把 AI 当通用聊天机器人用的时代正式结束了。
99% 的用户还在写基础提示词，Top 1% 已经在构建 Skills。这是两种完全不同的事物——前者是玩具，后者是 24/7 在线的专职员工。
Rohit 在 X 上发布了构建 Claude/Codex Skills 的完整技术指南，涵盖从文件结构到工程原理的全部细节。
Skills 是什么
Skills 不是传统的函数调用或代码执行，而是通过提示词扩展和上下文修改来工作——它教 agent 如何思考和接近问题，而不是简单地执行预定义函数。
一个 Skill 的结构：
skill-name/
├── SKILL.md # 必须 - 主 skill 文件
├── scripts/ # 可选 - 可执行代码
│ ├── process_data.py
│ └── validate.sh
├── references/ # 可选 - 文档
│ ├── api-guide.md
│ └── examples/
└── assets/ # 可选 - 模板、字体、图标
└── report-template.md
SKILL.md 是核心，包含 YAML frontmatter（用于元数据）和 Markdown 内容（指令）：
---
name: project-workspace-setup
description: 自动化项目工作区创建，包括页面、数据库和模板。
当用户说"set up a new project"、"create a workspace"时使用。
---
# Project Workspace Setup
## Instructions
[Claude 遵循的分步指导]
## Examples
[具体使用场景]
## Troubleshooting
[常见问题和解决方案]
三级渐进披露系统
理解 Skills 工作原理的关键：
Level 1 - YAML Frontmatter（始终加载）：Skill 名称和描述被注入 Claude 的系统 prompt，提供足够的信息让 Claude 决定何时加载完整 skill，同时不消耗不必要的 token。
Level 2 - SKILL.md Body（相关时加载）：当 Claude 确定某个 skill 相关时，加载完整的 markdown 指令体，包含详细分步指导、示例和最佳实践。
Level 3 - 链接资源（按需加载）：scripts/、references/、assets/ 目录下的文件只在具体需要时被访问，进一步减少 token 使用。
这种渐进式加载意味着 Skills 可以非常详细，但不会压垮 context window——Claude 只在需要时加载需要的内容。
Two-Message 模式和 Meta-Communication
Skills 最巧妙的设计之一是它的可见性处理。当 Claude 激活一个 Skill 时，系统发送两种消息：
- 用户可见消息（isMeta: false）：出现在对话记录中
- Meta 消息（isMeta: true）：包含完整的 skill 指令，只发送到 Claude API，不展示给用户
这个分离解决了一个关键 UX 问题：用户需要知道哪些 skills 在运行，但他们不需要在聊天界面里看到成千上万行的技术指令。
构建一个 Skill 的步骤
Step 1：识别用例
在写任何代码之前，先识别 Skill 要处理的 2-3 个具体场景。常见类别：
- 文档和资产创建：生成一致的、高质量输出（文档、演示、设计）。例：frontend-design skill 生成专业网页界面而非通用 AI 糊弄。
- 工作流自动化：多步骤流程，从一致的方法论中受益。例：skill-creator skill 引导用户构建新 skills。
- MCP 增强：在 Model Context Protocol 服务集成之上提供工作流指导。例：Sentry 的 code review skill 自动分析和修复 GitHub PR 中的 bug。
Step 2：定义成功标准
如何判断 Skill 是否有效？设定可衡量目标：
- 触发准确率：Skill 应在 90% 的相关查询上加载
- 工具效率：在 X 次工具调用内完成工作流（对比基线）
- 错误率：每个工作流零 API 调用失败
- 一致性：同一任务跨 session 产生相似输出
Skills 开放规范
Anthropic 2025年10月发布的 Skills 规范已演变为开放标准，OpenAI 和 Microsoft 等主要平台已采纳该规范，Vercel 的 AI CLI 等工具也让开发者可以全球范围地管理 Skills。
这不是专有功能——这是新一代 AI 系统的交互标准。