AGENT

代理技能开发详细指南

通过精心制作的技能将您的编码代理 OpenCode、Claude Code、Codex 和更多从通用 AI 转变为领域专家，将您的专业知识打包成可发现、自主的能力。为什么技能很重要

admin

Feb 2, 2026 • 35 min read

您是否曾希望能够教您的编码代理团队的特定工作流程？或者给它关于公司工具和流程的即时专业知识？这正是 Claude Code Skills 所做的。

现在，不仅是 Claude Code，还有 Codex、Github Copilot 和 OpenCode 都宣布支持 Agentic Skills。甚至还有一个 Agent 技能市场，通过通用安装器支持 Gemini、Aidr、Qwen Code、Kimi K2 Code、Cursor（14+ 个，还在增加）以及更多具有 Agent 技能支持的工具。在本指南中，我将交替使用 Claude 和编码代理这个词，就像有人可能会说"帮我复印这份文件"而不是"帮我复制这份文件"。（在我的工作流程中，我倾向于使用 Claude Code、OpenCode 和 Gemini CLI。）

将技能视为优秀新员工的入职文档。它们包含 Claude 需要像资深团队成员一样工作的程序性知识和组织上下文。区别是什么？技能是模块化的、可发现的，并且仅在需要时加载，保持 Claude 的上下文窗口专注于重要内容。

本指南向您展示如何编写 Claude 可以成功发现和使用的技能。您将从核心原则学习到高级模式，所有这些都来自 Anthropic 的官方最佳实践。

到本指南结束时，您将知道如何：

编写简洁、有效的技能，尊重上下文窗口
使用经过验证的命名和组织模式构建技能
应用渐进式披露来管理复杂性，而不让 Claude 感到不知所措
设计工作流程，为质量关键任务包含反馈循环
使用评估驱动的开发进行测试和迭代
打包可执行代码，解决问题而不是创建问题

准备好让 Claude 成为团队的秘密武器了吗？让我们从技能的实际工作原理开始。

1、了解技能如何工作

在编写您的第一个技能之前，您需要了解 Claude 的三级加载系统。这个架构是技能力量的秘密。它保持您的上下文窗口精简，同时让 Claude 能够访问大量专业知识。

1.1 渐进式披露架构

技能不会一次性将所有内容都倒入 Claude 的上下文中。相反，它们使用巧妙的三阶段加载系统。这个巧妙的加载系统允许 Claude Code 使用 Agent 搜索。

显示渐进式披露三个层的图表：元数据、技能指令和参考文件

1.2 Agent 技能加载的两个阶段

渐进式披露架构在两个不同的阶段中运行：

阶段 1：发现（始终激活）

启动时，Claude 仅从所有可用技能中加载元数据。这包括 YAML 前置内容中的 name 和 description。这个轻量级索引（每个技能约 50-100 个 token）允许 Claude 快速扫描和识别相关技能，而不会消耗大量上下文。

阶段 2：深度加载（按需）

当用户请求与技能的描述匹配时，Claude 加载完整的 SKILL.md 内容和任何其他引用的文件。这是渐进发生的——Claude 仅在需要时读取文件，保持上下文窗口专注于相关信息。

这种两阶段方法使技能可扩展。您可以拥有几十个可用技能，而不会使上下文窗口膨胀，因为只有相关的技能在需要时才会完全加载。

阶段 1：启动 — 只有元数据（名称和描述）加载到系统提示中。这意味着您可以拥有几十个可用技能，而不会消耗上下文 token。

阶段 2–3：按需加载 — 当用户请求匹配时，更深层级会渐进式加载。只有第 1 级（元数据）始终被加载。其他所有内容？在 Claude 需要之前为零 token。

这意味着您可以将大量专业知识捆绑到一个技能中，包括 API 参考、详细示例和整个脚本，而不会使 Claude 的上下文膨胀。当 Claude 探索您的技能结构时，系统会按需加载文件。

**关键见解：**您可以包含的上下文量实际上是无限的。只有当 Claude 实际读取文件时，文件才会消耗 token。

2、三种类型的技能：个人、项目和插件

您放置技能的位置决定了它的范围和共享模型：

个人技能（~/.claude/skills/、~/.codex/skills、~/.config/opencode/skill）是您的私人工具包。它们非常适合您独有的工作流程或您正在测试的实验性技能。

项目技能（.claude/skills/、.codex/skills、.opencode/skill、.github/copilot/skills）被检入 git 并与您的团队共享。这些捕获每个人都受益的组织知识。

