从零开始掌握Anthropic Skill：大模型技能开发完全指南（附实战案例）

Agent学习路线 Agent学习路线 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 4.9k累计阅读 5k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄6年
关注
原创 最新推荐文章于 2026-10-01 11:44:35 发布 4.9k 阅读 AI 写同款· GEO 优化 ›
Agent和Skills的区别 Agent是具备自主决策能力的“大脑”，而Skills是它用来执行具体任务的“工具箱”‌。你可以把Agent想象成一位项目经理，它能理解目标、拆解任务、规划步骤，并决定什么时候调用哪个Skill；而Skills则是一个个专业工具或员工，比如“查天气”“发邮件”“生成PDF”，它们只能被动响应调用，完成单一功能。 阅读详情

简介

本文详细介绍Anthropic推出的Skill技术，包括其基本概念、与MCP的区别及快速开发方法。作者通过"提示词优化专家"具体案例展示Skill开发流程，并分享Claude Skill设计核心原则：精简上下文、控制自由度、渐进式披露等。Skill技术代表AI编程新范式，强调通过清晰表达需求和提供充足上下文，让强大AI模型协助完成高质量Skill开发，无需手动编写复杂代码。

继 MCP（Model Context Protocol）之后，Anthropic 最近又推出了 Skill（技能）。因工作需要，我近期快速上手并实践开发了一个 Skill，过程中积累了一些经验，整理成本文，希望能帮助更多同学：

  • 快速理解 Skill 到底是什么？
  • 掌握关键要点，提升 Skill 的开发质量与效率。

在第三部分，我将通过一个具体案例，完整展示如何将一个想法快速落地为可运行的 Skill。即使你对 Skill 还一知半解，只要能清晰描述需求、准备好相关资料，也能轻松开发出一个高质量的 Skill。

文章有很多主观性，仅供参考。

一、快速认识 Skill

Skill 即技能，一般放在 skills 文件夹内，一个技能一个文件夹，一个技能通常包括 SKILL.md 文件，相关的文档和可运行的脚本等。

一个 SKILL 文件通常包括一个 YAML 头和 Markdown 格式的技能描述。

技能描述中可以提及 Skill 中的其他资和脚本等，Agent 会按需加载。

SKILL.md 中 YAML 的元信息，总是会放到上下文中， Body 部分在技能触发的时候才会加载，要小于 5K，其他的文件（文本文件、可运行的脚本、数据等）没有限制。

Agent 的系统提示词和 Skill 的元信息始终会在上下文中，这样 Agent 根据对话动态决策使用哪个技能，以及根据技能描述动态加载所需要的资源。

详情参见：https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills

补充：https://code.claude.com/docs/en/skills

目前主要在 Claude 桌面、Claude Code 和 API 里面使用。很多其他 AI Coding 工具，如

Antigravity ：

参见：https://antigravity.google/docs/skills

Qwen Code

参见：https://qwenlm.github.io/qwen-code-docs/zh/users/features/skills/也已经支持 Skills。

如果工具本身暂时没有直接支持，可以借助 OpenSkills 这个开源项目来使用 Skills：

OpenSkills brings Anthropic's skills system to all AI coding agents(Claude Code, Cursor, Windsurf, Aider).

OpenSkills 可以非常方便地将 skill 安装到全局或项目级 skills 文件中，自动创建项目规则 Markdown 文件，“教会”其他 AI Agent 使用 Skills。

  • 常用命令

  • 安装工具：npm i -g openskills

  • 安装技能：openskills install anthropics/skills

  • 安装技能（全局）：openskills install anthropics/skills --global

  • 安装技能（通用模式）：openskills install anthropics/skills --universal

  • 安装技能（非交互）：openskills install anthropics/skills --yes

  • 同步到 AGENTS.md：openskills sync

  • 同步到自定义文件：openskills sync -o .ruler/AGENTS.md

  • 同步（非交互）：openskills sync -y

  • 读取技能：openskills read

  • 列出技能：openskills list

  • 管理技能（交互删除）：openskills manage

  • 删除技能：openskills remove

详情参见：https://github.com/numman-ali/openskills

二、Skill VS MCP

说实话，最开始听到的时候还是有点懵逼的，不是已经有了 MCP 了吗？为啥还出一个 Skill?

