Claude Skills 入门指南：AI 如何从聊天机器人进化为协作者

Claude Skills 入门指南：AI 如何从聊天机器人进化为协作者

人们不再仅仅是在比拼谁的模型更聪明，而是谁能更好地使用 AI。

你是否曾感觉新的 AI 术语变化比智能手机发布周期还快？

你昨天刚弄明白”Function Calling”是什么，今天”Skills”就冒出来了。前天有人提到了”MCP”，你还没来得及消化，明天又有人在谈论”Agent”。每次看到这些词，你的第一反应是：我又落后了吗？

别慌。今天我们要把”Claude Skills”这个概念拆解清楚。

更重要的是，我会解释它与你已经知道的概念——函数和函数调用——之间的关系。你会发现这些不是三个孤立的新术语，而是相互构建的步骤。一旦你理解了这三层，你就能判断任何新术语适合哪里。

起点

让我们从熟悉的东西开始：编程中的”函数”。

把函数想象成一个”小帮手”。你告诉它要做什么（给它一个输入），完成任务后，它告诉你结果（给你一个输出）。就像餐厅里的服务员：你点餐，他们上菜，每次都遵循相同的流程。

例如，程序员编写一个名为 calculate_tax(income) 的函数。你输入一个收入数字，它计算你欠多少税并返回结果。需要再次计算？只需再次调用它。无需每次都重写税收计算逻辑。

函数的价值归结为三个原则：封装、重用、标准化。

打包如何完成某件事，任何人以后都可以使用它，总是以相同的方式。这是程序员几十年来最基本的生产力工具。

但函数有一个限制——它们只存在于代码世界中。

当程序员在代码中编写 getWeather() 时，该函数将 100% 执行。但普通人不写代码，AI 也不直接”运行”这段代码。那么我们如何让 AI 使用这些”小帮手”呢？

搭建桥梁

2023 年，一个名为”Function Calling”（函数调用）的概念开始流行。

把它想象成给只能聊天的 AI 一部电话和一个联系人列表。

在此之前，当你问 AI”北京今天天气怎么样？”时，它要么根据训练数据编造一个答案，要么诚实地说”我不知道”。因为它实际上做不了任何事情——它无法在现实世界中采取行动。

有了函数调用，情况发生了变化。

开发者提前告诉 AI：”这里有一个联系人列表，其中有一个名为 get_weather 的函数。当你想查看天气时，拨打这个号码。”当 AI 收到”北京今天天气怎么样？”的问题时，它决定：”哦，我需要调用 get_weather 来回答这个问题。”

然后它生成一个标准化的”便条”（称为 JSON），内容如下：

    
    
    
  {
  "function": "get_weather",
  "arguments": {
    "city": "北京"
  }
}

这个便条被外部程序接收、解析和执行。真正打电话给气象局的是外部程序，而不是 AI 本身。执行后，结果返回给 AI，AI 用通俗的语言告诉你：”北京今天晴天，15 度。”

这里有一个初学者经常错过的关键转折。

传统函数是”确定性的”——当程序员在代码中编写 getWeather() 时，它 100% 执行。

但 LLM 函数调用是”概率性的”——当 AI 看到”今天天气怎么样？”时，它必须自己决定是否调用天气函数。这种判断基于理解，而不是规则。有一个小概率它可能判断错误，比如将”天气”解释为某人的名字。

