当前位置：

社区首页

电脑数码

软件应用

服务软件

AIGC文章详情

Claude Code 的 Skills 机制：让测试自动化从写脚本转向说需求

源自77位全网作者

06-04 14:57

精选参考来源

Skill 调用 Skill：Agent Skills 的乐高式组合写 Skill 的时候遇到一个问题：我的漫画生成 Skill 需要画图，但用户可能装了 Nano Banana Pro 的 Skill，也可能装了 Midjourney 的。我要在代码里写死调用哪个吗？不用。这正是 Agent Skills 设计的精妙之处。原理：启动即感知Claude 调用 Skill 时会加载 SKILL.md、注入指令、修改执行环境。但更关键的是启动阶段——Agent 启动时就预加载了所有已安装 Skill 的名称和描述。换句话说：Agent 一启动就知道自己有哪些能力。实践：松耦合调用我的漫画 Skill 里，画图环节是这样写的：> Check available image generation skills If multiple skills available, ask user preference> 检查可用的画图 Skill，如果有多个则提示用户选择好处是解耦。我不依赖任何特定的画图实现，用户装了什么画图 Skill，Claude 就调用什么。更妙的是 Claude 能动态适配目标 Skill 的能力：- 支持参考图 → 传角色设计图- 只支持文本 → 传文字描述所以我只需要说：“帮我画张图”，而不用：“用 Nano Banana Pro 的 API 帮我画张图”。为什么这样更好这种松耦合带来几个实际好处：1. 可替换：换画图引擎不用改上游 Skill2. 可扩展：新画图 Skill 自动可被调用3. 低维护：Skill 作者不用追踪下游依赖4. 用户自主：用户选自己喜欢的工具Skill 间相互调用是基于能力描述的松耦合。你只描述“需要什么能力”，Claude 在运行时自动匹配。这让 Skills 成了真正的乐高积木——独立模块，自由组合，构建复杂工作流。

照着做，让你Claude Code里的Skill真正起作用！

全部
来源

内容由AI生成

1. Skill 调用 Skill：Agent Skills 的乐高式组合写 Skill 的时候遇到一个问题：我的漫画生成 Skill 需要画图，但用户可能装了 Nano Banana Pro 的 Skill，也可能装了 Midjourney 的。我要在代码里写死调用哪个吗？不用。这正是 Agent Skills 设计的精妙之处。原理：启动即感知Claude 调用 Skill 时会加载 SKILL.md、注入指令、修改执行环境。但更关键的是启动阶段——Agent 启动时就预加载了所有已安装 Skill 的名称和描述。换句话说：Agent 一启动就知道自己有哪些能力。实践：松耦合调用我的漫画 Skill 里，画图环节是这样写的：> Check available image generation skills If multiple skills available, ask user preference> 检查可用的画图 Skill，如果有多个则提示用户选择好处是解耦。我不依赖任何特定的画图实现，用户装了什么画图 Skill，Claude 就调用什么。更妙的是 Claude 能动态适配目标 Skill 的能力：- 支持参考图 → 传角色设计图- 只支持文本 → 传文字描述所以我只需要说：“帮我画张图”，而不用：“用 Nano Banana Pro 的 API 帮我画张图”。为什么这样更好这种松耦合带来几个实际好处：1. 可替换：换画图引擎不用改上游 Skill2. 可扩展：新画图 Skill 自动可被调用3. 低维护：Skill 作者不用追踪下游依赖4. 用户自主：用户选自己喜欢的工具Skill 间相互调用是基于能力描述的松耦合。你只描述“需要什么能力”，Claude 在运行时自动匹配。这让 Skills 成了真正的乐高积木——独立模块，自由组合，构建复杂工作流。