图片来源：https://skillsmp.com/docs

简单来说，技能就是怎么做；MCP 是有什么工具、有什么功能。

技能的话，主要是经验、最佳实践、流程的封装，而 MCP 是连接与交互的协议，主要是 API 调用、数据读写和工具等。

Skills主要是 Markdown 文件和一些脚本文件，优势在于渐进式加载，不需要服务器资源，适用性好；MCP 主要是客户端和服务端的架构，启动时加载所有工具定义，集成外部功能，Tokens 消耗更高，使用起来更复杂。

两者是互补的关系，Agent 可以通过 Skills 获取知识，通过 MCP 拓展功能。

当然，现在 Rule、MCP、Skill 边界也越来越模糊。

这份完整版的大模型 AI 学习和面试资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

三、快速开发 Skill 的最佳实践

我们已经对 Skill 有了一个初步的认识，也大概了解它和 MCP 的区别。那么接下来，如何快速、高质量地开发一个 Skill？

这里分享自己总结的一套最佳实践。

传送门：https://github.com/anthropics/skills

有些人知道官方给出了一个 skills 开源仓库，里面有很多 skill 示例。

有些同学可能想到了，我们下载下来学习一下，参考一下，自己写一个呗！

且慢！我们为啥要自己写？

说实话，如果我们自己手写，还是比较浪费时间的。我们需要去思考文件的结构、提示词的布局，要花很多时间，而且未必能写好。

上下文工程实践

这里分享一个自己探索的最佳实践。

首先，咱们先把 Claude 的 Skills 仓库源码拉下来。

这里面不仅有 Skill 的例子，而且还有非常详细的规约。不过都是英文的。

学习 AI 的开源项目我会习惯用 Qoder 对代码仓库生成一个仓库 Wiki。 可以快速熟悉对应的结构、原理和知识。

当然，我们还可以把 Skill 相关的高质量资料，灌到 NotebookLM 中，各种提问，生成信息图（上图）、视频概览、PPT 等快速学习。

我们需要思想转变，一个是默认让 AI来做。因此，我们默认 Claude 的 Skills 就该 AI 来写。

一个是既然让 AI 做事情，就需要把任务拆解到模型能力以内，把任务描述清楚，并提供充足准确的上下文。

我们已经有了啥？

有了它的这些官方的优质案例、 Skill 的规约，还有了仓库 Wiki。

我们需要做的是把我们的任务表达清楚，然后把他写技能所需要的资料都给到它就可以了！

说了这么多，具体怎么做？

我一直想做一个“提示词优化专家”工具。

  • 现在很多提示词调优工具，没有澄清就直接优化，而且一般都会套一个比较通用的框架。
  • 最好是让 AI 判断是否存在错误或歧义，对焦好了以后再优化。通用提示词框架经常比不上最贴切和专业的框架，哪怕做 AI 业务的同学也不可能记住那么多专业框架，为啥比如不让 AI自动匹配呢？

趁着学习 Skill 的机会尝试搞成一个 Skill 试试看。

我只需要把逻辑捋清楚，还要把他需要的资料整理出来。

逻辑：

  1. 当用户给出原始提示词或创作想法时；

  2. 我们需要匹配最专业的提示词框架，判断是否存在歧义和遗漏。若存在，提示用户补充；

  3. 若不存在，则按最佳框架撰写成专业提示词。

素材：

各种专业的提示词框架。 这些提示词框架，也是通过 AI Coding 工具中使用 MCP 爬下来的（如 Qoder MCP 广场中的 fetch 或者自己配置 Firecrawl）。

