“Claude Skills：超越MCP的重要性解析”

作者 | Simon Willison

译者 | 核子可乐

策划 | 褚杏娟

在10月17日的早上，Anthropic 推出了一个新玩意儿——Claude Skills。这种新模式能让他们的模型学会新本领，听起来是不是很酷？

• 现在，Claude 可以通过这些 Skills 来提升自己完成特定任务的能力。Skills 就像一个文件夹，里面装满了指令、脚本和资源，Claude 可以在需要的时候把这些内容拿出来用。

• 不过，Claude 只有在 Skill 跟当前任务有关系时，才会将其调动起来。用上 Skills 后，Claude 在处理一些特定工作时，比如使用 Excel 或者遵循品牌指南，表现会更棒。

相关文档：

Skills 说明文档：
https://docs.claude.com/en/docs/agents-and-tools/agent-Skills/overview

Claude Skills Cookbook：https://github.com/anthropics/claude-cookbooks/tree/main/Skills

Skills 实际上是一个包含 SKILL.md 文件的目录，这个文件里有助于代理提供额外功能的指令、脚本和资源。

Skills 的概念很简单，其实就是一个 Markdown 文件，告诉模型如何去做某件事，还可以附加额外的文档和预先写好的脚本。运行这些脚本，模型就能顺利完成 Skills 所描述的任务。

Claude 新推出的文档生成功能（与9月推出的代码解释器功能一起发布）正是依赖这个 Skills 来实现的。它们已经被整合进了 Anthropic 的代码库，支持 .pdf、.docx、.xlsx 和 .pptx 文件。

此外，这个功能还有个特别之处。在会话开始时，Claude 会扫描所有可用的 Skills 文件，并从 Markdown 文件的 YAML 部分读取简短的说明。这样做的好处是，成本非常低：每个 Skill 只需消耗几十个额外的 token，只有在用户请求时才会加载详细信息。

让我们试试看

接下来，咱们看看 Anthropic 发布的 slack-gif-creator skill 示例的元数据：

这个工具包专门用于创建适合 Slack 的 GIF 动图，包含尺寸约束验证器和可组合的动画元素。当用户通过“为我制作一个某人正在做某事的 Slack GIF”这样的描述请求生成 GIF 动图或表情动画时，就可以用到这个 skill。

我在 Claude 的移动端 Web 应用中试用了这个 skill，使用的模型是 Sonnet 4.5。我先在设置中打开了 slack-gif-creator skill，然后输入了提示词：

为我生成一个发往 Slack 的 GIF 动图，表明 Skills 比 MCP 酷得多。

然后，Claude 生成了这个 GIF：

老实说，这个动图看起来有点普通。但 Skills 的一个大优点在于它的易于迭代与改进。这里是它在编写的 Python 脚本中的重要代码片段，注释部分是我自己加上的：

探索 Skills：让编码变得轻松有趣

我们先从一个简单的代码片段开始吧。首先，你需要把 skill 目录加入到 Python 的路径中，这样系统才能找到你想要的内容。接着，通过一些常用的库，比如 PIL，你就能开始构建动图了。最后，别忘了把生成的 GIF 保存到你的电脑上，成功后还可以查看它的大小和帧数，非常方便。

整个流程简直太简单了！Slack 对 GIF 的大小限制在 2 MB 以内，因此这个 Skill 还包含一个小功能，可以帮你检查文件的大小。如果超过限制，模型会自动尝试压缩文件。

说到 Skills 的实现，其实它是依赖于模型对文件系统的访问能力、导航工具的使用以及能够执行命令的环境。

这其实是现在许多大模型工具的一个普遍特征。比如今年初发布的 ChatGPT 代码解释器，就是一个很好的例子，之后这样的模式也被应用到 Cursor、Claude Code、Codex CLI 和 Gemini CLI 等智能工具上。

Skills 的独特之处在于，它和之前的模型扩展（如 MCP 和 ChatGPT 插件）有很大的不同。虽然 Skills 让很多功能都变得可用，但也让一些朋友感到困惑。