2. 照着做，让你Claude Code里的Skill真正起作用！

3. AI都能自己操作3D打印机了！钉钉悟空接入3D打印工作流测试

4. Agent Skill 相关资料、笔记和思考

5. 用 Claude Code 写代码，有两个用法值得了解一下。1. 不要让 AI 反应式修 bugAI 默认行为是：你说哪里有问题，它修哪里。复杂项目里，这很危险。你看到的 bug 几乎不是真正的问题，只是表象。AI 如果只处理表象，每次给你打个补丁——补丁会越堆越多，系统越来越脆。正确做法：告诉 Claude「不要只修这个 bug，帮我分析这个问题的根因是什么」。1）让它先分析，再动手2）给它足够的上下文，而不只是报错信息3）本质上是：把 AI 从「反应式工具」升级成「诊断工具」2. 测试阶段前置传统流程是：写代码 → 手动测试 → 发现 bug → 修。AI 可以完全打乱这个顺序。在你碰 UI 之前，让 AI 帮你模拟输入、边缘情况、失败场景，把「破坏」这件事提前做。手动测试就变成了验证，而不是探索。1）测试成本降低，迭代周期缩短2）bug 在越早发现，修复代价越小3）本质上是：把「发现问题」这件事从手动测试阶段，挪到了代码阶段#HOW I AI# #程序员#

6. 如何打造高效的Claude Agent Skills？这份官方最佳实践指南为开发者提供了全面且实用的指引，助你写出简洁、有结构、且经过真实测试的Skills，确保Claude能准确发现并高效调用。核心原则：- 简Image洁为王：Skill内容共享Claude的上下文窗口，精简每个token，避免冗余信息。默认假设Claude已具备大量知识，仅补充必要上下文。- 自由度匹配任务：根据任务复杂度设定指令自由度，高自由度适合多路径判断，低自由度适合严格顺序执行（如数据库迁移）。- 跨模型测试：不同Claude模型（Haiku、Sonnet、Opus）对指令细节需求不同，须确保Skill在所有目标模型上均表现良好。Skill结构与命名：- 使用YAML frontmatter定义name（小写字母、数字、短横线，最长64字符）和description（简明描述功能和使用场景，最长1024字符）。- 命名推荐用动名词形式（processing-pdfs、analyzing-spreadsheets），保持一致性，便于管理和调用。- 描述需具体且客观，避免第一人称，确保Claude正确匹配Skill。内容组织与渐进式揭示：- SKILL.md作为入口，保持500行以内，超过时拆分成多个文件（示例、API参考、工作流等），Claude按需加载，节省上下文资源。- 避免深层嵌套引用，所有引用文件应直接从SKILL.md连接，确保完整读取。- 长文档加目录，帮助Claude快速定位信息。工作流与反馈循环：- 复杂任务拆解成清晰步骤，提供可复制的checklist，方便Claude跟踪进度。- 实施验证反馈循环（如校验脚本），确保每步结果正确，减少错误传播。代码与脚本：- 编写可执行脚本解决具体问题，避免将错误处理推给Claude。- 明确指示Claude执行脚本或仅作参考。- 列出依赖包且确认可用，避免环境不一致导致失败。- 用正斜杠书写路径，兼容所有平台。测试与迭代：- 先构建测试评估，界定成功标准，基于真实用例优化Skill。- 采用“Claude A”协助开发，“Claude B”实际测试，观察行为反馈不断迭代。- 关注Claude使用Skill时的路径、遗漏和重复，调整信息架构和描述。避免误区：- 不用Windows风格路径。- 不提供过多选择，推荐默认方案并预留替代方案。- 避免时间敏感内容，采用“旧版本”/“当前版本”分区说明。高级用法：- 利用视觉分析功能处理图像或表单布局。- 设计可验证的中间产出，采用计划-校验-执行模式保障准确性。- 清晰标注MCP工具调用，避免工具定位错误。总结一句话：写Skill如导航指南，既要言简意赅，又要层层递进，帮助Claude快速准确地找到并执行任务，真正实现智能助理的高效赋能。详情：platform.claude.com/docs/en/agents-and-tools/agent-skills/best-practices