插件技能随 MCP 插件一起提供，提供在您启用插件时激活的特定工具专业知识。

Claude Code 和 OpenAI Codex 还支持在项目目录上方的目录中拥有项目级技能。Codex 还提供了几个更多的地方来安装技能以供企业级使用。

无论类型如何，所有技能都遵循相同的核心结构：一个带有可选支持材料的 SKILL.md 文件。加载架构保持不变。

以下内容基于 Anthropic 的创建技能最佳实践指南，我强烈建议您查看。

我非常喜欢 Anthropic 的最佳实践指南，以至于我创建了一个技能来评估和改进我的技能。

只是为了向您展示我最初的评分：

然后在使用指南并修复我的技能之后：

让我们来看看指南中的一些关键思想。

3、核心原则

3.1 简洁为王

这里有一个令人不安的真相：您的技能正在为编码代理上下文窗口中的空间而战。您添加的每个 token 都与系统提示、对话历史、其他技能的元数据、项目特定指令和用户的实际请求竞争。

黄金法则： 假设您的编码代理已经非常聪明。只添加您的编码代理没有的上下文。

在写一段话之前，问问自己：我的编码代理真的需要这个解释吗？我可以假设编码代理已经知道这个了吗？这一段话是否证明了其 50-100 个 token 成本的合理性？

比较这些示例：

好的说明（50 个 token）：

## 提取 PDF 文本
使用 pdfplumber 进行文本提取：

import pdfplumber
with pdfplumber.open("file.pdf") as pdf:
    text = pdf.pages[0].extract_text()

简洁的版本直奔主题。它假设 Claude 知道 PDF 是什么，理解库，并且可以弄清楚如何安装。相信 Claude 的智能。与这个版本相比：

坏的说明（150 个 token）：

## 提取 PDF 文本
PDF（便携式文档格式）文件是一种常见的文件格式，包含
文本、图像和其他内容。要从 PDF 中提取文本，您需要
使用库。有许多可用于 PDF 处理的库，但我们
推荐 pdfplumber，因为它易于使用并且能很好地处理大多数情况。
首先，您需要使用 pip 安装它。然后您可以使用下面的代码...

简洁的版本直奔主题。它假设您的编码代理（Claude Code、OpenCode、GitHub Copilot 等）知道 PDF 是什么，理解库，并且可以弄清楚如何安装。相信您的编码代理的智能。

3.2 设置适当的自由度

并非所有任务都需要相同级别的规定。关键问题是：这个操作有多脆弱？

将您的指令具体性与任务的容错性相匹配：

低自由度 — 对于必须遵循确切序列的脆弱、容易出错的操作。使用特定脚本，很少/没有参数，确切的命令。示例：数据库迁移。
中等自由度 — 对于具有首选模式但可以接受一些变化的任务。使用伪代码或带有可配置参数的模板。示例：报告生成。
高自由度 — 对于存在多种有效方法的任务。使用基于文本的指令和启发式方法来指导方法。示例：代码审查。

就像过桥一样想：两侧都有悬崖的狭窄桥梁需要特定的护栏（低自由度）。没有危险的宽阔开阔田野允许多条成功路径（高自由度）。穿过树林的标记路径：存在首选路径，但绕道不会造成问题；这提供模板但允许自定义（中等自由度）。

数据库迁移？用确切的脚本锁定它。代码审查？给您的编码代理思考空间。报告生成？提供模板但让您的编码代理适应数据。

3.3 使用您计划使用的所有模型进行测试

与 Opus 或 Gemini 3 Pro 完美配合的技能可能会让 Haiku 或 Gemini Flash Light 感到困惑。不同的模型具有不同的推理能力。跨模型测试以找到最佳点。您的技能应该足够简洁以适合 Opus 用户，但对于 Haiku 用户来说足够详细。如果您针对更高的思维模型，如 Opus 或 Gemini 3 Pro，只需说明即可。如果您计划与 Haiku 一起使用技能，您应该用 Haiku 测试它。

4、技能结构

4.1 YAML 前置内容：发现机制

每个 SKILL.md 文件都以包含两个必需字段的 YAML 前置内容开头：name 和 description。这个元数据总是被加载（渐进式披露系统中的第 1 级）。这是您的编码代理发现哪些技能与用户请求相关的方式。

---
name: your-skill-name
description: Brief description of what this Skill does and when to use it
---

字段要求：

name：最多 64 个字符，仅小写字母/数字/连字符，没有保留词（如 "anthropic" 或 "claude"）
description：最多 1024 个字符，非空，描述技能做什么以及何时使用

