Skills 到底是什么
用一个最直白的比喻：把 Claude Code 想象成一个刚入职的实习生。
你每次跟他说"帮我写一封邮件"、"帮我改一下这段文案"，他都能做。但明天你再找他，得重新交代一遍。这就是 Prompt——一次性的口头指令，关掉对话就没了。
Skills 是你给这个实习生写了一本 SOP 手册。不是一张几十页的 Word 文档，更像一个文件夹，里面放着操作规范、工具脚本、参考模板。实习生接到任务后自己翻手册、自己跑流程、交结果。
核心区别一句话讲完：
- Prompt 解决的是"这一次怎么做"
- Skills 解决的是"以后每一次都怎么做"
顺便把 MCP 也说清楚。如果 Prompt 是口头交代任务，Skills 是给实习生一本手册，那 MCP 就是给实习生发了一张公司门禁卡——让 AI 能连接外部系统、调用外部能力。没有这张卡，实习生再聪明也进不了仓库、打不开数据库。
一个真实案例：选题流程从 3 小时变成 5 分钟
我见过一个做自媒体的团队，每天找选题要花 2 到 3 个小时。刷推特、Reddit、GitHub、微博、知乎、小红书、B站，从海量信息里筛热点，再琢磨切入角度和标题。
后来他们用 Skills 搭了一套自动化选题系统：
- 第一个 Skill 负责采集——自动从十几个平台抓取当日热点
- 第二个 Skill 负责生成——根据团队自己总结的选题方法论，筛选出 TOP10 选题，每个包含事件描述、核心角度和标题建议
- 第三个 Skill 负责审核——按内部标准逐条检查选题质量，不通过的自动打回修改意见，让生成 Skill 重新改，改完再审，反复迭代直到通过
现在每天只需要说一句"开始今日选题生成"，整个流程全自动跑完。2 到 3 小时的活变成了 5 分钟扫一眼结果。
这个案例最关键的点在于：他们不是每天跟 AI 聊天来找选题，而是搭了一套流程，AI 按流程自动执行。
Skills 的结构其实极其简单
很多人一听到 Skills 第一反应是"又要写代码了吧"。不用。
Skills 的核心就是一个 Markdown 文件。一个标准的 Skill 文件夹里，唯一必需的只有一个文件：SKILL.md，其他脚本、模板、参考资料都是可选的。
SKILL.md 本身只有两个部分：
- 名片信息：告诉 Agent 这个 Skill 叫什么、什么时候该调用它。相当于手册封面上写的"适用范围"
- 正文：操作流程、判断标准、输出格式、注意事项。就是手册里面的具体内容
举个例子，假设你每天要整理邮件生成摘要，Skill 可以这样写：
- 名片部分："当用户要求整理邮件或生成邮件摘要时，调用此技能"
- 正文部分："第一步，读取收件箱最近 24 小时的邮件。第二步，按紧急程度分为三类。第三步，每封邮件生成一句话摘要。第四步，输出格式为……"
这里面有一个设计思想特别值得说——渐进式披露。Skills 不会一股脑把所有内容塞给 AI，而是先只给 Agent 看"封面"（名片信息），让它知道有这么一本手册。只有当 Agent 判断当前任务确实需要时，才会把完整内容读进来。需要更多参考资料，再去翻文件夹里的其他文件。
这个设计非常聪明，因为 AI 的上下文窗口是有限的。对话越长、塞的东西越多，模型表现越差，这基本是业界共识。Skills 的设计本质上是用最经济的方式，在最需要的时刻，把最精确的信息喂给 AI。
怎么上手：四步搞定你的第一个 Skill
第一步，想清楚你要固化什么动作。
问自己：每周做得最多的、最重复的、最不需要创造力的事情是什么？每天整理客户消息？每周写工作汇报？每天从十几个信息源筛选行业动态？每次发文章都要改好几遍格式？
列出来，排在最前面的那一两个就是你第一个 Skill 的原材料。记住一点：第一个 Skill 一定要小。别上来就想搞全自动运营系统，先搞一个"自动帮我把 5 条信息源整理成一份早报"的小 Skill，跑通了再迭代。
第二步，安装 skill-creator。
这是 Anthropic 官方提供的 Skill，作用是帮你生成其他 Skill——用 Skill 来生成 Skill。打开 Claude Code 或兼容工具（Cursor 等），发送一句话：
安装这个skill，地址为：https://github.com/anthropics/skills/tree/main/skills/skill-creator
官方还有几个推荐安装的 Skill：docx（处理 Word 文档）、xlsx（处理 Excel 表格）、pdf（处理 PDF 文件）、frontend-design（前端设计），基本覆盖日常高频需求。
第三步，用自然语言描述你要的流程。
装完 skill-creator 之后，直接用大白话描述。比如：
"我想做一个 Skill，每天自动从微博热搜和知乎热榜抓取排名前 20 的话题，按科技、财经、社会三个类别分类，每条生成一句话摘要，最后整理成一份 Markdown 格式的每日简报。"
skill-creator 会自动生成完整的 Skill 文件，包括名片信息、执行步骤、输出格式。检查一下，没问题就保存。
第四步，放到全局目录。
建议直接放在全局目录，这样无论在哪个项目下打开工具都能识别到：
~/.claude/skills
放进去之后，对话里说出需求，AI 会自动判断该调用哪个 Skill。
为什么说 Skills 才是真正的分水岭
我观察下来，当下用 Claude Code 的人正在快速分化成两类：一类把它当高级 ChatGPT，玩几天新鲜劲过了就丢了；另一类开始用 Skills 搭建自己的工作流，效率越来越高。
这两类人之间的差距会越拉越大，因为 Skills 的价值在于复用。今天花 2 小时搭好一个 Skill，未来每天省 30 分钟。一个月省下 15 个小时，一年就是 180 个小时。而且随着 Skill 越写越精细、经验数据越积越厚，你的 AI 会越来越懂你的工作方式。这是一个正循环——用得越多越好用，越好用用得越多。
还有一点很多人没意识到：写 Skill 的过程本身就是一次思维升级。你写一个选题审核的 Skill，其实是把多年的选题判断标准固化成可执行的规则；你写一个客户邮件回复的 Skill，其实是把积累的沟通话术封装成自动流程。当你试图把一个"每天凭感觉做的事情"写成 Skill 时，你不得不想清楚每一步的逻辑、每一个判断的标准。这件事的价值，可能比 Skill 本身还大。
2023 年大家卷 Prompt 模板，2026 年这股热潮正在 Skills 上重演。但这一次有本质不同：Prompt 的天花板很低，本质就是一段文本指令；Skills 的天花板几乎没有，因为它可以包含脚本、调用工具、串联多步骤、形成复杂工作流。从"说一句话"到"建一套系统"的跨越，才是 AI 真正开始改变工作方式的临界点。
装完 Claude Code 只是入场，用上 Skills 才是开始干活。今天就可以做一件事：把 skill-creator 装上，把你最常做的一个重复性动作写成 Skill，让它跑起来。当它自动帮你完成任务的那一刻，你就会理解什么叫从"会聊天"到"会干活"。