7. #IT那些事儿# AI时代，软件测试往何处去？不仅仅是QA困惑，在一个几百人的IT专家群里也看到同样的困惑： ①现在的软件测试理论跟不上AI时代了； ②在AI的加持下，软件测试也就弄了个覆盖率指标； ③对 opus 说，请把单元测试代码覆盖率提升到 80% 以上，它一股脑跑了 3 个小时； ④AI 写的测试用例可能是为了覆盖而覆盖，没有实际的意义。但是这是软件工程上面的问题，而不是 ai 的问题，毕竟在没有 AI 的年代，还是有非常多人在做这种事情。 ⑤觉得 AI 写单元测试的价值不大，不过写集成测试用例还是有点用的。 ⑥测试失效：现在的 test cases 也是 AI vibe 出来的，agent 又当裁判又当运动员，它说什么就是什么。蒙我坑我也不是一次两次了。写了几千行 getter/setter 的 test case ，最后测试全绿告诉我可以上生产环境发布了。 ……

8. AI圈昨晚炸了！Claude Code内部不慎操作，导致源码泄露，整整51万行代码、1900多个文件，全部意外公开，而这件事背后更重要的是：让所有人第一次看清楚，下一代AI软件到底长什么样。#大有学问 #红衣聊AI #代码 #网络安全 #Claudecode

