Claude工程师600万浏览复盘： Skills的未来在于动态编排

最近一段时间，我一直在思考如何将业务方法封装成Skills。在我看来，Skills是让AI Agent从简单的聊天机器人迈向真正的数字化劳动力的底层基础设施。直到我读到Anthropic团队核心工程师关于Claude Code构建过程中使用Skills的复盘文章，才意识到自己对Skills的理解还过于浅薄。这篇浏览量高达600万的技术分享，为我们揭示了顶级AI团队是如何思考和运用Skills的。

核心要点回顾

当我们用AI处理长流程任务时，最头疼的问题往往是AI记不住上下文，或者做到一半就开始 hallucinate（虚构内容）。大部分人的解决方案是去写冗长的超级提示词，但Anthropic团队早已放弃了这种做法。 Skills的本质是一个文件夹，我们可以把它理解成AI的外脑工具箱。这个工具箱里不仅包含业务说明文档，还有历史数据、参考模板，甚至是可以自动执行的脚本代码。为什么要放进文件夹而不是直接写成提示词？核心在于四个字：按需读取（渐进式披露）。如果一次性把几万字的背景资料全塞进提示词里，AI很容易信息过载，这也是复杂分析经常翻车的原因。而把它装进工具箱后，遇到具体问题时AI就自己去抽取什么资料出来看，效率更高，也不容易出错。

二、顶级团队的三大AI协作心法

Anthropic内部已经运行着几百个高维Skills，原文中的开发技巧可以提炼为三个核心法则： 法则1：从喂语法到喂坑点 很多人做Skills时，总花很大篇幅去教AI基础常识或概念。但真正应该放进工具箱里的，是平时工作中积累下的踩坑记录（Gotchas）。以前我们写业务SOP、记录badcase，都是留给新人看的。现在，这些报错记录和业务技巧反而成了AI最好的养料。比如做产品Listing的Skills，不用教它怎么写出漂亮的长句，而是写清楚：上次用某某竞品的违禁词被下架了，千万别用；某个卖点的形容更建议用A词而不是B词。这个工具箱会因为坑踩得越多，用起来越顺手，它是活的商业记忆体。 法则2：让AI在专职角色中持续沉淀 刚接触AI的朋友经常希望在一个对话框里让AI把选品、分析、写优化全包了。但Anthropic内部把Skills具体分成了9大类：专门负责查错的测试员、负责代码发布的发布助手、甚至还有专写排期的小秘书。真正的AI工作流是分工明确、各司其职的流水线作业。一个复杂任务先由提取数据的角色处理，再交给内容质检的角色，最后让做版式包装的角色汇总。这种分工最大的好处

三、从单打独斗到动态编排

Skills的本质是AI的外脑工具箱，核心价值在于按需读取。三大开发心法包括：从喂语法到喂坑点、让AI在专职角色中持续沉淀、无条件信任但坚决设防。真正的竞争壁垒在于动态编排能力，让不同Skills互相调用协同作战。

四、写在最后

从解决问题开始学习AI，而不是追求完美的工具。

如有侵权，请联系删除。