虽然，Claude 支持“渐进式加载”。

我们也不要让智能体把所有框架都加载进来，再做判断，这样既浪费 tokens 又慢。

我们把所有框架准备一份摘要 Markdown（摘要也是使用 Qoder 或 Cursor 这类工具， 根据 57个框架自动汇总出来的）。

它先看摘要，从中匹配出最合适的框架，再去针对性得读对应框架详情文件即可。

那我们把我们的想法描述清楚，把我们的资源给到他，他就能够帮我们写出非常专业清晰的 Skill。说实话可能比我们自己写强很多。

当然，这也是有前提的：选择目前全球最顶尖的模型。

注：原本的“提示词框架”文件夹其实已经被修改为“prompt-optimizer” skill，只是为了让大家理解所以重新 Copy 进来。

我的 prompt-optimizer Skills Github 地址：

https://github.com/chujianyun/skills

当然，我们也可以通过 Qoder 或 Cursor 把 Claude 的Skills 仓库压缩成一个 Skill 模板，后续作为 AI Coding 工具的项目 Rule，再让 AI Coding 工具拿到这个规则和我们的需求和上下文，帮我们生成也可以。

有些同学说了，你这个写得挺快的，看着也不错，但好不好使？

我们在 Claude Code 里试一试：

我们创建了一个测试项目，叫 skill-test，然后在项目的 ``.claude/skill` 里把我们的技能放进去。

接着我们告诉它要优化一个提示词。

我们看到它匹配到了我们的技能，并按照技能中的指引读取了摘要文件，匹配到最适合的框架后，再去读取对应框架的详情。

给出选择 RACE 框架的原因和优化后的提示词。

最后给出一个非常专业、全面的优化提示词，而且还贴心得给出了一个精简版。

这样的好处就是不需要依赖 Claude 的 Skill，也可以生成很高质量的 Skill。

官方 skill-creator

突发奇想，是不是可以搞一个 创建 skill 的 skill 呢？

结果居然发现， Claude 也提供了一个 skill-creator ！！！！

那么，大家就可以创建一个空的目录，像前面一样将资料放进去，把 skill-creator 放到技能目录中，让 它帮我们生成。

生成出来的 Skill 非常专业。

所以，我们要做的不是关心 Skill 怎么写，而是如何表达清楚，如何给足 AI 上下文。

四、Claude Skill 自身的最佳实践

1. 核心设计哲学：不仅要写给 AI 看，还要省着写

  • 上下文是公共品 (Public Good)：你的 Skill 会与系统提示词、对话历史和其他 Skill 共享上下文窗口。

  • 默认假设 Claude 很聪明：不要解释显而易见的概念（如“什么是 PDF”）。只提供它不知道的特定上下文。

  • 每个 Token 都要接受质问：“Claude 真的需要这句话吗？”、“删掉这段会影响效果吗？”。

  • SKILL.md 的黄金法则：

  • 保持精简：一旦加载，每个 Token 都在烧钱并占用注意力。

  • 500 行限制：主文件体保持在 500 行以内，超过则需拆分。

2. 自由度控制 (Degrees of Freedom)

根据任务的容错率，设定不同的指令严格程度：

  • 低自由度 (Low Freedom)：适用于数据库迁移等高风险操作。

  • 比喻：悬崖边的独木桥。

  • 做法：提供精确的脚本、严格的步骤，不留发挥空间。

  • 中自由度 (Medium Freedom)：适用于有首选模式但允许微调的任务。

  • 做法：提供伪代码或带参数的脚本。

  • 高自由度 (High Freedom)：适用于代码审查或创意写作。

  • 比喻：开阔的平原。

  • 做法：提供大致方向，相信 Claude 的判断。

3. 结构与文件组织：渐进式披露 (Progressive Disclosure)

