用自然语言对话的方式进行即可。

怎么让 Skills 跑起来

Skill 创建好了，不管是手写的还是自动生成的，现在你都已经有了一个自己的 skill 了。那么我们要怎么让 AI 识别并使用它呢？

这就涉及到 配置 的问题了。

对于 Claude Code 来说，它需要知道去哪里“读取”这些技能。通常我们有两种方式来配置：

1. 全局配置（推荐）

默认情况下，安装好的 skill 会被放到 ~/.claude-code/skills（苹果电脑） 下

图片

这样的 skill 相当于是全局配置的。可以在 Claude code 中直接使用。

2. 项目级配置

如果你开发的 Skill 只是针对当前项目的（比如当前项目的自动化测试脚本），你可以直接把 skill-name 文件夹放在项目根目录的 .claude/skills 下。相当于单独使用

当配置完成之后，怎么触发 skills 呢？

其实很简单。

你 不需要 显式地输入类似 /run skill-creator 这样的命令。

还记得我们在 SKILL.md 里写的 description 吗？

description: 专门用于创建 skill 的 skill

当你对 Claude 说：“创建一个新的 skill” 时，Claude 的“中枢大脑”会快速扫描所有已安装 Skill 的 description，然后瞬间判断出：“哦！这个问题归 skill-creator 管！”

图片

于是，它会自动加载这个 Skill 的上下文，按照你制定的 SOP，一步步完成任务。

这就是 Skills 最迷人的地方： 用户无感，但能力却被无限扩展了。

总结

到这里，Sunday 相信大家已经彻底搞懂了 Skills 到底是个什么东西。

回顾一下，其实它并没有那么神秘：

1. 本质：它不是什么黑科技，它就是 Prompt + 知识库 + 执行脚本 的结构化封装。
2. 核心：它的核心在于 SOP（标准作业流程）。你把 expert（专家）的经验变成了流程，AI 就能表现得像个专家。
3. 未来：随着 AI 能力的进化，未来的编程模式可能会从 “写代码” 变成 “写 Skills”。我们不再是写具体的逻辑，而是去定义一个个 AI 的工作流。

就像 Vue Skills 的出现一样，未来或许每个人、每个框架、每个公司，都会维护一套属于自己的 Skills 库。