Claude Skills 2026实战教程：让AI记住你的工作流，5分钟创建第一个技能

写在前面：如果你每次用 Claude 都要重新解释一遍"我们的代码风格是什么""发布前要走哪几步""报告要什么格式"，那你在反复浪费自己的时间。Claude Skills（技能）解决的就是这个问题：把你的专业知识、流程规范打包成一个文件夹，AI 需要时自动加载，不用你每次重复。Anthropic 于 2025 年 10 月 16 日正式推出 Agent Skills，2025 年 12 月 18 日宣布其成为跨平台开放标准——这意味着你写的技能不只 Claude 能用，其他支持该标准的 AI 编程工具也能用。本文讲清楚三件事：Skills 和 MCP / CLAUDE.md 到底什么区别、5 分钟创建并测试你的第一个技能、以及进阶用法（动态注入、子代理、自动评测）。

Claude Skills 是什么？和 MCP、CLAUDE.md 的区别

一句话定义：一个技能 = 一个文件夹 + 一个 SKILL.md 文件（可选附带脚本和资源文件）。SKILL.md 里写指令（Markdown 格式），开头用 YAML frontmatter 声明名字和描述。当你的任务和技能的描述匹配时，Claude 会自动读取并照着执行；你也可以用 /技能名 手动触发。

很多人会把三个概念搞混，先理清：

概念	本质	解决什么问题
Skills（技能）	指令包（SKILL.md + 脚本/资源）	教 AI"怎么做某类事"：流程、规范、领域知识。按需加载，不占上下文
CLAUDE.md	项目事实文件	告诉 AI"这个项目是什么"：技术栈、约定、背景。每次会话都加载，要短
MCP	工具协议	给 AI"手和眼睛"：连数据库、查 API、操作外部系统。Skills 里可以调用 MCP 工具，两者是配合关系

官方给的建议很直白：规则写进 CLAUDE.md，流程做成 Skills。判断标准——如果你发现自己反复往对话里粘贴同一段说明、同一份清单、同一个多步骤流程，或者 CLAUDE.md 里某段内容已经"长成了流程"而不是"事实"，那就把它做成技能。

另外两点容易误会：第一，技能不会自己部署应用，它只是让 AI 更会做某类事；第二，旧的 .claude/commands/xxx.md 自定义命令文件仍然有效，而且新格式和旧格式等价——官方已把自定义命令合并进了技能系统。

工作原理：按需加载，几乎不占上下文

Skills 的核心设计叫渐进式加载：

1. 启动时：Claude 只读取每个技能的名字和描述（几十个 token），扫描一遍可用技能列表。
2. 匹配时：你的任务命中某个技能的描述，Claude 才加载完整的 SKILL.md 正文。
3. 执行时：如果技能里带了脚本或参考文件，用到哪个才读哪个。

这就是为什么官方敢鼓励你写"4000 token 的长技能"——只要它没被触发，成本几乎为零。对比之下，如果把同样的内容塞进 CLAUDE.md，每次会话都要白白消耗这些 token。

Anthropic 官方技能（如处理 PDF、Word、Excel、PPT 的 document skills）就是这个思路的现成例子：你问"把这份 PDF 转成表格"，Claude 自动加载 PDF 技能，按里面的步骤和脚本处理，不需要你解释一遍怎么处理 PDF。

技能放在哪里：个人、项目、团队三档

保存位置决定技能在哪些会话里生效（路径来自 Claude Code 官方文档）：

范围	路径	生效范围
个人	~/.claude/skills/技能名/SKILL.md	本机所有项目（Windows 下即 %USERPROFILE%\.claude\skills\）
项目	.claude/skills/技能名/SKILL.md（提交到 git）	仅这个仓库的会话，提交后团队自动共享
企业	托管配置目录下的 .claude/skills/	组织统一部署的所有机器

几个实用细节：monorepo 场景下，从子目录启动时，Claude 会向上逐级读取直到仓库根目录的技能；技能文件夹可以用软链接指向磁盘其他位置（多处指向同一目标时只加载一次）；文件夹名别叫 synced，这个名字被 claude.ai 同步机制保留。插件里分发的技能则通过 /插件名:技能名 调用。

5分钟创建第一个技能（完整代码）

用官方文档的经典示例，做一个 summarize-changes 技能：自动总结 git 未提交的改动并标出风险点。

1. 建文件夹：在 ~/.claude/skills/summarize-changes/ 下（Windows 下是 %USERPROFILE%\.claude\skills\summarize-changes\）。
2. 写 SKILL.md：

注意 !`git diff HEAD` 这一行——它叫动态上下文注入（后面第 6 节详细讲），Claude 看到技能内容之前，会先执行这个命令并把输出内联进来。

3. 测试：打开任意 git 项目，随便改一行代码，运行 claude 启动。两种测试方式：
   • 自然触发：直接问"我改了什么？"——命中描述后 Claude 自动加载技能；
   • 手动触发：输入 /summarize-changes。
4. 看结果：Claude 应该输出简短总结 + 风险清单。到这里，你的第一个技能就跑通了。