不要一次性把所有东西都塞进上下文，而是像“洋葱”一样一层层剥开。

  • 文件系统架构：Claude 像操作 Linux 文件系统一样操作 Skill。它只在需要时通过 read 工具读取特定文件。

  • 三种组织模式：

a.概览 + 引用：SKILL.md 只是目录，详情在 REFERENCE.md。

b.领域隔离：销售看 sales/，财务看 finance/，互不干扰。

c.按需加载：只有用户提到特定功能（如 “红线修订”）时，才去读对应的高级文档。

  • 避免深层嵌套：引用层级不要超过 1 层（SKILL.md -> ref.md，不要再 -> sub_ref.md），否则 Claude 可能偷懒只读部分内容。

  • 路径规范：永远使用正斜杠 /（Unix 风格），严禁使用 Windows 的反斜杠 \。

4. 命名与元数据规范

  • Name (名称)：

  • 推荐使用 动名词形式 (Gerund form)：如 processing-pdfs, analyzing-spreadsheets。

  • 规则：仅限小写字母、数字、连字符。

  • 避免：helper, utils 这种毫无意义的名字。

  • Description (描述)：

  • 至关重要：这是 Claude 在 100+ 个 Skill 中决定是否调用你的唯一依据。

  • 第三人称写法：不要用 “I can…” 或 “You use…”，直接写 “Processes Excel files…”。

  • 包含触发词：明确写出 Skill 做什么以及何时使用。

5. 迭代开发流：用 Claude 训练 Claude

不要完全自己手写，利用 AI 的能力来生成和优化 Skill。

  • 角色分工：

  • Claude A (架构师)：负责编写和优化 Skill 文档。

  • Claude B (测试员)：加载 Skill 进行实战测试。

  • 开发循环：

a.先裸跑任务，识别出必须的上下文和模式。

b.让 Claude A 将这些模式总结为 Skill。

c.让 Claude B 使用该 Skill 执行任务。

d.观察 Claude B 的失败点（如忘记过滤测试账号），反馈给 Claude A 修正。

  • 多模型测试：必须在 Haiku (测试引导是否足够)、Sonnet (测试效率)、Opus (测试是否啰嗦) 上都跑通。
6. 进阶：代码与执行 (Executable Skills)

对于复杂任务，代码脚本 > 纯文本指令。

  • Plan-Validate-Execute 模式：

  • 对于批量或高风险操作（如修改 50 个表单字段），不要直接执行。

  • 流程：分析 -> 生成计划文件 (changes.json) -> 运行脚本验证计划 -> 执行 -> 确认。

  • 错误处理：脚本必须显式抛出具体错误（如 “Field ‘date’ not found”），而不是把报错扔给 Claude 去猜。

  • 避免魔术数字：所有配置项必须有文档说明，不要让 Claude 猜参数。

  • MCP 工具调用：必须使用全限定名 ServerName:tool_name（例如 GitHub:create_issue），防止工具冲突。

7. 避坑速查表

  • ❌ 拒绝：包含时间敏感信息（如 “当前是 2024 年”），除非放在 “Old Patterns” 章节。

  • ❌ 拒绝：术语不一致（一会叫 “URL”，一会叫 “Endpoint”）。

  • ❌ 拒绝：在 Windows 上写出 scripts\run.py 这样的路径。

  • ✅ 必须：为超过 100 行的参考文件添加目录 (TOC)。

  • ✅ 必须：在发布前创建至少 3 个评估测试用例。

参见：https://platform.claude.com/docs/en/agents-and-tools/agent-skills/best-practices

五、写在最后

这篇文章简单谈谈自己对 Skill 的理解，以及用一个具体的案例展示如何快速地开发出一个相对高质量的 Skill。

当模型足够强大的时候，我们的工作方式会发生比较大的变化。我们更多的是需要把自己的想法表达清楚，第二是把 AI 干活所需要的信息给充足。

因此，我们如果需要再去研发一些 Skill 的时候，我觉得可能更多的是关注其中的逻辑是什么样的，然后把资料准备充足。那具体怎么写，可以交给最强大的模型，帮我们去做。

