第一层：函数——代码级的基础单元

编程中的函数是最基本的逻辑封装。给定输入，返回输出，每次按固定流程执行。例如一个 calculate_tax(income) 函数，输入收入金额，输出应缴税额，随时可重复调用。

函数的核心价值是三个字：封装、重用、标准化。

但函数有一个根本局限——它只活在代码世界里。程序员写 getWeather()，代码会 100% 执行。但普通人不写代码，AI 也无法直接运行这些函数。

第二层：函数调用——接口级的桥梁

2023 年前后，函数调用（Function Calling）成为 LLM 应用的核心能力。本质上，它给 AI 配了一部电话和一本通讯录。

工作机制如下：开发者预先注册一组函数（如 get_weather），告诉 AI 每个函数的用途和参数格式。当用户提问「今天北京天气怎么样」时，AI 自主判断需要调用天气函数，生成一段标准 JSON：

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

外部程序接收这段 JSON，执行实际的 API 调用，将结果返回给 AI，AI 再用自然语言回复用户。

这里有一个关键区别：传统函数调用是确定性的，而 LLM 的函数调用是概率性的。AI 基于语义理解来判断是否调用、调用哪个函数，存在误判的可能。

函数调用让 AI 从「知识库」进化为「行动者」，但它仍然是零散的、一次性的。面对需要连续调用多个函数、包含逻辑判断、还需参考文档的复杂任务，单次函数调用力不从心。

第三层：Claude Skills——工作流级的蓝图

2025 年 10 月，Anthropic 发布 Claude Skills。它是「员工手册」+「工具箱」的组合，将零散的工具和指令整合成完整的工作流方案。

一个 Skill 本质上是一个文件夹，包含三个核心组件：

  • SKILL.md 文件：用自然语言编写的指令，定义 Skill 的用途、触发条件、执行步骤和注意事项
  • 脚本：Python、JavaScript 等可执行代码，AI 需要「动手」时调用
  • 资源文件：参考文档、模板、配置文件等辅助材料

Skills 与函数调用的本质区别：函数调用是「单个工具」，Skills 是「整套解决方案」。函数调用像是给你一把锤子、一把螺丝刀，你得自己决定何时用哪个；Skills 像是一本宜家组装说明书，步骤、工具、零件全部配齐。

Skills 还引入了渐进式披露机制。AI 的上下文窗口有限，不可能一次性加载所有 Skills 内容。解决方案是：平时只告知 AI 有哪些 Skills 可用，真正需要时再加载具体内容，类似按需查阅而非全文背诵。

三层架构总结

层级 抽象级别 特点
函数 代码级 确定性执行，程序员编写
函数调用 接口级 概率性判断，AI 自主决策是否调用
Skills 工作流级 完整方案，含指令、工具和知识

Skills 可以包含函数调用，但函数调用只是 Skills 的一部分。就像一本菜谱不只是「切菜」「炒菜」几个动作的罗列，还包括火候判断、异常处理等经验知识。

实战案例

Markdown 发布自动化：将 Markdown 文章发布到 X Articles 时，复制粘贴会丢失所有格式。一个 Skill 可以自动解析 Markdown、转换为富文本 HTML、通过 Playwright 浏览器自动化精准插入图片到正确位置。原本 20-30 分钟的手动操作，几分钟全自动完成。

关键在于，这不只是一个自动化脚本。Skill 把「什么时候用」「怎么用」都编码进了指令，用户只需说一句「把这篇文章发布」，AI 就能完成全部操作。这就是知识编码的价值——把「我知道怎么做」变成「AI 也知道怎么做」。

其他典型场景：

  • 会议管理：自动从会议记录提取摘要、决策和行动项，起草跟进邮件
  • 数据分析：输入 CSV 文件，自动识别关键指标、异常值，生成图文报告
  • 客户支持：从知识库检索答案，组织成人性化的回复
  • 自动调研与可视化：分析材料后自动绘制结构图，如人物关系图、历史事件互动图

这些场景的共同特点：重复性高、步骤固定、但需要一定判断力。

如何上手

使用现成的 Skills：通过 Claude Code 的插件市场安装。默认有 Claude 官方市场，也可以添加第三方市场（如活水智能的 42plugin 市场，提供评级评分参考）。使用 /plugin 命令管理插件的添加和安装。

创建自己的 Skills：可以使用 skill-creator 这个「元技能」——它是用来创建 Skill 的 Skill。通过对话描述你的工作流，它会生成完整的项目框架。

进阶玩法：将 Claude Skills 与外部工具连接，例如用 NotebookLM 作为知识库，结合其检索和知识验证能力与 AI 的创意生成能力。

最重要的一点：创建 Skill 不一定需要会写代码。SKILL.md 里的指令是自然语言编写的，如果工作流不涉及复杂脚本，纯自然语言指令就能完成很多事情。

生态趋势

2026 年 1 月，Claude Code 发布重大更新：Skills 支持隔离上下文、热重载、指定模型、子代理调用，Plugin Marketplace 正式上线。Anthropic 还将 Agent Skills 规范作为开放标准发布，延续了 MCP（Model Context Protocol）的开放生态路线。

这标志着 AI 行业的焦点正在从「模型更新」转向「用例落地」——不再只比谁的模型更聪明，而是比谁能把 AI 用得更好。Skills 是这场转变的核心载体，它让 AI 从「应答者」变成了「协作者」。

对于独立开发者和一人公司而言，掌握这三层架构的实际意义在于：你不需要等着别人开发工具，而是可以把自己的领域专业知识直接封装成 AI 可执行的工作流，构建出真正属于自己的自动化能力。