当前位置: 首页 > news >正文

AI开发必备:Claude Skills详解,让你的智能体效率起飞(建议收藏)

Claude Skills是Anthropic推出的革命性功能,通过"渐进式披露"技术解决重复提示词、token成本高的问题。它采用分层加载机制,启动时仅加载约100 token的配置,任务触发时按需加载完整内容,大幅降低上下文负担。Skills本质上是任务说明书、工具代码、专业知识和素材资源的模块化组织方式,可与MCP组合使用。Anthropic已开源20多个Skill源码,代表了一种将Agent能力标准化、可复用化的设计趋势,为AI智能体提供了解耦、模块化的能力管理方案。


嘿,大家好!这里是一个专注于前沿AI和智能体的频道~

Claude Skills在中文社区彻底火了(仅中文社区)。

Anthropic 10月底推出这个功能,12月底爆发。

原因很具体,它解决了一个很真实的痛点。

重复写提示词很烦,token也太贵,定制太难

以前每次开一个chat窗口,都要重复一堆东西。

比如,帮我按xxx格式,别忘了xxx等等。

有了Skills不用了, 规则提前写好,模型只需要看到有这么个规则,大概100个token,需要用到的时候在打开看。

Anthropic称这个为渐进式披露

11月中下旬,Anthropic 又添了把柴火,更新了组织级管理、合作伙伴的Skills(Canva、Notion、Zapier 等)、开放Agent Skills标准。

后来,openai的codex也投降了,支持了skills协议。再加上,很多人发现,给Claude code加上自定义Skills后,体验起飞了,很多大佬都在一起营销。,社区直接上头了


Skills详解

之前写过。

一个 Skill = 任务说明书 + 工具代码 + 专业知识 + 素材资源。

本质上就是一种代码和资源的组织方式。

一个 Skill 文件夹长这样:

pdf-skill/├── SKILL.md # 主指令文件(必须有)├── FORMS.md # 表单处理指南├── REFERENCE.md # 详细 API 参考└── scripts/ └── fill_form.py # 工具脚本 ```![](http://cdn.zhipoai.cn/14eb0071.jpg) 核心是 SKILL.md 文件,必须包含 YAML 头信息,示例如下: ```plaintext ---name:pdf-processingdescription:从PDF文件中提取文本和表格,填写表单,合并文档。当用户处理PDF相关任务时使用。---# PDF 处理## 快速开始使用pdfplumber提取PDF文本:importpdfplumberwithpdfplumber.open("document.pdf")as pdf: text=pdf.pages[0].extract_text()如果要填写表单,参考[FORMS.md](FORMS.md)。

核心在于给上下文窗口减负。

这也是Skills和MCP、FunctionCaling的区别。它可以分层加载。

启动时,只加载Yaml头配置(包含name,description),大概100个token。

任务触发时,读取整个Skill.md正文,一般不会超过5000个token。

进一步,会按需加载脚本、参考文档、资源文件等。

这意味着我们可以装几十个Skills,在启动的时候,只占用几千个token,不用考虑各种tools定义的烦恼。


Skill跟MCP时可以组合的。

MCP是教模型怎么链接外部系统,api。skill是教模型怎么用工具,按什么流程处理,输出什么格式。

所以二者并不冲突。

但是呢,太多的MCP Server会非常干扰上下文,比如,GitHub官方的MCP server,单独就要吃掉几万个tokens。

所以他们在11月份又推出 Code execution with MCP。

核心思路是:把所有 MCP 工具生成一个文件树结构,需要什么工具,Agent 自己去文件系统里找,读取定义,然后写代码调用。

servers/├── google-drive/│ ├── getDocument.ts│ └── index.ts├── salesforce/│ ├── updateRecord.ts│ └── index.ts└── ...

找不到现成的工具?直接现写一个,写完了还可以保存起来下次用。

这套思路和 Skills 的分层加载是很类似的。


快速使用 & 官方开源

在Claude.ai 网页版,可以非常简单的用到。

Settings -> capabilities。

打开Code execution & file creation ,可以在skills下配置开启/关闭单个skill,还可以上传skill。

他们也内置了几个常用 Skill, 比如说,把这个excel数据生成xxx。

可以看到自动加载对应 Skill,思考里边中会显示 “Reading xxx skill”。

官方也开源了20多个Skill源码:

https://github.com/anthropics/skills

这些还挺有用的,可以看下预置的 SKILL.md 写法,脚本怎么组织,复杂的skill分层设计。


balabala一下

如果你今天开了x,那大概率你会刷到这个推文。

感觉上没太必要像当初MCP一样拔的太高,skills最大的价值不是功能本身,而是a社把一套gent 能力管理的设计模式开源了。

当你的agent能力越来越多的时候,怎么管理?一个几千行的system prompt?一个包含几十个工具函数的文件?