所以函数调用的本质是：让 AI”打电话”，但是否打电话以及打给谁，它自己决定。

这是一个巨大的飞跃——AI 不再只是一个”知识库”，它正在成为一个”行动者”。

但函数调用有一个问题：它是分散的和一次性的。

你给 AI 十几个函数，但它每次只能选择一个来调用。如果一个任务需要按顺序调用五六个函数，中间还有逻辑决策，并且需要参考文档，函数调用就不够了。

飞跃

2025 年 10 月 16 日，Anthropic 发布了一个新功能：Claude Skills。

把 Skills 想象成员工手册和工具箱的组合。

员工手册告诉 AI：”当你遇到某种类型的任务时，这是要做什么、有多少步骤以及每个步骤使用什么工具。”工具箱包含它需要的脚本和参考材料。

具体来说，一个 Skill 是一个包含三样东西的文件夹：

首先，一个 SKILL.md 文件。这是”指令”，用自然语言编写。它告诉 AI：这个 Skill 做什么、何时使用它、如何使用它以及要注意什么。

其次，脚本。这些可以是用 Python、JavaScript 或其他语言编写的代码。当 AI 需要”采取行动”时，它会执行这些脚本。

第三，资源文件。例如参考文档、模板和配置文件。AI 可以在执行任务时查阅这些材料。

你可能会问：与函数调用的本质区别是什么？

区别在于：函数调用是”单个工具”，而 Skills 是”完整解决方案”。

这是一个类比。函数调用就像递给你一把锤子、一把螺丝刀和一把扳手——你必须知道何时使用哪个。Skills 就像给你一本”如何组装宜家书架”的手册，它不仅告诉你步骤，还包括所有必要的工具和零件。

还有一个重要的机制叫做”渐进式披露”。

AI 的”工作记忆”是有限的（技术上称为”上下文窗口”）。如果你一次性倾倒所有 Skills 内容，AI 会不堪重负。

Skills 的方法是：通常只告诉 AI”有这本手册可用”，AI 只在实际需要时才打开它。就像你不需要记住整本百科全书——只需在有问题时查找相关页面。

现在让我们一起看看所有三层：

从下往上看，抽象级别增加。函数是代码级的，函数调用是接口级的，Skills 是工作流级的。

Skills 可以包括函数调用，但函数调用只是 Skills 的一部分。

就像食谱不仅仅是”切菜”、”炒菜”和”装盘”等动作的列表——它还包括关于”为什么这样做”、”如何控制火候”和”如果烧焦了怎么办”的知识。

实践中

在所有这些理论之后，Skills 实际上可以做什么？让我们看一些真实案例。

首先，我自己的一个项目： x-article-publisher-skill。

如果你用 Markdown 写文章并想将它们发布到 X（Twitter）Articles，你会遇到一个令人抓狂的问题：复制粘贴后所有格式都丢失了。

标题变成纯文本，粗体变成纯文本，链接变成纯文本。你必须手动重新添加所有内容。仅修复一篇文章的格式就需要 15-20 分钟。

更糟糕的是图片。你必须手动上传每一张，然后将其拖到正确的位置。有十几张图片时，很容易弄乱顺序。

这个 Skill 如何解决它？

它首先解析你的 Markdown 文件，提取标题和封面图片，并为每个内容图片计算一个”block_index”——即图片应该出现在哪个段落之后。

然后它将 Markdown 转换为富文本 HTML，并通过剪贴板粘贴到 X 编辑器中。格式完美保留。

最后，它使用浏览器自动化（Playwright）精确地将每个图片插入到正确的位置。

以前需要 20-30 分钟手工完成的工作现在在几分钟内完全自动完成。除了节省时间，对于懒人来说，不必动手才是真正重要的。

你可能会说：这不就是一个自动化脚本吗？

是也不是。

使用普通的自动化脚本，你必须记住何时使用它、如何使用它以及如何填写参数。但 Skill 将”何时使用”和”如何使用”放入指令中。你只需告诉 AI”将这篇文章发布到 X”，它就知道调用这个 Skill 以及如何操作。

这就是”知识编码”的价值——将”我知道如何做”变成”AI 也知道如何做”。

让我们看看一些企业场景。

会议管理：一个 Skill 可以自动从会议笔记中提取摘要、决策和行动项，然后起草后续电子邮件。不再需要在会议后花半小时整理笔记。

数据分析：扔给它一个 CSV 文件，它会自动识别关键指标、发现异常并生成带插图的报告。非技术人员可以快速从数据中提取见解。

客户支持：它从公司知识库中检索准确的答案，然后将它们组织成人性化的回复。既准确又温暖。

这些场景有一个共同点：**它们都是高度重复的任务，具有固定的步骤但需要一些判断。**以前，你要么硬着头皮手动完成，要么花大钱开发专门的软件。现在，一个 Skill 就能处理它。