尽管 Skills 非常强大且易于创建，我们仍然需要为大模型提供一个更安全的编码环境。虽然在提示词中加入安全性提示有一定的效果，但我们更希望能找到将运行环境沙箱化的方法，这样可以将潜在的攻击控制在可接受的范围内。

谈到 Claude Code，它不仅仅是一个编码工具，更可以看作是一个通用的自动化助手。今年 1 月，我曾对 AI 大模型进行过一些极端测试，认为智能体会像之前的技术一样出现问题，甚至预测到2025年会有更多的泡沫破裂。

然而，事实证明我错了，2025年将成为真正的“智能体”之年。

Claude Code 这个名字其实有点不太准确，因为它可以实现很多通过命令输入的功能，现在都可以由它自动完成。因此，我们可以把它视为一种通用智能体，而 Skills 的出现更是加强了这一观点。

我发现 Skills 的潜力巨大。例如，你可以创建一个包含多种 Skills 的文件夹，轻松完成以下任务：

• 获取人口普查数据并进行分析。
• 使用合适的 Python 库将不同格式的数据导入 SQLite 或 DuckDB。
• 将数据转化为 Parquet 格式并在线发布，或者以表格形式上传至 Datasette Cloud。
• 利用经验丰富的数据报告 Skill，从新数据中快速找出有趣的故事。
• 借助 D3 技术，清晰地将数据可视化。

这样一来，你就构建了一个“数据新闻智能体”，能够帮助发现并发布最新的人口普查数据相关的新闻，而实现这一切不过是依赖一个装满 Markdown 文件和 Python 示例脚本的文件夹。

自去年 11 月 MCP 首次发布以来，它引起了很多关注。有人开玩笑说，MCP 的火爆是因为大家都在想要一套“AI 战略”。然而，随着时间的推移，MCP 的局限性开始显露，尤其是它对 token 的大量消耗，导致大模型没有发挥实际作用的空间。

当我认真使用编码智能体后，发现几乎所有原本需要 MCP 的功能，现在都能通过 CLI 工具解决。大模型会自动识别如何调用 cli-tool –help，因此我们不再需要浪费大量 token 来解释如何使用。只需用 Markdown 文件描述任务，必要时再引入额外的脚本。

Skills 的最大亮点在于其易于共享。预计会有很多 Skills 以单个文件形式出现，而更复杂的则可能需要文件夹来包含更多文件。

我也在思考自己能构建哪些 Skills，比如开发一个 Datasette 插件。

Skills 设计的另一个优势是可以与其他模型配合使用。你可以准备一个 Skills 文件夹，并将 Codex CLI 或 Gemini CLI 指向它，要求它“读取 pdf/SKILL.md 文件，再为我生成一个描述该项目的 PDF 文件”。即使工具和模型本身没有系统性的技能知识，整个流程也能正常运作。

我相信，未来 Skills 生态会迎来一次大爆发，甚至连今年的 MCP 热潮都显得微不足道。

简单性才是关键！

当然，也有人对 Skills 提出反对意见，认为它们太简单，几乎算不上什么高级功能。有些人试图将更多指令直接写入 Markdown 文件，要求编码智能体在执行任务前先读取这些指令。但 Skills 的简洁性正是我感到兴奋的原因。

MCP 是一整套复杂的协议，包括主机、客户端、服务器、资源、提示词、工具等，而 Skills 只需要 Markdown 文本，再加一点 YAML 元数据和可选脚本，就能在任何环境下运行。它们更接近大模型的本质——提供一些文本，让模型自行解决问题。

Skills 把复杂的部分交给了大模型框架和相应的计算环境。回顾过去几年我们对大模型工具的理解，或许这才是最明智、最具现实意义的探索方向。

原文链接：

https://simonwillison.net/2025/Oct/16/claude-Skills/

声明：本文为 AI 前线整理，不代表平台观点，未经许可禁止转载。

今日好文推荐