这些都很难维护。

而skills提供了一种解耦的、模块化的方案,这套模式,不管你用的是claude,还是gpt,qwen都能借鉴。

skills同样依赖agent能力,模型agent能力不行,skill也飞不起来。


​最后

我在一线科技企业深耕十二载,见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事,早已在效率与薪资上形成代际优势,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。

我整理出这套 AI 大模型突围资料包:

  • ✅AI大模型学习路线图
  • ✅Agent行业报告
  • ✅100集大模型视频教程
  • ✅大模型书籍PDF
  • ✅DeepSeek教程
  • ✅AI产品经理入门资料

完整的大模型学习和面试资料已经上传带到CSDN的官方了,有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
​​

为什么说现在普通人就业/升职加薪的首选是AI大模型?

人工智能技术的爆发式增长,正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议,到全国两会关于AI产业发展的政策聚焦,再到招聘会上排起的长队,AI的热度已从技术领域渗透到就业市场的每一个角落。


智联招聘的最新数据给出了最直观的印证:2025年2月,AI领域求职人数同比增幅突破200%,远超其他行业平均水平;整个人工智能行业的求职增速达到33.4%,位居各行业榜首,其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张,也让人才供需矛盾愈发突出。麦肯锡报告明确预测,到2030年中国AI专业人才需求将达600万人,人才缺口可能高达400万人,这一缺口不仅存在于核心技术领域,更蔓延至产业应用的各个环节。

​​

资料包有什么?

①从入门到精通的全套视频教程⑤⑥

包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图(还有视频解说)

全过程AI大模型学习路线

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了,这些是我精选出来的

④各大厂大模型面试题目详解

⑤ 这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理,鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位,在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利,同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频教程由智泊AI老师录制,且资料与智泊AI共享,相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目,无论你是小白还是有些技术基础的,这份资料都绝对能帮助你提升薪资待遇,转行大模型岗位。


智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌,通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌,构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论,还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作,把课本知识变成真本事‌!

​​​​

如果说你是以下人群中的其中一类,都可以来智泊AI学习人工智能,找到高薪工作,一次小小的“投资”换来的是终身受益!

应届毕业生‌:无工作经验但想要系统学习AI大模型技术,期待通过实战项目掌握核心技术。

零基础转型‌:非技术背景但关注AI应用场景,计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈:传统开发者(Java/前端等)学习Transformer架构与LangChain框架,向AI全栈工程师转型‌。

👉获取方式:

😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**

http://www.jsqmd.com/news/167060/

相关文章:

  • 从零构建AI写作平台:Miniconda-Python3.10 + 大模型Token生成 pipeline
  • 使用Docker Run运行Miniconda-Python3.10镜像,快速接入AI算力市场
  • 使用Miniconda-Python3.10轻松实现CUDA与PyTorch环境集成
  • Conda环境初始化错误终极解决:Miniconda-Python3.10预激活shell
  • Docker Run参数详解:启动Miniconda-Python3.10并挂载GPU设备
  • 打造高SEO排名内容:用Miniconda-Python3.10生成PyTorch相关技术文章
  • 2025国内最新化妆品ODM企业top6榜单公布!广东、广州等地区行业优质公司专业解析及选择指南,专业定制赋能品牌成长 - 全局中转站
  • GitHub Star增长策略:开源Miniconda-Python3.10配置模板吸引流量
  • 国产操作系统全景解析:技术架构、生态建设与实战应用
  • 博文精读:Chrome CSS 2025年回顾
  • Linux下PyTorch安装教程GPU加速全流程(基于Miniconda-Python3.10镜像)
  • Jupyter Lab集成PyTorch指南:基于Miniconda-Python3.10环境配置
  • Jupyter Notebook集成PyTorch:Miniconda-Python3.10实战指南
  • 什么是“深数据”
  • 法大大与亚太国际仲裁院香港仲裁中心达成战略合作
  • AI编程革命:Trae如何重塑前端开发
  • PyTorch安装失败常见原因分析及Miniconda-Python3.10镜像应对策略
  • 安装包管理混乱?Miniconda的Conda环境让你井井有条
  • Jupyter内核配置:为Miniconda-Python3.10添加PyTorch专用Kernel
  • Miniconda vs Anaconda:谁更适合PyTorch深度学习开发?
  • Web测试中如何简单定位Bug
  • 岐金兰AI元人文构想:基于三值九层生成动力学的文明意义操作系统
  • 从本地到云端:Miniconda-Python3.10镜像统一AI开发与生产环境
  • Markdown SEO优化写作:用Miniconda-Python3.10生成关键词丰富文章
  • 为什么越来越多团队选择Miniconda-Python3.10而非Anaconda?
  • 2025年景观雕塑正规厂家推荐:景观雕塑品牌商选择与公园景观雕塑厂家榜单 - 工业推荐榜
  • 从本地到云端:Miniconda镜像助力无缝迁移PyTorch项目
  • 基于二阶锥松弛与智能软开关技术的MATLAB含SOP配电网重构策略研究
  • 数据准度决胜AI时代:数眼智能VS博查搜索API深度测评
  • Linux下Miniconda权限问题导致PyTorch安装失败的解决办法