Anthropic Skills从入门到精通：万字长文深度解析，从MCP到智能工作流全讲透，收藏这篇就够了！

原创最新推荐文章于 2026-10-30 20:25:07 发布 2.8k 阅读 AI写同款

Python_金钱豹

1万+粉丝2835篇原创

关注

大模型 Skills 架构实践：构建可扩展的智能体应用框架本文介绍了基于大模型的Skills架构实践，通过模块化设计构建可扩展的智能体应用框架。该架构将核心逻辑与技能定义解耦，采用分层设计（应用层、处理器层、核心层、技能层、配置层），支持代码和配置两种技能定义方式。关键技术包括技能基类设计、自动注册机制、LLM驱动的智能路由、配置化零代码扩展以及用户记忆系统。该框架实现了让大模型专注理解与推理，将执行交给专门技能模块的设计理念，具有模块化、可扩展、易维护等优势，适用于构建精准专业的智能体应用。阅读详情

AI摘要

本文详细解析了Anthropic推出的Skills技术及其应用场景，介绍了其模块化能力封装系统和SKILL.md结构。通过实际案例展示了Skills在提高工作效率方面的优势，并提供了网页端和Claude Code集成的操作步骤。同时，文章还探讨了大模型学习的重要性及2025年的学习路线。

在AI技术飞速发展的这两年，Anthropic推出了两项革命性技术规范：MCP 和 Skills。

这两者都旨在增强AI助手的能力，但它们的设计理念和应用场景却截然不同。

今天将深入解析MCP与Skills的区别，并详细介绍Skills的应用方式，希望能帮助大家理解这一技术演进的重要意义。

Model Context Protocol (MCP)

定位：开放标准协议
目标：标准化AI与外部工具的通信
架构：客户端-服务器模式
通信：JSON-RPC协议
应用场景：企业级集成、多厂商互操作、侧重于远程通讯

Skills

定位：模块化能力包
目标：可重用工作流的封装
架构：文件夹+SKILL.md结构
通信：渐进式加载机制
应用场景：标准化任务、团队协作、侧重于本地能力

这里我们要区分的是，MCP解决的是"如何让不同AI系统与不同工具互联互通"的问题，而Skills解决的是"如何让AI记住并重复使用特定工作方式"的问题。两者互补而非替代关系。

Skills技术架构解析

Skills是Anthropic在不久前推出的模块化能力封装系统。

它将特定的工作流程、知识和操作封装成可重用的包，让Claude能够以标准化方式执行复杂任务。

my-skill/├── SKILL.md          # 必需的元数据和指令文件├── resources/        # 可选的资源文件夹│   ├── templates/    # 模板文件│   ├── examples/     # 示例数据│   └── scripts/      # 辅助脚本└── README.md         # 使用说明

SKILL.md结构示例

---name: "financial-report-generator"description: "Generate standardized financial reports with charts and analysis"---# Financial Report GeneratorThis skill creates comprehensive financial reports following company standards.## Instructions1. Analyze input financial data2. Generate executive summary3. Create visualizations using specified color scheme4. Format according to brand guidelines## Examples- "Generate Q3 financial report from this Excel data"- "Create monthly revenue analysis with projections"## Guidelines- Use company brand colors (#1f2937, #3b82f6)- Include risk disclaimers- Format dates as YYYY-MM-DD

Skills 的好处，其实只是将 Agents 动作更规范化的向用户开放定义。

实际上在没有这个概念出来以前，我们单凭 Prompt + 少量的工具调用或本地 MCP 服务端&客户端也能做到类似效果。

但总归 MCP 不是为了这个用途而生，今天的 Skills 补充了这个空白，我们可以给 AI 提供更多的「技能」。

日本电商巨头乐天使用Skills将财务工作流程效率提升8倍。原本需要一整天的工作，现在只需一小时完成。

Canva计划集成Skills来定制AI代理，扩展设计能力，帮助团队捕获独特上下文并轻松创建高质量设计。

Box使用Skills让Claude学会处理Box内容，用户可以将存储的文件转换为符合组织标准的PPT、Excel和Word文档。

开发者可以使用Skills创建代码生成、测试自动化、文档编写等标准化开发工作流。

应用场景从「处理多个电子表格、识别异常、生成标准化报告」，再到「品牌一致性检查、模板生成、批量设计处理」、再到「文档格式转换、内容提取、批量处理」，可谓是多面开花。

使用指北

网页端

如果你是 Pro 用户，在Claude.ai网页端使用Skills是最直接的方式。

启用Skills功能

• 点击右上角头像，选择"Settings"
• 导航到"Capabilities"选项卡
• 确保"Code execution and file creation"已启用
• 在"Skills"部分，可以启用示例Skills或上传自定义Skills

上传自定义技能

• 在Skills设置页面，点击"Upload custom skill"
• 选择包含Skills的ZIP文件
• Claude会自动验证并安装Skills
• 安装成功后，Skills会显示在可用列表中

使用Skills

• 返回主聊天界面
• 在提示中提及Skills的名称或描述
• Claude会自动识别并加载相关Skills
• 可以在Claude的思考链中看到Skills的调用过程

Claude Code集成

添加Skills市场

在Claude Code中添加Skills市场

claude> /plugin marketplace add anthropics/skills

安装Skills

浏览并安装Skills

> /plugins# 选择 "Browse and install plugins"# 选择 "anthropic-agent-skills"# 选择需要的Skills集合（document-skills 或 example-skills）# 点击 "Install now"

或者直接安装特定Skills

> /plugin install document-skills@anthropic-agent-skills实际使用示例# 使用PDF Skills提取表单字段> Use the PDF skill to extract the form fields from path/to/some-file.pdf
``````plaintext
# 使用文档Skills创建Word报告> Can you make a Word document based on the architecture of this codebase?

项目级Skills配置

为了在项目中使用自定义Skills，可以手动安装到项目目录：
在项目根目录创建skills文件夹

mkdir -p skills/my-custom-skillcp -r /path/to/your/skill/* skills/my-custom-skill/重新加载Skills> /reload-skills

Skills代表了AI工作流标准化的重要一步。

通过将复杂的工作流程封装成可重用的模块，Skills不仅提高了AI助手的效率和一致性，更重要的是建立了人与AI协作的新范式。

随着Skills生态系统的不断发展，我们可以预见一个更加智能、更加个性化的AI助手时代。

无论是个人用户还是企业团队，都能通过Skills构建适合自己的AI工作流，真正实现"一次创建，到处使用"的理想。

那么看到这里的你，不妨实际动起来，将你日常经常需要做的某一个动作，包装成一个Skills，看看它能不能与 AI 在协作碰撞下产生出新的火花吧！

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

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人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

在这里插入图片描述

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

在这里插入图片描述

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等
在这里插入图片描述

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

在这里插入图片描述

这份完整版的大模型 AI 学习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

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用，大模型作为其中的重要组成部分，正逐渐成为推动人工智能发展的重要引擎。大模型以其强大的数据处理和模式识别能力，广泛应用于自然语言处理、计算机视觉、智能推荐等领域，为各行各业带来了革命性的改变和机遇。

在这里插入图片描述

适合人群

在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。