最后唠两句

为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选

很简单，这些岗位缺人且高薪

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%。

在这里插入图片描述

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。

那0基础普通人如何学习大模型 ？

深耕科技一线十二载，亲历技术浪潮变迁。我见证那些率先拥抱AI的同行，如何建立起效率与薪资的代际优势。如今，我将积累的大模型面试真题、独家资料、技术报告与实战路线系统整理，分享于此，为你扫清学习困惑，共赴AI时代新程。

我整理出这套 AI 大模型突围资料包【允许白嫖】：

  • ✅从入门到精通的全套视频教程

  • ✅AI大模型学习路线图（0基础到项目实战仅需90天）

  • ✅大模型书籍与技术文档PDF

  • ✅各大厂大模型面试题目详解

  • ✅640套AI大模型报告合集

  • ✅大模型入门实战训练

这份完整版的大模型 AI 学习和面试资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

①从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

在这里插入图片描述

② AI大模型学习路线图（0基础到项目实战仅需90天）

全过程AI大模型学习路线

在这里插入图片描述

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

在这里插入图片描述

④各大厂大模型面试题目详解

在这里插入图片描述

⑤640套AI大模型报告合集

在这里插入图片描述

⑥大模型入门实战训练

在这里插入图片描述

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】🆓

在这里插入图片描述

标签
#人工智能 #MCP #前端框架 #embedding #数据库
#大模型学习 #大模型教程
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
一文看懂：Agent的进化，未来是否属于“Skills“？ 在多Agent协作方面，2026年行业将加速转向多Agent分工协作模式，就像一个团队一样，主Agent拆解目标，数据、分析、创意等不同专项的子Agent各司其职，还能自主协调、解决故障。三大技术路径各有优势，适用于不同的应用场景。在状态感知方面，Microsoft的Semantic Kernel表现最为突出，其插件机制支持元数据扩展，为函数装上"数据护照"，使AI规划器能够清晰识别输入参数的精确类型及验证规则、返回结果的JSON Schema结构及字段含义、函数间数据流转的依赖关系。 阅读详情

相关推荐

AI技能工业化开发：Anthropic skill-creator工具解析

AI技能开发正从手工编码向工业化生产演进，核心在于实现模块化复用和标准化流程。现代AI开发工具通过可视化编排、智能调试和性能优化三大技术支柱，显著提升开发效率。以Anthropic最新发布的skill-creator为例，其内置200+原子化组件和实时调试系统，使开发者能快速构建旅行规划、电商客服等场景化技能。这类工具通过降低70%重复工作，让开发者更专注于prompt优化和知识管理，推动AI应用响应速度提升40%、成本降低35%。企业级功能如团队协作和安全合规，则进一步加速了AI技能的产业化落地。

weixin_30448603的博客 403

Skills大模型技能库：小白程序员必备，收藏提升效率神器！

本文介绍了Skills作为技术从业者高效协作载体的核心价值，通过解析Skills与Agent的技术区别、高频应用场景以及最佳实践，帮助读者理解如何利用Skills减少重复开发、提升部署效率。文章强调Skills是封装了特定技术任务的标准化可复用模块，能够解决技术场景中的重复开发、流程不规范、Prompt调试繁琐三大痛点。同时，文章详细阐述了Skills在代码开发与评审、运维部署与监控、数据库运维、AI开发与LLM应用等四大场景中的具体应用，并提供了相应的Skill示例。此外，文章还分享了技术人专属的最佳实践

2401_85325726的博客 2991

Anthropic Claude Skills 开发实战：从 Prompt 到可复用技能包

在大模型 Agent 的日常应用中，重复性任务往往需要反复输入相同的指令与格式要求，效率瓶颈显而易见。如何将零散的工作流程沉淀为标准化的操作手册，成为提升自动化水平的关键。Anthropic 推出的 Skills 机制，将任务的背景、步骤、规范与资源封装为可复用的技能包，使 Agent 能够基于语义自动识别并加载相应技能，从“听懂一句话”升级为“完成一类事”。这一机制与 Prompt、Tools 和 MCP 各司其职，通过轻量级的文件夹和 Markdown 文件即可定义完整技能，且采用惰性加载策略，不占用多

weixin_29098391的博客 249

Skills vs MCP：为何“技能包”才是让Agent可靠执行的关键？

Skills的出现，解决了一个根本问题：如何让 AI 不仅懂理论，还能上手实操。它通过结构化封装专业知识和操作流程，让 AI 从“纸上谈兵”变成“实战高手”。对开发者来说，最大的好处是：可控、可复用、可迭代。