9. “Skill 不就是长一点的提示词吗？” 上篇文章《别把整个 GitHub 装进 Skills，Skills 的正确用法 http://t.cn/AXqLcGP0 》发出去后，收到一些质疑： > "说 skill 能做配图 prompt 不行。本来 skill 就是加载 md，没 skill 之前我们用 prompt 模板照样也是能做流程编排。" > > "现在大部分 skill 不就是长一点的提示词吗？为什么说'单纯靠提示词做不了'？" 这些批评是对的。我原文确实表达有问题。写"提示词"的时候，我下意识拿 Gem、Project、GPTs 里的那种提示词当例子。那些确实做不到一次性生成配图。但"提示词"是个很宽泛的概念。如果我把 SKILL.md 的内容复制出来发给 Claude Code，再给它一个生成图片的脚本，它一样能完成配图任务。这里的差异不在于提示词能不能复用，Gem 和 GPTs 里的提示词也能复用。差异在于：提示词配套的是 ChatBot，还是 Agent？【1】ChatBot 和 Agent 的核心区别 Skills 的完整名称叫 Agent Skills。注意这个"Agent"，它不是装饰词。Skills 利用 Agent 的虚拟机环境，提供单纯提示词无法实现的能力。一句话总结：ChatBot 只能对话，Agent 能动手干活。具体来说： ChatBot 不能调用工具。你给它一段配图提示词，它能帮你分析文章、生成画图 prompt，但真要生成图片？它只能说"请把这段提示词复制到 Gemini"。剩下的活还是你干。 Agent 能调用工具。同样的配图任务，它能像个经验丰富的编辑一样自己完成： 1. 读取你的文件 2. 分析需要几张图、放哪里 3. 为每张图设计内容和风格 4. 调用画图模型生成图片 5. 把图片插入正确位置 6. 输出成品交到你手上全程自动化，你只需要验收。【2】那 Skill 到底是什么？很多人把 Skill 理解成"一段很长的提示词"，这个理解对了一半。 SKILL.md 的核心确实是指令文本。但 Skill 不止于此。一个 Skill 可以包含三层内容：第一层：元数据。就是 name 和 description，告诉 Agent 这个 Skill 是干嘛的、什么时候该用。这部分在启动时就加载，但只占几十个 token。第二层：指令。SKILL.md 的主体内容，工作流程、最佳实践、注意事项。只有 Agent 判断需要用这个 Skill 时，才会读取这部分。第三层：资源和代码。附带的脚本、模板、参考文档。Agent 按需读取，用的时候才加载。这就是官方说的"渐进式加载"：不是一股脑把所有内容塞进上下文，而是用到什么加载什么。所以你可以给一个 Skill 附带几十份参考文档，只要这次任务用不上，它们就不占用上下文窗口。传统提示词做不到这一点。【3】为什么说配图"单纯靠提示词做不了"？回到原来的争议。如果你说的"提示词"是指发给像 Claude Code 这样的 Agent 的指令，那配图当然能做到。因为这时候提示词是发给 Agent 的，Agent 能调用工具。但如果你说的是发给普通 ChatBot 的提示词，比如 ChatGPT 的自定义指令、Gemini 的 Gem、Claude 的 Project 指令，那确实做不到。因为 ChatBot 没有工具调用能力，它只能输出文字。我原文的问题在于：默认读者理解的"提示词"是 ChatBot 场景下的提示词，但没有明确说出来。更准确的表达应该是：Skill 必须配合 Agent 使用。发给 ChatBot 的提示词，无论写多长多详细，都只能完成对话能完成的事。要让 AI 真正"动手"，需要的是 Agent + 工具调用能力。【4】那我直接给 Claude Code 发长提示词不行吗？行。把 SKILL.md 内容复制出来当提示词发，Agent 一样能执行。这也是为什么有人觉得"Skill 就是长一点的提示词"。但 Skill 的价值不在于"能不能做到"，而在于：可复用。写一次，以后每次相关任务自动触发，不用每次复制粘贴。可组合。分析 Skill + 提纲 Skill + 写作 Skill，像乐高一样拼起来。单独的提示词模板做不到这种模块化组合。可迭代。用着用着发现问题，直接让 Agent 帮你改进 Skill。下次自动生效。传统提示词模板改了之后，你得记得每次都用新版本。可渐进加载。Skill 附带的资源文件不会一开始就占用上下文。你的提示词模板再怎么组织，发出去就是全量加载。简单说：Skill 是提示词的工程化封装。能做的事差不多，但管理成本、复用成本、迭代成本完全不同。【5】最后上篇文章的核心没变：因需而建、可组合、可迭代。 Skill 就是长一点的提示词吗？是的。但光有提示词不够。关键是执行这段提示词的系统，到底是只会说的 ChatBot，还是能真正动手的 Agent。 Skill 是给 Agent 用的。没有 Agent 的工具调用能力，Skill 就只是一段躺在文件夹里的 Markdown。

10. Claude Code 12条浏览器skills，用得上！1）browser：核心，远程浏览器会话，内置反爬 stealth、自动过 CAPTCHA、住宅代理2）site-debugger：自动化脚本跑不通？它分析 bot 检测、选择器失效、时序、auth 问题，生成站点调试手册3）browser-trace：记录完整 CDP 协议 trace（截图+DOM dump），再按页面切分成可搜索的桶，用来排查"脚本跑的时候到底发生了什么"4）safe-browser：给 agent 加域名白名单，只让它在指定网站活动，做受控的爬虫5）cookie-sync：把本地 Chrome 的 cookies 同步到 Browserbase，让 agent 直接用你的登录态6）ui-test：AI 对抗式 UI 测试，分析 git diff 决定测什么，或者直接遍历整个 app 找 bug7）functions：把浏览器自动化部署成 Browserbase 云上的 serverless 函数8）剩余5个：browserbase-cli fetch search what-antibot bb-usage，分别处理 CLI 平台操作、无头抓取、web 搜索、反爬检测、用量统计访问：github.com/browserbase/skills#HOW I AI# #程序员#