4.2 命名约定：使用动名词形式

使用动名词形式（动词 + -ing）以保持清晰和一致：processing-pdfs、analyzing-spreadsheets、managing-databases、testing-code、generating-reports。您会看到很多旧技能，包括 Anthropic 的原始技能都不使用这种形式，但现在在 Anthropic 发布了最佳实践指南之后，它们开始采用它。如果您认真对待技能开发，您应该阅读此指南。我们也在本文中介绍了一些最佳实践。

避免像 "helper" 或 "utils" 这样的模糊名称，像 "documents" 或 "files" 这样的通用名称，以及像 "pdf" 这样的歧义名称。

使用动名词形式（动词 + -ing）以保持清晰和一致：

推荐：

processing-pdfs
analyzing-spreadsheets
managing-databases
testing-code
generating-reports

4.3 编写启用发现的描述

描述是您技能的电梯演讲。您的编码代理阅读它以决定此技能是否与用户的请求匹配。

神奇公式：描述技能做什么以及何时使用它。始终使用第三人称编写，因为描述直接注入到系统提示中。

好的示例："从 PDF 文件中提取文本和表格，填充表单，合并文档。在使用 PDF 文件或当用户提及 PDF、表单或文档提取时使用。"

糟糕的示例："帮助处理文档"；这太模糊了，没有何时使用它的上下文。

很好的示例：

# PDF 处理
description: >
  从 PDF 文件中提取文本和表格，填充表单，合并文档。
  在使用 PDF 文件或当用户提及 PDF、表单或文档提取时使用。

# Excel 分析
description: >
  分析 Excel 电子表格，创建数据透视表，生成图表。
  在分析 Excel 文件、电子表格、表格数据或 .xlsx 文件时使用。

# Git 提交助手
description: >
  通过分析 git 差异生成描述性提交消息。
  当用户请求帮助编写提交消息或审查暂存更改时使用。

糟糕的示例：

description: Helps with documents  # 太模糊 - 什么样的帮助？
description: Processes data        # 没有何时使用的上下文
description: Does stuff with files # 完全没有帮助

4.4 目录结构：一层深

技能通过智能组织进行扩展。最好的技能不会将所有内容都倾倒到单个文件中。它们创建导航结构，让您的编码代理在需要时准确找到需要的内容。

将您的技能视为参考库。主 SKILL.md 文件是接待台。它提供方向并指向正确的部分。支持文件是详细信息所在的专门阅读室。

关键原则：保持一层深。Claude 应该永远不需要从 SKILL.md 跟随超过一个链接才能到达实际内容。这防止了导航开销并确保快速、可靠地访问信息。

保持您的技能文件结构扁平和可导航：

黄金法则：保持引用从 SKILL.md 起一层深。

为什么？编码代理通过跟随链接导航技能。深度嵌套（SKILL.md 到 advanced.md 到 details.md 到实际信息）会产生导航开销，并可能导致您的编码代理部分读取文件或完全错过内容。

好的结构：

my-skill/
├── SKILL.md          # 主入口点
├── reference/
│   ├── api.md        # 详细的 API 文档（从 SKILL.md 链接）
│   └── examples.md   # 使用示例（从 SKILL.md 链接）
└── scripts/
    ├── analyze.py    # 实用脚本
    └── validate.py   # 验证脚本

糟糕的结构：

您说得对！"糟糕的结构"示例应该更好地说明深度嵌套引用的反模式。这是一个改进版本，展示了有问题的链：

my-skill/
├── SKILL.md                    # 链接到 advanced.md
└── reference/
    └── advanced.md             # 链接到 details.md
        └── deep/
            └── details.md      # 链接到 actual-content.md
                └── nested/
                    └── actual-content.md  # 终于，信息！

这清楚地显示了多跳导航问题：SKILL.md → advanced.md → details.md → actual-content.md，这正是指南警告的模式。

5、渐进式披露模式

渐进式披露是仅在需要时揭示信息的艺术。您的 SKILL.md 充当地图，根据任务需要指向 Claude 详细材料。

5.1 模式 1：高级指南与参考

最常见的模式：在 SKILL.md 中提供快速入门，然后为高级场景链接到详细参考。

---
name: pdf-processing
description: Extracts text and tables from PDF files, fills forms, merges documents. Use when working with PDF files.
---

# PDF 处理

## 快速入门

使用 pdfplumber 提取文本：
```
import pdfplumber 
with pdfplumber.open("file.pdf") as pdf: 
  text = pdf.pages[0].extract_text()
```

## 高级功能

**表单填充**：查看 [FORMS.md](FORMS.md) 获取完整指南
**API 参考**：查看 [REFERENCE.md](REFERENCE.md) 获取所有方法
**示例**：查看 [EXAMPLES.md](EXAMPLES.md) 获取常见模式