优秀、有趣的AI知识共享！ 3780

STM32硬件SPI调试ADS1256的3个致命坑，CubeMX配置避坑指南

本文深入解析STM32硬件SPI调试ADS1256高精度ADC芯片时常见的3大配置陷阱，包括SPI时钟频率、时钟极性与相位、数据字节序等关键问题。通过CubeMX实战配置指南和实测数据对比，提供稳定可靠的解决方案，帮助开发者避免常见错误，提升采样精度和系统稳定性。

weixin_42550597的博客 346

异步FIFO的隐形陷阱：复位信号同步化实战解析

本文深入解析异步FIFO设计中复位信号同步化的隐形陷阱，重点分析赛灵思xpm_fifo_async原语在FPGA应用中的常见问题。通过实战代码和系统集成方案，提供复位同步化的最佳实践，帮助工程师避免跨时钟域通信故障，提升系统可靠性。

keras9composer的博客 245

技能中文指南与教程：全网最好，轻松创造通用AI智能的垂直Agent应用（收藏版）

本文是一份全面的Skills开发与应用指南，主要面向非技术用户和开发者，介绍如何利用Skills技术创建垂直领域的AI智能应用。文章首先阐述了Skills的概念与原理，将其比喻为"AI能力扩展包"，通过指令文档、代码脚本和资源材料的组合，赋予通用AI Agent特定领域的专业能力。随后深入分析了Skills的技术优势：零代码开发、灵活应对复杂场景、多技能自由组合等特点，并通过Article-Copilot等实际案例展示其应用效果。指南还包含完整的Skills开发教程，从结构设计到具体实现

2401_84204413的博客 1126

SP贴图高效导入Maya：从材质设置到渲染优化的完整流程

本文详细解析了将Substance Painter（SP）贴图高效导入Maya并配合Arnold渲染器的完整工作流。针对SP贴图在Maya中常见的色彩、法线等问题，核心在于对齐两者的PBR“语言”，重点讲解了SP中正确的贴图导出设置（包括色彩空间）以及在Maya中连接aiStandardSurface材质、处理法线贴图、优化渲染的标准化流程，确保材质效果准确无误。

weixin_29201933的博客 555

【Anthropic Skill-Creator 】技能的核心架构、设计逻辑与实战开发指南

摘要：Skill-Creator是Anthropic Skills生态中的元技能工具，专门用于指导创建、优化和打包Claude自定义技能。它通过标准化目录结构（含SKILL.md核心文件）、渐进式披露设计原则和资源复用机制，将通用大模型转化为专业智能体。该工具提供init_skill.py和package_skill.py脚本，支持从初始化到打包的完整开发流程。以"公司财报生成技能"为例，开发者可创建包含财务处理脚本和模板的标准化技能包，实现特定业务场景的定制化应用。（149字）

独立思考，明辨是非 1752

【VisualStdio】手把手教你做一个上位机（1）控件设计布局

网上有很多形形色色的制作上位机教程，有些写的挺好的，但是过于单调。

m0_73409202的博客 5437

香橙派5上跑DeepSeek-R1的避坑指南：从模型下载到NPU加速全流程解析

本文详细解析了在香橙派5（RK3588）上部署DeepSeek-R1蒸馏模型的完整流程与优化技巧。内容涵盖从系统配置、RKLLM工具链编译、模型转换到NPU加速调优的全过程，重点分享了如何利用RK3588的NPU算力实现高效推理，并提供了常见问题的解决方案，为边缘设备部署LLM提供了实用指南。

