Claude Skill的思路看似简单，为何由Claude率先提出并实践？这篇内容深度剖析了其背后的开发哲学，揭示了AI Agent工具开发的演进逻辑：它并非一蹴而就的发明，而是随着模型能力提升而不断迭代的艺术，核心在于洞察模型的“潜在需求”并与之共舞。
智能速览
Agent开发需同时考虑用户与模型的双向需求，即“Latent Demand”。
PTC技术通过脚本合并多个工具调用，显著提升Agent执行效率。
技能设计需随模型能力进化，旧工具可能成为新模型的负担。
Progressive Disclosure让模型自主构建上下文，是更高级的设计哲学。
精华内容
AI Agent的开发并非单纯满足用户需求，更要洞察模型自身的’潜在需求’。Claude Code的实践表明，为智能体打造工具，是一门需要与模型共舞的艺术。
双向视角
传统AI开发往往将模型视为被动工具，仅考虑用户需求。但Claude Code团队提出了“Latent Demand”概念，认为AI Agent是双向软件。开发时必须从agent的视角看世界，即“Seeing like an agent”，让模型尝试使用工具，通过观察其表现来改进工具，MCP和Skill的诞生都源于此思路。
效率革命
为解决连续工具调用带来的多次推理和上下文浪费问题，团队开发了Programmatic Tool Calling (PTC)技能。它将多条工具调用合并为一个脚本，通过单次指令执行，极大降低了Roundtrip开销。这一创新的基础，是当前模型的代码能力已足够强大，能够编写稳定可靠的脚本，这也是工程团队对模型能力深刻理解的体现。
工具进化
早期的TodoWrite工具用于任务跟踪，但模型时常忘记使用。团队不得不每五个回合提醒一次。随着模型能力提升，它不再遗忘，反而提醒成了累赘。更重要的是，并发Agent的需求催生了更强大的Tasks技能，它建立了任务间的依赖关系，并能协调多Agent协作。这个故事生动说明，技能必须紧跟模型能力的进化，否则优势可能变为束缚。
自主构建
Progressive Disclosure是Skill的核心设计哲学。它不预设模型需要什么，而是让模型自己搭建上下文。技能文件头作为索引，模型可根据简介决定是否加载；通过grep搜索代码库，按需获取信息。这种逐级展开、自主探索的能力，是模型智能达到一定阶段后才涌现出来的，标志着工具设计进入了更高层次。
Claude Skill的诞生并非灵光一闪，而是模型能力发展到一定阶段的必然产物。为Agent打造工具更像一门艺术，需要持续观察、调整，以匹配模型的成长轨迹。真正严肃的开发者，应当致力于创造自己的模型和技能。