为什么这有效：您的编码代理立即加载 SKILL.md（200-500 个 token）。如果用户只需要基本的文本提取，快速入门就足够了。如果他们需要表单填充，编码代理会按需读取 FORMS.md。

结果：您通过不为简单的文本提取任务加载表单填充文档，可能节省了数千个 token。

5.2 模式 2：领域特定组织

对于涵盖多个领域的技能，按主题组织文件以避免加载不相关的上下文：

bigquery-skill/
├── SKILL.md              # 概述和导航
└── reference/
    ├── finance.md        # 收入、计费指标
    ├── sales.md          # 机会、管道
    ├── product.md        # API 使用、功能
    └── marketing.md      # 活动、归因

SKILL.md 导航部分：

## 领域指南

**财务指标**：[finance.md](reference/finance.md) -
收入、计费、订阅
**销售数据**：[sales.md](reference/sales.md) -
机会、管道、预测
**产品分析**：[product.md](reference/product.md) -
使用、功能、采用
**营销活动**：[marketing.md](reference/marketing.md) -
归因、ROI

当用户询问"显示本季度的销售管道"时，编码代理只加载 sales.md。财务、产品和营销文档保持未加载状态，为实际分析节省 token。

5.3 模式 3：长文件的目录

如果参考文件超过 100 行，添加目录以帮助 Claude 导航：

# API 参考

## 目录
- [身份验证和设置](#authentication-and-setup)
- [核心方法](#core-methods) - 创建、读取、更新、删除
- [高级功能](#advanced-features) - 批量操作、webhook
- [错误处理](#error-handling) - 模式和恢复
- [代码示例](#code-examples)

## 身份验证和设置
...

## 核心方法
...

为什么这有帮助：您的编码代理可以扫描目录并直接跳转到相关部分，而不是线性地读取整个文件。这是 Agent 搜索的基础，它允许您的编码代理使用 GLOB 和 GREP 等工具快速导航文件，而不是读取其全部内容；从而节省宝贵的上下文窗口资源。

5.4 反模式：深度嵌套引用

避免创建多级导航链：

糟糕的：

# SKILL.md
查看 [advanced.md](advanced.md) 了解更多...

# advanced.md
查看 [details.md](details.md) 了解具体细节...
# details.md
终于，实际信息！

问题：Claude 在跟随链时可能会部分读取文件，消耗 token 而没有到达实际内容。更糟糕的是，深度嵌套可能导致 Claude 完全错过重要信息。

好的：

# SKILL.md
- **基本用法**：[下面的快速示例]
- **高级功能**：查看 [advanced.md](advanced.md)
- **API 参考**：查看 [reference.md](reference.md)
- **故障排除**：查看 [troubleshooting.md](troubleshooting.md)

所有重要文件距离 SKILL.md 一跳。

6、工作流程和反馈循环

工作流程：将复杂任务分解为步骤

复杂操作需要结构。使用清晰、顺序的工作流程和检查清单来指导 Claude 完成多步骤过程：

## PDF 表单填充工作流程

复制此检查清单并在完成项目时勾选：

```markdown
任务进度：
[ ]  步骤 1：分析表单（运行 analyze_form.py）
[ ]  步骤 2：创建字段映射（编辑 fields.json）
[ ]  步骤 3：验证映射（运行 validate_fields.py）
[ ]  步骤 4：填充表单（运行 fill_form.py）
[ ]  步骤 5：验证输出（运行 verify_output.py）
```

**步骤 1：分析表单**

运行分析脚本：
```bash
python scripts/analyze_form.py input.pdf
```

这会提取所有表单字段及其位置，输出到 `fields.json`。

**步骤 2：创建字段映射**

编辑 `fields.json` 为每个字段添加值。示例：

```json
{ "customer_name": "John Doe", "order_total": "1234.56" }
```


**步骤 3：验证映射**

在填充之前，验证映射是否正确：

**步骤 3：验证映射**

在填充之前，验证映射是否正确：
```bash
python scripts/validate_fields.py fields.json
```

在继续之前修复任何报告的错误。

...

