一个在Claude code环境下运作的agent定向增强方案。由anthropic提出,已经被openai接受,且可以用在codex中。除了在程序员群体中受到欢迎外,也因其灵活、强大、低门槛的特性,在非代码任务中有效应用。

一个在终端运行的agent,具备命令行交互能力,能够操作文件系统、执行脚本。

给上述agent增加能力的技能说明书,装载即习得

与传统编程中的增加能力对比
传统编程的增加能力,是通过 install -> import -> call 的方式完成的

agent增加能力的方式是:
Install
agent主动将skill的描述信息载入对话
根据用户输入的信息,agent决定选择skill执行

具体在一次任务中,skill是如何被运用的:
|
|
|---|
| 严谨 | 灵活 | |
|---|---|---|
| 开放 | skills | |
| 安全 | MCP |

一个skill通常是由几个文本文件构成的文件夹,只需要将文件夹移入
.claude/skills/ 路径下即可使用。

模板 |
举例以上是会被load进agent对话中的信息,提供工具列表具体的skill内容,以“创建skill”的skill为例 |
|---|
|
|---|
|
访问 claude.ai 并登陆
|
|---|
|
|
|---|
对于前端设计而言,有效的指导涵盖排版原则、色彩理论、动画模式和背景处理等各个方面。你需要从多个维度明确指出哪些默认设置应该避免,哪些替代方案应该优先选择。
你可以把所有这些都打包到一个系统提示符里,但这样一来,每个请求——调试 Python、分析数据、撰写邮件——都会带有前端设计上下文。问题就变成了:如何在不给无关任务带来永久性上下文开销的情况下,在需要时为 Claude 提供特定领域的指导?

saas
|
|
|---|
blog
|
|
|---|
dashboard
|
|
|---|
官方示例的skills,民间的skill hub
|
|
|---|
https://github.com/kepano/obsidian-skills


理解需求 & 保存Brief
创建标准化Brief文档(_briefs/项目名-商单brief.md)
明确写作目标、核心观点、受众群体等关键要素
信息搜索与知识管理 ⭐⭐
强制多渠道调研(官方文档/科技媒体/社区讨论)
建立时效性知识库(_knowledge_base/主题-时间.md)
标注信息源、收集时间及下次更新建议
选题讨论 ⭐⭐
提供3-4个完整选题方案(含标题/角度/工作量评估)
每个选题附带详细大纲(3-7个主标题+字数分配)
需人工确认方向后方可执行
创建协作文档
生成测试任务清单(统一Prompt/数据记录表)
制作配图需求清单(必需+可选配图标注)
输出时间成本预估与协作检查项
学习作者风格
解析历史文章库(2-3篇代表性作品)
提取语言特征:开头方式/结构偏好/金句风格
结合个人素材库(即刻动态/真实案例)
等待测试数据
暂停流程直至收到人工提供的实测数据
验证数据真实性(禁止使用模拟数据)
整合配图素材至指定目录
创作初稿
基于真实数据展开写作
保持”实践+落地”调性(具体案例>抽象论述)
自然融入作者个人视角与行业洞察
三遍审校 ⭐
内容审校:验证事实/逻辑/结构
风格审校:替换AI腔/增加口语化/加入态度
细节打磨:控制句长/段落/标点/朗读节奏
文章配图 ⭐⭐
智能分析配图需求(5-8张为佳)
按优先级获取素材:公共领域→AI生成→免费图库→截图
绝对路径插入Markdown并验证显示
流程设计精髓:
双重判断机制(工作区→任务类型)防止AI误判
强制调研+真实素材确保内容可信度
Think Aloud透明化协作提升可控性
审校三板斧将AI检测率降至30%以下
原文:https://mp.weixin.qq.com/s/XvFZtoybx_u_W8Os4eQdlQ
生成结果:https://space.coze.cn/share/7595912939719885106?share_id=7595916353115275530&secret=k8pRJkXF
https://x.com/Remotion
https://x.com/i/status/2013626968386765291
灵活:文件轻量,与代码逻辑解耦,不需要调用调试,存在即可用
强大:有命令行交互能力,能操作文件系统,等于能做任何事情
门槛低:基于md文本文件撰写,不需要代码工程能力
可以把skills看成自定义增强的manus,为你完成复杂问题,同时保持专业性
Claude code推出桌面端的Claude cowork

演示视频:https://youtu.be/UAmKyyZ-b9E
将书籍类等专业知识文档压缩成skill的探索。
传统AI专家(RAG):chunking -> embedding -> searching,缺点是颗粒度粗、匹配逻辑弱等。
技能AI专家(skills):把专业知识文档压缩成技能,让agent自主使用
具体实现方案:
|
|---|
https://developers.openai.com/codex/skills/
https://leehanchung.github.io/blogs/2025/10/26/claude-skills-deep-dive/
https://github.com/anthropics/skills
https://github.com/ComposioHQ/awesome-claude-skills
https://mp.weixin.qq.com/s/XvFZtoybx_u_W8Os4eQdlQ