微信扫码
添加专属顾问
我要投稿
Claude Skills 发布,让AI按需加载专业能力,实现提示词、代码和资源的智能组合。 核心内容: 1. Skills的核心功能:可组合、可移植、高效加载 2. Skills的构成:包含指令、脚本和资源文件的完整包 3. 应用场景:从Excel处理到品牌文案的一站式解决方案
Anthropic 发布了 Agent Skills
简单说:
按需加载专业能力(提示词包、代码包)
几个关键点:
当然,这里的 skills,有官方预设的,也可以自己上传
我页面翻译了下,预设 9 个 skills
这里,我捏了一个极简 skill:「猫娘」
后台回复「我是猫娘」,获取这个 skill
你可以这么理解,skill 就是把提示词保存成 .md 文件,配上各种文件,然后打包成 .zip,这里面包含
Claude 工作时,会扫描可用的 skills,找到相关的就加载
比如你让它做 Excel 报表,它会自动加载 xlsx skill,里面有处理公式、格式化单元格的方法
你让它写品牌文案,它加载你公司的 brand-guidelines skill,按你们的色彩和语气来
Skills 可以不只是文字指令
它可以带 Python 脚本、Bash 命令,在沙箱环境里直接执行
甚至可以组合使用
比如「帮我分析这份销售数据,做成 PPT,用我们公司的品牌色」
它会自动识别需要:
然后协调这三个 skills 一起工作
这套东西
现在已经可以 Claude 网站、API 和 Claude Code 里用
只需要写一次 Skill
整体的逻辑大概是这样
Pro、Max、Team、Enterprise 用户都能用
Anthropic 提供了几个公开 skills:
还有一些示例 skills 可以自己定制
新增了 /v1/skills 端点,可以管理 skill 版本
直接在 Messages API 请求里附带 skills
需要开启 Code Execution Tool beta:
response = client.beta.messages.create(
model="claude-sonnet-4-5",
betas=["code-execution-2025-08-25"],
max_tokens=4096,
messages=[{...}],
tools=[{
"type": "code_execution_20250825",
"name": "code_execution"
}]
)这里说一下,Code Execution Tool 是 Skills 的底层支撑
它提供了:
定价:$0.05/会话小时,最少计费 5 分钟
文档在 https://docs.claude.com
命令行工具,直接从 anthropics/skills 市场安装
装好的 skills 会自动在相关任务时加载
也可以手动放到 ~/.claude/skills 目录
团队可以通过版本控制共享 skills
Anthropic 做了个 「skill-creator」 的 skill
它的作用:帮你创建新 skills
换句话说:他妈的 Skills
你在通过 Setting - Capabilities - Skills 里面,来激活这个
生成 skill 的时候,流程是这样:
你: 帮我做个猫娘 skill
Claude: 好的,我来弄
过程还算方便,你只要跟 Claude 对话,描述你的需求
它把专业知识转换成 skill 格式,全程不需要手动编辑文件
如果你的 skill 需要可执行代码
skill-creator 还会帮你写好 Python 脚本,配置好依赖
如果你要上传 skill,也是在 Setting - Capabilities - Skills 里面
把 .zip 包拖拽上传进去就行
再接着,你就有了专属猫娘
Skills 的各种能力,都可以跨平台复用、在团队内共享、组合使用
Claude Agent SDK 也支持 Agent Skills
可以在自己的 agent 系统里用类似的设计
核心思路:把专业知识打包成可复用模块,在需要时动态加载
但也有几个问题:
安全性:Skills 可以执行代码,需要信任来源
复杂度:创建高质量的 skill 需要理解任务流程和技术细节
维护成本:skills 需要更新,特别是包含代码的部分
Anthropic 在文档里提醒:只使用可信来源的 skills
总的来说,这个思路挺实用的(你也可以说..这是 MCP 的本地版)
特别是构建&分享复杂提示词框架
反正,可以来试试
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2025-10-30
Cursor 2.0的一些有趣的新特性
2025-10-30
Anthropic 发布最新研究:LLM 展现初步自省迹象
2025-10-30
让Agent系统更聪明之前,先让它能被信任
2025-10-30
Rag不行?谷歌DeepMind同款,文档阅读新助手:ReadAgent
2025-10-29
4大阶段,10个步骤,助你高效构建企业级智能体(Agent)
2025-10-29
DocReward:让智能体“写得更专业”的文档奖励模型
2025-10-29
沃尔沃RAG实战:企业级知识库,早就该放弃小分块策略
2025-10-29
大模型的Funcation Calling是什么?
2025-08-21
2025-08-21
2025-08-19
2025-09-16
2025-10-02
2025-09-08
2025-09-17
2025-08-19
2025-09-29
2025-08-20
2025-10-29
2025-10-29
2025-10-28
2025-10-28
2025-10-27
2025-10-26
2025-10-25
2025-10-23