为什么检查清单有效： 它们在用户和 Claude 之间创建共享状态。用户可以看到进度，Claude 可以跟踪完成情况，如果被打断，两者都可以恢复。

7、反馈循环：验证-修复-重复模式

对于质量关键操作，没有验证绝不继续。验证-修复-重复模式显著提高输出质量：

此图说明了反馈循环工作流程，这是质量关键操作的关键模式。工作流程显示了如何迭代地验证工作，而不是等到最后：

反馈循环更成功

流程：

开始任务 → 开始操作

步骤 1：执行操作 → 执行初始工作（例如，编辑 XML，生成代码，修改数据）
步骤 2：验证 → 立即检查输出是否正确
决策点 → 验证是否成功？
如果否（❌） → 进入步骤 3：修复问题，然后返回验证
如果是（✅） → 进入整体工作流程的下一步

关键原则： 验证 → 检查 → 修复 → 验证之间的循环持续直到验证通过。这防止使用损坏或不正确的工作继续。

为什么此模式有效：

立即捕获错误，当上下文新鲜时修复更容易
防止级联故障，确保每个步骤在继续之前都是正确的
显著减少调试时间，与"最后修复所有内容"的方法相比
建立信心，最终输出将是正确的

图表使用颜色编码来区分操作步骤（蓝色）、验证步骤（橙色）、决策点（金色）和修复步骤（粉色），使工作流程一目了然。

示例实现：

## 文档编辑流程

1. 对 `word/document.xml` 进行编辑
2. **立即验证**：
```bash
python scripts/validate.py unpacked_dir/
```
3. **如果验证失败**：
- 仔细查看错误消息
- 修复 XML 中的问题
- 再次运行验证
- **在验证通过之前不要继续**
4. 重建文档：
```bash
python scripts/pack.py unpacked_dir/ output.docx
```

为什么这有效： 在进行更改后立即捕获错误比在最后调试损坏文件要容易得多。验证提供即时反馈，将脆弱的过程转变为可靠的过程。

真实世界影响： 与"先编辑所有内容然后检查"的方法相比，使用反馈循环的团队报告的损坏输出减少了 70-90%。

8、常见模式

8.1 模板模式：提供输出结构

当输出格式很重要时，提供显示预期结构的模板。

对于严格要求（低自由度）：

## 文档修改流程

### 步骤 1：确定修改类型

问问自己：我是在创建新内容还是编辑现有内容？

**创建新内容？** 遵循创建工作流程
**编辑现有内容？** 遵循编辑工作流程

---

### 创建工作流程

从头开始构建文档时：

1. 使用 `docx-js` 库
2. 以编程方式构建文档
3. 以正确的顺序添加内容（样式优先，然后是内容）

示例：

```python
from docx import Document 
doc = Document() 
doc.add_heading('Report Title', 0) 
doc.add_paragraph('First paragraph') 
doc.save('report.docx')
```

---

### 编辑工作流程

修改现有文档时：

1. 将现有文档解压到目录
2. 直接修改 XML 文件
3. **每次更改后验证**使用 `validate.py`
4. 仅在验证通过时重新打包

```bash
python scripts/unpack.py document.docx unpacked/
# 对 unpacked/word/document.xml 进行编辑
python scripts/validate.py unpacked/ 
python scripts/pack.py unpacked/ modified.docx
```

"ALWAYS" 一词表示这是强制性的，而非可选的

对于灵活的指导（高自由度）：

## 报告结构

这是一个合理的默认格式，但根据您的发现进行调整：

```markdown
# [分析标题]

## 概述
[上下文和范围]

## 分析
[根据发现调整部分]

## 结论
[关键要点]
```