11. Anthropic 发了一份 33 页的官方指南，专门讲怎么给 Claude 构建 Skill。这份文档信息量很大，我来帮你梳理一下核心要点。先说 Skill 是什么。本质上就是一个文件夹，核心是一个叫 SKILL.md 的文件，用 Markdown 写，带个 YAML 头部。它解决的问题是：你不用每次对话都重复解释自己的偏好、流程和专业知识，教一次就够了，以后自动生效。可以把它理解成 Claude 的标准操作手册。以前你得反复 prompt，现在打包好让它自己按流程走。文件夹结构很简单。主文件 SKILL.md 是必须的，另外可以选配脚本目录、参考文档目录和资源目录。这套系统有个精妙的设计叫三层渐进式加载。第一层是 YAML 头部的 name 和 description，这个始终在系统提示词里，用来判断要不要激活这个 Skill。第二层是 SKILL.md 正文的完整指令，只有 Claude 判断当前任务相关时才加载。第三层是 references 目录下的文档，按需读取。这意味着你启用几十个 Skill 也没事，Claude 不会把所有内容都塞进上下文。第一层的 description 就像个触发器，写得好才能在正确时机激活。 Skill 和 MCP 是什么关系？指南用了个比喻特别到位：MCP 是专业厨房，提供工具、食材、设备；Skill 是菜谱，告诉你怎么用这些东西做出一道菜。MCP 解决的是能做什么，Skill 解决的是该怎么做。没有 Skill 的 MCP，用户拿到工具却不知道怎么用；有了 Skill，等于给工具配上说明书和经验沉淀。指南把使用场景分成三类。第一类是文档和素材创作，不依赖外部工具，纯靠 Claude 内置能力，比如生成前端设计、PPT、文档。第二类是工作流自动化，多步骤流程的标准化执行，比如用 skill-creator 引导用户一步步创建新 Skill。第三类是 MCP 增强，给已有的 MCP 连接提供工作流指导，比如 Sentry 那个代码审查 Skill，能自动拉错误数据、分析 PR、给修复建议。技术细节上有些硬性规则要注意。文件名必须精确是 SKILL.md，大小写敏感。文件夹名必须用 kebab-case，比如 my-cool-skill，空格下划线大写都不行。Skill 文件夹里不能放 README.md。禁止用 XML 尖括号，防止提示词注入。名称不能包含 claude 或 anthropic。 description 字段写法直接决定 Skill 能不能被正确触发。好的写法要同时包含三个要素：做什么、什么时候触发、核心能力是什么。指南总结了五种实战模式。顺序工作流编排适合严格按步骤执行的场景，比如客户入驻流程。多 MCP 协调适合跨服务的联合工作流，比如设计到开发交接。迭代精炼适合需要多轮改进的场景，比如报告生成。上下文感知的工具选择适合同一目标根据条件选不同工具的场景，比如智能文件存储。领域专业智能适合需要嵌入专业知识的场景，比如支付合规检查。测试上建议覆盖三个维度。触发测试看 Skill 是否在正确时机激活，直接请求能触发、换种说法也能触发、无关请求不误触发。功能测试看执行结果对不对。性能对比看有无 Skill 的差异，对话轮次、API 失败次数、token 消耗这些指标。一个实用建议：先在单个困难任务上反复迭代直到成功，再把经验提取成 Skill，别一开始就追求广覆盖。分发方面，个人用户可以下载压缩后上传到 Claude.ai 设置，或者放到 Claude Code 的 skills 目录。组织层面管理员可以全工作区部署。API 用户通过 /v1/skills 端点管理。Anthropic 把 Agent Skills 定位成开放标准，希望它能跨平台使用。常见问题排查。Skill 不触发通常是 description 太模糊，要加具体的触发短语。Skill 过度触发是范围太宽，要加负向条件缩小范围。指令不被遵循往往是太长太含糊或关键内容被埋没，要精简并把重要的放最前面。上下文变慢是 SKILL.md 太大或启用太多 Skill，主文件控制在 5000 词以内，详细文档移到 references 目录。最后一个高级技巧值得记住：关键验证步骤用脚本替代自然语言指令。代码是确定性的，语言理解不是。指南下载地址：resources.anthropic.com/hubfs/The-Complete-Guide-to-Building-Skill-for-Claude.pdf?hsLang=en #HOW I AI##科技先锋官#