CAT789的专栏 717

Anthropic Skill：大模型技能化架构的技术原理与实践

"""技能分类枚举"""INFORMATION_RETRIEVAL = "信息检索"DATA_PROCESSING = "数据处理"TOOL_OPERATION = "工具操作"REASONING = "逻辑推理"CREATIVE = "创意生成"@dataclass"""技能元数据定义"""name: strinput_schema: Dict[str, Any] # 输入参数模式output_schema: Dict[str, Any] # 输出模式。

深耕互联网架构与AI领域多年，专注大模型工程化、云原生架构、AI驱动系统，分享实战经验、前沿技术和架构方法论。每周产出深度长文+技术短文，涵盖大厂案例、论文解读与工程实践。拒绝水文，只讲干货。关注我，与一线架构师共同探索技术本质。 1471

华为OD机试 - 字符串筛选排序 - 数组（Python/JS/C/C++ 双机位C卷 100分）

k如果大于字符串长度则输出最大ASCII码值的字母所在字符串的位置索引，如果第k个最小ASCII码值的字母存在重复 则输出该字母的最小位置索引。输入一个由N个大小写字母组成的字符串，按照ASCII码值从小到大进行排序，查找字符串中第K个最小ASCII码值的字母(k>=1)。k如果大于字符串长度则输出最大ASCII码值的字母所在字符串的位置索引，如果有重复字母则输出字母的最小位置索引。输出字符串中第k个最小ASCII码值的字母所在字符串的位置索引。第二行输入k ，k必须大于0 ，k可以大于输入字符串的长度。

学Java，找哪吒 1392

【anthropic官方Skill】skill-creator技能

skill-creator创建有效技能的指南。当用户想要创建新技能(或更新现有技能)以扩展Claude的能力时,应使用此技能,包括专业知识、工作流程或工具集成。

rengang66的博客 1527

飞牛fnNAS虚拟机标准安装

飞牛NAS是一款基于Debian开发的国产免费NAS系统，支持x86架构设备，可将闲置硬件改造为NAS服务器。系统安装简便，支持多种存储模式与硬盘休眠功能，具备智能影视管理、照片备份等实用功能，并提供多种远程访问方式。飞牛NAS还支持Docker扩展，目前已承诺永久免费。文章详细介绍了在VMware虚拟机中安装飞牛NAS的步骤，包括下载镜像、创建虚拟机、初始化设置等过程，并展示了创建共享文件夹等基本操作，帮助用户快速上手这款功能强大的免费NAS系统。

dgnankai的专栏 3260

【原理图PCB专题】案例：双排0.5mm间距座子转单排0.5mm间距座子Layout方案分析

本文提供一种分析思路，并通过实际案例来进行Layout方案分析的讲解。

一点硬件 456

掌握技能开发：Skill用工具制造工具的艺术

本文介绍了如何使用Anthropic的skill-creator工具创建自定义AI技能并导入Trae使用。主要内容包括：1) skill-creator的功能介绍和使用流程，它支持技能创建、测试、优化全生命周期管理；2) 详细演示了创建markdown_to_word技能的完整过程，包括技能结构、加载机制和实战案例；3) 展示了如何将创建好的技能导入Trae并进行测试优化。通过skill-creator这一"工具制造工具"，开发者可以快速构建和迭代AI技能，实现Markdown转Word

ak47maker的博客 1553

SAP B1中文培訓教材_SDK

公司内部培训资料，对开发工具 ，DIAPI， UIAPI，Add-ON有详细解说

什么是 Agent Skill？一篇拆完 Anthropic 的“Agent 技能“规范（附实战案例）

Agent Skill 是 Anthropic 提出的“文件化能力封装”范式，以目录形式实现 Agent 能力的可复用、可测试扩展。核心为三件套：frontmatter 定义触发规则，SKILL.md 作为常驻宪法，references 按需加载细节协议。通过渐进式披露控制上下文成本，避免系统提示词过长、常驻与误触发问题。实战案例显示，仅用 10 分钟即可写出一个无代码、全 Markdown 的 AI 私教技能，支持版本管理与自动化评估，是提示词工程向文件工程演进的关键一步。