根据数据自然调整部分。

"根据...调整"这一短语表示灵活性。

8.2 示例模式：输入/输出对

对于质量很重要的任务，显示正确输出的具体示例：

## 提交消息格式

**示例 1：新功能**

输入：添加了具有 JWT 令牌的用户身份验证
输出：
```
feat(auth): 实现基于 JWT 的身份验证
添加具有令牌生成和验证中间件的登录端点。 包括令牌刷新逻辑和安全存储。

**示例 2：错误修复**

输入：修复了日期显示不正确的错误
输出：
```
fix(reports): 更正时区转换中的日期格式
```
在报告生成中一致地使用 UTC 时间戳。 以前使用本地时间，这会导致不同时区的用户出现差异。

为什么示例有效：它们向 Claude 展示了预期的质量水平和风格，而不需要规定性规则。Claude 从示例中学习模式。

8.3 条件工作流程模式：决策点

在存在多个路径时指导 Claude 穿过决策树：

## 文档修改流程

### 步骤 1：确定修改类型

问问自己：我是在创建新内容还是编辑现有内容？

**创建新内容？** 遵循创建工作流程
**编辑现有内容？** 遵循编辑工作流程

---

### 创建工作流程

从头开始构建文档时：

1. 使用 `docx-js` 库
2. 以编程方式构建文档
3. 以正确的顺序添加内容（样式优先，然后是内容）

示例：
```python
from docx import Document 
doc = Document() 
doc.add_heading('Report Title', 0) doc.add_paragraph('First paragraph') doc.save('report.docx')
```

---

### 编辑工作流程

修改现有文档时：

1. 将现有文档解压到目录
2. 直接修改 XML 文件
3. **每次更改后验证**使用 `validate.py`
4. 仅在验证通过时重新打包
```python
python scripts/unpack.py document.docx unpacked/
# 对 unpacked/word/document.xml 进行编辑
python scripts/validate.py unpacked/ 
python scripts/pack.py unpacked/ modified.docx
```

清晰的决策点（"我是创建还是编辑？"）帮助 Claude 选择正确的路径。

9、评估和迭代

8.1 从评估开始，而不是文档

这里有一个可以为您节省数小时的秘密：在编写大量文档之前构建评估。

为什么？因为评估揭示了 Claude 挣扎的地方，指导您只编写重要的文档。

评估驱动的工作流程：

识别差距：在没有技能的情况下让 Claude 处理真实任务。注意它在哪里挣扎、犯错或请求指导。

创建评估：构建 3-5 个捕获这些失败模式的测试场景。每个场景应该测试特定能力。
编写最小技能：创建一个简洁的 SKILL.md，针对记录的失败。抵制过度解释的冲动。
测试和迭代：运行您的评估。如果失败，完善技能。如果通过，您就完成了。

评估结构示例：

{
  "skills": ["pdf-processing"],
  "query": "Extract all text from this PDF and save to output.txt",
  "files": ["test-files/document.pdf"],
  "expected_behavior": [
    "Successfully reads the PDF file",
    "Extracts text from all pages (not just the first page)",
    "Saves to output.txt in readable UTF-8 format",
    "Handles multi-column layouts correctly"
  ]
}

为什么这有效： 评估为您提供客观的通过/失败标准。不再猜测您的技能是否"足够好"。要么通过测试，要么不通过。

10、用 Claude 迭代开发技能

想知道创建技能的最快方法吗？用Claude 构建它。

以下是过程：

手动完成任务：用 Claude 完成一项任务，提供所有必要的上下文和指导。
观察您反复解释的内容：记录您在类似任务中多次提供的信息。
要求 Claude 创建技能："创建一个捕获我们刚刚用于 [任务] 的模式的技能。专注于 [特定方面]。"
审查简洁性：Claude 的第一稿通常会过度解释。无情地删减，相信 Claude 的基础知识。
在新实例上测试：打开一个新的 Claude 对话（以清除上下文）并在类似任务上测试技能。
根据观察进行迭代：观察 Claude 在哪里挣扎或犯错，然后完善技能以解决这些特定问题。

真实示例： 一位开发人员在构建 BigQuery 技能时与 Claude 一起完成了 5 个财务查询，然后说："创建一个捕获我们财务指标查询方法的技能。"Claude 生成了初始技能，开发人员将其修剪到原始长度的 40%，在新查询上进行了测试，并且在不到一小时内拥有了生产就绪的技能。

11、观察 Claude 如何实用您的技能

一旦您有了技能，观察 Claude 如何使用它。您会发现改进机会：

意外的探索路径：如果 Claude 以令人惊讶的顺序读取文件，您的导航结构可能不直观。添加更清晰的标志。

错过的连接：如果 Claude 没有发现相关的参考文件，链接可能不够明显。使连接更加明确。

过度依赖某些部分：如果 Claude 总是读取某个特定部分，该内容可能属于主 SKILL.md 以便更快访问。

被忽略的内容：如果 Claude 从不读取参考文件，它要么是不必要的，要么信号很弱。要么删除它，要么改进其描述。

模式识别：使用 5-10 次后，您将看到 Claude 如何导航的模式。围绕这些模式优化您的结构。

12、高级：具有可执行代码的技能

12.1 在脚本中显式处理错误

脚本应该解决问题，而不是把它们推给 Claude 处理。

好的错误处理：

def process_file(path):
    """处理文件，如果不存在则使用默认值创建它。"""
    try:
        with open(path) as f:
            return f.read()
    except FileNotFoundError:
        print(f"文件 {path} 未找到，使用默认内容创建")
        with open(path, 'w') as f:
            f.write('# 默认配置\n')
        return '# 默认配置\n'
    except PermissionError:
        print(f"权限被拒绝用于 {path}。检查文件权限。")
        sys.exit(1)

糟糕的错误处理：

def process_file(path):
    # 只是失败并让 Claude 搞清楚
    return open(path).read()  # 用无用的错误崩溃

为什么显式处理很重要：当脚本因清晰、可操作的错误消息而失败时，Claude 通常可以自动解决问题。通用错误迫使 Claude 猜测。

12.2 提供实用脚本以节省 token

预制的脚本比让 Claude 按需生成代码有几个优势：

更可靠：提前测试和调试
节省 token：上下文窗口中没有代码
节省时间：不需要生成
确保一致性：每次都相同的方法


## 实用脚本

**analyze_form.py**：从 PDF 中提取所有表单字段
```bash
python scripts/analyze_form.py input.pdf > fields.json
```
输出：具有字段名称、类型和位置的 JSON 文件

**validate_boxes.py**：检查重叠的边界框
```bash
python scripts/validate_boxes.py fields.json
```
返回："OK" 或列出修复建议的冲突

真实世界影响： 一个构建文档处理技能的团队在用实用脚本替换生成的代码片段后，token 使用量减少了 40%。

12.3 创建可验证的中间输出

对于复杂的多步骤任务，使用计划-验证-执行模式：

分析以创建计划文件
验证计划以获得具体反馈
执行计划以执行操作
验证输出以确认成功

示例工作流程：

## 带验证的表单填充

1. 分析表单结构：
```bash
python scripts/analyze_form.py input.pdf > plan.json
```

2. **在继续之前验证计划**：
```bash
python scripts/validate_plan.py plan.json
```

修复任何报告的错误。常见问题：
- 缺少必填字段
- 重叠的边界框
- 无效的字段类型

3. 仅在验证通过时执行：
```bash
python scripts/fill_form.py plan.json input.pdf output.pdf
```

使验证具有具体的、可操作的错误消息：


糟糕的："验证失败"
好的："未找到字段 'signature_date'。可用字段：customer_name、order_total、delivery_address"

12.4 依赖项：列出和验证

始终明确指定所需的包：


## 要求

此技能需要以下包：
```bash
pip install pypdf pdfplumber pillow
```

**验证安装**：
```bash
python -c "import pdfplumber; print('pdfplumber:', pdfplumber.version)"
```

如果您看到版本输出，您就准备好了。

为什么验证很重要：安装可能会静默失败，特别是在虚拟环境中。快速验证步骤会在导致任务中途出现神秘错误之前捕获问题。

12.5 MCP 工具引用：使用完全限定名称

引用 MCP 工具时，始终使用完全限定格式：Plugin:tool_name

使用 `BigQuery:bigquery_schema` 工具检索表架构。
使用 `GitHub:create_issue` 工具创建问题。
使用 `Notion:create_page` 工具创建新页面。

为什么这很重要：像 "create_issue" 这样的通用名称可能指的是多个工具。限定名称消除了歧义。

13、内容指南

13.1 避免时间敏感信息

技能应该是永恒的。避免引用特定日期或变得过时的"当前"状态。

糟糕的：

如果您在 2025 年 8 月之前这样做，请使用旧 API。 
在 2025 年 8 月之后，请使用新 API。

好的：

## 当前方法

使用 v2 API 端点：
```python
response = requests.post("https://api.example.com/v2/messages")
```

## 旧模式
旧 v1 API（2025 年 8 月已弃用）

v1 API 使用不同的端点结构：
```python
response = requests.post("https://api.example.com/v1/messages")
```

为什么这有效：新用户立即看到当前方法。维护遗留代码的用户可以展开详细信息部分。不需要基于时间的逻辑。

13.2 在整个过程中使用一致的术语

为每个概念选择一个术语并坚持使用：

一致：始终"API 端点" | 不一致（令人困惑）：混合"API 端点"、"URL"、"路由"、"路径"
一致：始终"字段" | 不一致（令人困惑）：混合"字段"、"框"、"元素"、"控件"
一致：始终"提取" | 不一致（令人困惑）：混合"提取"、"拉"、"获取"、"检索"
一致：始终"验证" | 不一致（令人困惑）：混合"验证"、"检查"、"确认"、"测试"

为什么一致性很重要：每个新术语都迫使 Claude（和用户）确定它是同义词还是不同的概念。一致的术语减少了认知负荷。

13.3 避免提供太多选项

不要用选择压倒一切。推荐一种方法，然后仅在真正需要时提及替代方案。

糟糕的：

您可以使用 pypdf，或 pdfplumber，或 PyMuPDF，或 pdf2image，或 tabula-py... 每个都有优缺点。选择您喜欢的任何一个。

好的：

使用 pdfplumber 进行文本提取。它可靠地处理大多数 PDF：