不写代码的人怎么办？可以直接对 Claude 说"帮我创建一个技能：每次我让你写周报时，按【本周完成/数据/下周计划】三段式，语气简洁，每段不超过5条"，Claude 会交互式引导你生成 SKILL.md。或者装官方的 skill-creator 插件（第 7 节）让它全程代劳。

frontmatter 字段详解：控制谁在什么时候调用

frontmatter 写在 SKILL.md 最顶部，用两个 --- 包住（第一个 --- 必须是文件第一行，否则整段会被当成普通正文）。所有字段都是可选的，但 description 强烈建议写——这是 Claude 判断"什么时候用这个技能"的唯一依据。完整字段表（来自官方文档，2026年9月版）：

字段	作用
name	显示名，默认取文件夹名
description	技能干什么 + 什么时候用。写关键使用场景放最前面——列表里 description 总长截断在 1536 字符
when_to_use	补充触发场景（触发词、示例请求），追加在 description 后，同吃 1536 字符额度
disable-model-invocation: true	禁止 Claude 自动加载，只能手动 /名称 触发。适合"发布上线""执行迁移"这类你不想让 AI 自作主张的流程
user-invocable: false	反过来：只让 Claude 自动用，从 / 菜单隐藏
allowed-tools	本回合预授权的工具列表（免逐次确认）
model	技能激活时临时切换的模型（本回合生效，下一条消息恢复）
context: fork	在fork 出的子代理上下文里运行，不污染主会话
paths	glob 模式，只有操作匹配的文件时才自动激活（比如只对 *.sql 生效）
shell	内联命令用 bash（默认）还是 powershell（Windows 用户值得了解）

一个高频误区：把"我希望 AI 写代码时注意 X"写进 description。description 是触发条件，不是正文要求——触发逻辑放 description，具体怎么做放 Markdown 正文。正文里写具体例子比抽象规则有效：3 个完整的工作示例，胜过 20 条"应该/不应该"。

技能内容分两类，写法不同：参考型（规范、惯例、领域知识，随上下文内联生效）和任务型（部署、提交、生成这类具体动作，建议加 disable-model-invocation: true，防止 AI 在你没要求时擅自执行）。

进阶玩法：动态上下文注入 + 子代理运行

动态上下文注入：技能正文里写 !`命令`（反引号包命令），Claude 加载技能前会先执行命令并把输出替换进正文。上面的 git diff 就是例子。这让技能"带着现场数据到达"——比如 !`cat package.json | head -20` 让"项目体检"技能一开场就知道你的技术栈。

子代理运行：frontmatter 里加 context: fork，技能在 fork 出的独立子代理里执行，结果回来但过程不占主会话上下文。适合"长调研""全库扫描"这类重活。配合 background: false 可以同步等结果（需要较新版本 Claude Code）。

技能 + MCP 组合：技能描述流程，流程里的步骤调用 MCP 工具。比如"发版流程"技能：第一步查 git 状态 → 第二步调用你配的数据库 MCP 检查未处理工单 → 第三步生成 changelog → 第四步触发 CI。这就是 2026 年"AI 数字员工"的常见骨架：Skills 管"怎么干"，MCP 管"用什么干"。

用 skill-creator 自动评测你的技能

技能能触发 ≠ 技能做得对。官方 skill-creator 插件把"测试"变成可重复的流程：

1. 安装（在 Claude Code 里）：
   /plugin install skill-creator@claude-plugins-official
   如果提示找不到 marketplace，先执行 /plugin marketplace add anthropics/claude-plugins-official 再重试。
2. 发起评测：对 Claude 说"用 skill-creator 评测我的 summarize-changes 技能"。它会引导你写测试用例，存到技能目录下的 evals/evals.json（提示词 + 输入文件 + 预期行为）。
3. 隔离运行：每个用例在干净的子代理会话里跑一遍——新会话很重要，因为你写技能时的上下文残留会掩盖指令缺口。
4. 看报告迭代：哪些该触发的没触发、哪些输出不符合预期，改 SKILL.md 再跑，直到稳定。

另外插件里还有 claude plugin eval 命令：对带插件的技能做"有/无插件"双跑对比并打分，分数低于阈值可以退出非零码，直接挂进 CI 做门禁。

4条变现路径：把技能变成商品

避坑指南：新手最常翻车的5个地方

• 一个技能只干一件事。想同时干五件事的技能会在错误时机触发、让 Claude 路由混乱。复合流程拆成几个聚焦的技能，或做成一个技能内部多步骤。
• 确定性的活交给脚本，别交给模型。排序、解析 PDF、校验格式——写成技能里附带的脚本，更便宜、可复现、不会幻觉。模型负责判断，脚本负责计算。
• 没有例子的技能 = 没有技能。你从 SKILL.md 里推断不出用途，Claude 也推断不出。每个技能至少给 1-3 个完整输入输出示例。
• 别把密钥写进技能。技能文件会进 git 仓库、会被团队共享，API key 一律走环境变量或 credentials，SKILL.md 里只写"从环境变量 X 读取"。
• 警惕第三方技能包。社区技能是别人写的指令 + 脚本，安装前读一遍 SKILL.md 和附带脚本，看它会不会把数据发到外部端点。官方 skill-creator 文档也强调：技能声明的能力要能实际兑现，警惕"自报家底"的夸大技能。

一句话总结：Skills 是 2026 年 AI 工具栈里性价比最高的"经验固化"手段——不占上下文、开放标准跨工具通用、从写第一个 SKILL.md 到变现路径清晰。规则写 CLAUDE.md，流程写成 Skills，工具用 MCP 接，三件套配齐，你的 AI 才算真正"认识你的工作"。