Everest_cjq的博客 650

NTscan扫描工具

ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

如何快速掌握AI技能开发：Anthropic技能库完整指南

你是否曾想过让AI助手Claude变得更加强大和专业？Anthropic技能库项目正是为此而生。这个开源技能库提供了丰富的AI技能模板，涵盖从算法艺术生成、文档处理到PDF分析、PPT制作等数十种专业领域。无论你是开发者、设计师还是内容创作者，都可以通过这个技能库快速构建自定义AI技能，让Claude成为你的专业助手。本文将带你深入了解这个强大的技能库，并教你如何快速上手创建自己的AI技能。 #

gitblog_00900的博客 969

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过，这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。

Agent Skills 完全指南：从零开始构建你的 AI 代理技能体系

如果你用过 Claude Code，或者任何现代 AI 编码代理，你一定遇到过这样的场景——你打开一个新对话，开始跟 AI 说："我们的数据库用的是老式 WHERE 连接，不用 ANSI JOIN，字段名是斯洛文尼亚语，业务术语你不认识……"然后花了十分钟解释背景，AI 才勉强进入状态。第二天，重新开一个对话，再来一遍。这不是 AI 不够聪明，而是它没有"记住你的工作环境"的机制。Agent Skills（代理技能）就是为了解决这个问题而生的。

u014177256的博客 1539

Anthropic Skill-Creator 实战：SKILL.md 元技能架构与 Claude 开发配置指南

用 Skill-Creator 的 init_skill.py 初始化技能目录，是解决 SKILL.md 触发失败的第一步。本文拆解 Anthropic 元技能架构的三层加载逻辑，给出可复制的 SKILL.md 骨架与 settings.json 配置，并通过 TaoToken 统一 Key 通道验证 Claude 技能调用，附打包校验与常见报错排查。官网：https://taotoken.net/?utm_source=taotoken_aicg_blog_end

StarfallRaven13的博客 135

别再把 Skill 写成一张 Markdown：Anthropic 用几百个 Skill 换来的实战经验

换句话说，Skill 不只是「给 Claude 的知识」，它是给 Claude 的工具、记忆和行为约束体系的集合。组织层面，两个规模相同的团队，一个有 200 个高质量 Skill、一个只有 10 个，他们的 AI 协作效率差距可能不是 2 倍，而是 10 倍，而且是复利式、几乎不可见的差距。所以它不是给人看的简介，而是给模型看的「触发条件」。以往，一个高级工程师花两周搞清楚内部计费库的所有陷阱，这些知识存在他脑子里，或者一个没人维护的 Confluence 页面里，下一个接手的人大概率要重新踩一遍。

一个coder的博客 1700

【深度解析Anthropic Skills】解锁Claude的定制化技能扩展能力

随着大模型应用的深化，通用大模型在垂直场景下的“定制化”需求愈发强烈。Anthropic 作为 Claude 大模型的研发方，推出了 **Skills（技能）系统**——这是一套能让 Claude 动态加载指令、脚本和资源，从而提升特定任务表现的模块化方案

独立思考，明辨是非 1148

Anthropic 发布《Claude Skill 构建完整指南》：AI Agent 开发的新范式

33 页技术指南，从提示词工程到结构化系统，渐进式披露设计理念，三种主要应用模式。

洛少的专栏 894
上一篇： 大模型记忆机制揭秘：它是如何记住你的？
下一篇： AI Agent记忆系统构建全解析：短期与长期记忆技术详解及开源框架对比！
点赞 41
评论 0
书签 书签 32
Agent学习路线
Agent学习路线
博客等级 码龄6年 1万+粉丝 1904原创
+ 关注
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值