最后，开发者工具。

有一个叫 skill-creator 的 Skill 特别有趣——它是一个用于创建 Skills 的 Skill。

你与它聊天，描述你想实现什么工作流，它会为你生成一个完整的 Skill 项目框架。这就是所谓的”元技能”。

还有 webapp-testing，它可以根据测试用例自动操作浏览器，对 Web 应用程序执行功能测试，然后生成测试报告。部分前端测试过程是自动化的。

入门

在所有这些之后，你如何开始使用 Skills？

如果你想使用现有的 Skills，最简单的方法是通过 Claude Code 的插件市场。

默认自动安装只包括 Claude 的官方插件市场。

你还可以根据需要添加其他市场。这是一个例子：

    
    
    
  /plugin marketplace add anthropics/claude-code

安装后，你将拥有两个插件市场。

如你所见，/plugin 命令让你添加和管理插件。

这是我已经安装的一些插件。

安装后，你可以要求 Claude 使用某个 Skill 完成任务。例如：”使用 PDF Skill 从此文档中提取表格数据。”

如果你想创建自己的 Skills，可以使用 skill-creator 元技能。与它聊天，描述你的工作流，它会为你生成一个框架。

你可以编写 Claude Skills 来帮助你分析材料、进行自动化研究并绘制相应的结构图。

例如，这是一张《红楼梦》人物关系图。

下面是战国七雄之间的互动。

一种更高级的方法是使用 Claude Skills 连接优秀的外部工具，例如将 NotebookLM 作为知识库。这样你可以有机地将 NotebookLM 强大的搜索和知识验证能力与你自己的创造力和其他模型工具的功能相结合。

想看看其他人制作了什么 Skills？在 GitHub 上搜索 awesome-claude-skills，社区在那里策划了优秀的 Skills。

我个人推荐由火水智能（杨志平团队）创建的插件市场 42plugin。

它不仅整理了许多插件，而且还有相应的评级和分数，有助于避免陷阱。

最重要的一点：创建 Skills 不一定需要编码能力。

SKILL.md 中的指令是用自然语言编写的。如果你的工作流不涉及复杂的脚本，仅凭自然语言指令就可以完成很多事情。

总结

现在让我们回顾这三个步骤：

• • 编程函数是基础。它们提供最基本和可靠的逻辑执行单元。

• • LLM 函数调用是桥梁。它将 AI 从仅仅是”知识库”转变为可以”打电话”驱动外部世界的行动者。

• • Claude Skills 是蓝图。它将分散的工具和指令集成到完整的工作流中，使 AI 能够更可靠、更专业地完成复杂任务。

这三层正在融合。开发者继续编写高效的函数作为底层工具；通过函数调用向 AI 公开工具；然后使用 Skills 指导 AI 智能地使用这些工具。

真正的力量是：它让”领域专家”也能”教” AI。

你不需要成为程序员。你只需要清楚地了解你的工作流，就可以将这些知识打包成一个 Skill。你的专业知识不再只存在于你的脑海中——它成为 AI 可以调用的能力。

顺便说一下，就在我写这篇文章时（2026 年 1 月 8 日），Claude Code 发布了另一个重大更新。Skills 现在支持隔离上下文、热重载、指定模型、在子代理中使用……插件市场也正式推出。

Anthropic 还将 Agent Skills 规范作为开放标准发布——与他们对 MCP（模型上下文协议）采取的方法相同，遵循开放生态系统路线。

Gartner 分析师表示，这标志着 AI 市场的重点从”模型更新”转向”用例实施”。

用通俗的语言说：人们不再仅仅是在比拼谁的模型更聪明，而是谁能更好地使用 AI。

Skills 是这种转变的核心载体。它将 AI 从”响应者”转变为”协作者”。

下次有人向你抛出一个新的与 Agent 相关的术语时，问问自己：它在哪一层？它是代码级工具、接口级桥梁还是工作流级蓝图？

一旦你弄清楚了，新术语就不再可怕了。