```python
import pdfplumber
with pdfplumber.open("file.pdf") as pdf:
    text = pdf.pages[0].extract_text()
```

**对于扫描的 PDF（图像，不是文本），使用 pdf2image 和 pytesseract 进行 OCR：**
```python
from pdf2image import convert_from_path
from pytesseract import image_to_string
```

为什么单一推荐有效：它消除了决策瘫痪。Claude 可以专注于执行而不是评估权衡。如果推荐方法失败，Claude 可以探索替代方案。但大多数任务主要推荐都能成功。

14、有效技能的检查清单

在部署技能之前使用此检查清单：

核心质量：

[ ] 描述具体且包含触发关键词
[ ] 描述包括技能做什么以及何时使用它
[ ] SKILL.md 主体在 500 行以下
[ ] 其他详细信息在单独的参考文件中（不挤入 SKILL.md）
[ ] 没有时间敏感信息（没有"2025 年之前"的逻辑）
[ ] 在所有文件中术语一致
[ ] 文件引用是一层深的（没有嵌套链）
[ ] 适当地使用渐进式披露模式

代码和脚本：

[ ] 脚本显式处理错误并带有清晰消息
[ ] 没有"巫术常数"（所有硬编码值都有解释原因的注释）
[ ] 列出所需的包并带有安装命令
[ ] 所有文件路径使用正斜杠（跨平台兼容性）
[ ] 关键操作的验证/验证步骤
[ ] 脚本解决问题而不是把它们推给 Claude

测试：

[ ] 至少创建了三个评估，涵盖主要用例
[ ] 使用 Haiku、Sonnet 和 Opus 模型进行了测试
[ ] 在真实场景上测试（不仅仅是玩具示例）
[ ] 观察了 Claude 如何导航技能
[ ] 融入了团队反馈（对于项目技能）

15、快速参考：创建您的第一个技能

让我们创建一个生成提交消息的简单技能。

15.1 步骤 1：创建技能目录

# 个人技能（随处可用，对您私有）
mkdir -p ~/.claude/skills/generating-commit-messages

# 项目技能（仅此项目，通过 git 共享）
mkdir -p .claude/skills/generating-commit-messages

对于 Codex：

# 个人技能（随处可用，对您私有）
mkdir -p ~/.codex/skills/generating-commit-messages

# 项目技能（仅此项目，通过 git 共享）
mkdir -p .codex/skills/generating-commit-messages

对于 OpenCode：

# 个人技能（随处可用，对您私有）
mkdir -p ~/.config/opencode/skill/generating-commit-messages

# 项目技能（仅此项目，通过 git 共享）
mkdir -p .opencode/skill/generating-commit-messages

15.2 步骤 2：创建最小 SKILL.md

---
name: generating-commit-messages description: Generates clear commit messages by analyzing git diffs. Use when writing commit messages or reviewing staged changes.
---

# 生成提交消息

## 指令

1. 运行 `git diff --staged` 查看更改
2. 分析更改并建议提交消息，包括：
  - 摘要：50 个字符以下，现在时
  - 描述：更改了什么以及为什么
  - 受影响的组件：列出修改区域

## 格式
```
<type>(<scope>): <summary>
```

类型：feat、fix、docs、refactor、test、chore

## 最佳实践
- 使用现在时（"添加功能"而不是"添加了功能"）
- 解释什么和为什么，而不是如何
- 在相关时引用问题编号

15.3 步骤 3：测试它

打开一个新的编码代理对话并尝试："帮我为我的暂存更改编写提交消息。"

15.4 步骤 4：迭代

观察您的编码代理如何使用技能。根据有效的和无效的进行改进。

16、结束语

编写有效的 Agent 代码技能是关于平衡：

在简洁性和清晰性之间取得平衡：每个 token 都在竞争空间，但 Claude 需要足够的上下文来成功。

在规定和自由度之间取得平衡：将指令具体性与任务脆弱性相匹配。

在结构和灵活性之间取得平衡：组织以便于导航，但不要过度设计。

在测试和发布之间取得平衡：根据实际使用进行迭代，但不要让完美成为良好的敌人。

最好的技能感觉像来自专家的知识转移。它们捕获了程序智慧和将 Claude 从通用 AI 转变为您的领域中的领域专家的组织上下文。

从小开始：

首先构建评估（揭示 Claude 在哪里挣扎）

编写最少的文档（相信 Claude 的智能）
跨模型测试（Haiku、Sonnet、Opus）
根据观察进行迭代（观察 Claude 如何导航）

每次迭代都使您的技能更敏锐。您覆盖的每个用例都使 Claude 更有能力。您不仅在编写文档。您在编码专业知识。

您会先教您的编码代理什么？

原文链接：Mastering Agentic Skills: The Complete Guide to Building Effective Agent Skills

汇智网翻译整理，转载请标明出处