你构建了一个 Skill。你构建了一个 Agent。然后你坐在终端前看着它们运行。
Nate Herk 测试了 3 种部署 Claude Code Skills 和 Agents 的方式，每种都有不同的 tradeoff。
方式 1：Claude Code Skills
适合场景：可复用的代码任务——重构、测试生成、代码审查、文档更新。
如何工作：在 Claude Code 中定义 Skill（系统提示词 + 工具配置），然后通过命令行或 IDE 调用。Claude 读取当前代码上下文，执行 Skill 定义的任务。
优点：
- 与开发工作流深度集成（IDE、Git、终端）
- 代码上下文自动加载，无需手动提供
- 可以版本控制和共享
缺点：
- 需要人工触发，不能自主运行
- 局限于代码相关任务
- 每次调用都是新 session，没有长期记忆
最佳实践：把 Skills 当成「可复用的代码助手」。定义一次，多次调用。适合那些你每周做几次、每次花 30 分钟以上的任务。
方式 2：Claude Code Routines
适合场景：重复性工作流——每日站会总结、PR 审查、依赖更新、日志分析。
如何工作：Routines 是预定义的多步骤工作流。你可以设置触发条件（定时、Git 事件、Slack 命令），Claude 自动执行一系列步骤。
优点：
- 自动化重复任务，减少人工干预
- 可以定时运行（cron 风格）
- 支持多步骤复杂工作流
缺点：
- 仍然需要预定义，不能动态适应变化
- 错误处理需要人工介入
- 长期运行的任务可能消耗大量 token
最佳实践：Routines 适合「每周做、每次都一样」的任务。把它们当成自动化脚本，但用自然语言定义而非代码。
方式 3：自主 Agent 运行
适合场景：长期运行的监控、响应、和决策——系统监控、客户支持、内容审核、数据管道。
如何工作：Agent 持续运行，监控事件流（API、数据库、消息队列），根据条件自主决策和行动。可以 24/7 运行，无需人工触发。
优点：
- 真正的自主性，无需人工触发
- 可以响应实时事件
- 长期记忆和上下文积累
缺点：
- 架构复杂度最高
- 需要健壮的监控和错误恢复
- 成本和资源消耗最大
- 安全性和权限管理更复杂
最佳实践：自主 Agent 是「最后的选择」。只有当 Skills 和 Routines 无法满足需求时才考虑。设计时要特别重视 fail-safe 和 human override。
如何选择
| 维度 | Skills | Routines | 自主 Agent |
|---|---|---|---|
| 触发方式 | 人工 | 定时/事件 | 实时事件 |
| 运行时长 | 分钟 | 分钟到小时 | 天/周/永久 |
| 上下文 | 单次 | 单次/有限 | 长期积累 |
| 复杂度 | 低 | 中 | 高 |
| 成本 | 低 | 中 | 高 |
| 维护负担 | 低 | 中 | 高 |
决策树：
- 任务是代码相关的、可复用的？→ Skills
- 任务是重复的、可预定义的？→ Routines
- 任务需要实时响应、长期运行？→ 自主 Agent
混合策略
实际场景中，三种方式经常混合使用：
- 用 Skills 做代码任务
- 用 Routines 做每日/每周的自动化
- 用自主 Agent 做监控和异常响应
关键是不要让复杂度超过价值。从一个 Skills 开始，证明价值后再扩展到 Routines 或自主 Agent。
结论
Claude Code 的三种部署方式代表了 AI 自动化的三个层次：辅助（Skills）、自动化（Routines）、自主（Agent）。大多数团队应该从 Skills 开始，逐步向更复杂的模式演进。
不要被「自主 Agent」的 hype 迷惑。对于 80% 的场景，Skills 和 Routines 已经足够。自主 Agent 的额外复杂度和成本，只有在真正需要实时响应和长期自主性的场景中才值得。