12. 智能体上下文工程：为什么文件系统成了AI记忆的最佳载体？

13. 老金开源Agent Teams编排Skill：一句话自动组队，手动挡时代结束了

14. 火遍硅谷的AI模型，第一天就被入侵了！ #大有学问 #红衣聊AI #硅谷 #大模型 #AI工具

15. Claude Code 的操作手册，学习。作者用了半年 Claude Code 之后，发现很多人在重复踩同样的坑。总结几个真正能省时间的技巧：1. 把重复指令封装成 skill只要发现自己反复说同一段话，就把它写成一个 skill。关键是把 description 写得足够精确，这样 Claude 会学会自己触发，不需要你每次主动调用。2. 用 (at) 直接指定文件写 prompt 时直接（at)/path/to/file.ts，Claude 会把文件内容直接加载进 context。不这样做的话，Claude 会自己去搜索、分块读取，慢很多，而且容易漏。3. 用 ! 执行 shell 命令跑测试、类型检查，直接 ! tsc 比让 Claude 去执行快得多。4. CLAUDE.md 保持在 200 行以内只写 Claude 不可能自己知道的信息：业务背景、数据模型、命名规范、内部规则。其他全是噪音。文件越长，Claude 越容易被稀释注意力。5. 单独维护一份 AGENTS.mdAGENTS.md 正在成为跨工具的标准格式（Cursor、Codex、Gemini CLI 都支持）。把核心逻辑放在这里，CLAUDE.md 只用一行 (at)/AGENTS.md 引入。这样换工具不用重写一遍。6. 定期跑 /security 命令这个命令会做一次安全审查，不常见但值得养成习惯。不能替代你自己的安全意识，但能帮你捕捉明显漏洞。访问：www.reddit.com/r/ClaudeAI/comments/1sv852q/claude_code_cheat_sheet_after_6_months_of_daily/#HOW I AI# #程序员#

16. Skill不就是prompt吗？为啥被吹成这样？

17. 【AI前沿】Perplexity 公开内部 Agent Skills 手册：比格式更重要的，是一套新的开发者思维

18. 9个最佳的Claude Code提效项目1. Superpowers网页链接Superpowers是Claude Code的增强插件，提供快速原型开发和迭代编码能力。2. Awesome Claude Code网页链接精选的Claude Code资源、技巧、提示词、工具和集成的完整列表。3. GSD (Get Shit Done)网页链接轻量级任务自动化框架，帮助Claude Code高效完成日常开发工作流程。4. Claude Mem网页链接为Claude Code添加持久化内存能力，自动跨会话保存上下文，减少重复信息输入。5. UI UX Pro Max网页链接AI驱动的设计系统生成器，根据产品类型自动推荐配色、排版、布局和组件模式。6. n8n-MCP网页链接为Claude提供n8n自动化工作流的完整文档和API访问，让Claude能设计和部署复杂的自动化。7. Obsidian Skills网页链接Obsidian笔记软件的Agent Skills，使Claude Code能直接创建和编辑Markdown、Canvas和Bases。8. LightRAG网页链接轻量级检索增强生成框架，通过知识图谱和向量检索为Claude Code提供更精准的信息检索。9. Everything Claude Code网页链接production级Agent框架，包含28个专业子Agent、116个技能、59个命令和完整的安全审计系统。#HOW I AI# #程序员# （via. Hasan Toor)

19. Skill Creator：构建 AI 智能体的skill技能。很多人在用 Claude Code 或 OpenClaw 时，慢慢就自己摸出了一套工作流——比如"我每次都先这样，然后那样，再加一个脚本"。Skill Creator 提供了一套结构化的框架，让你把这种高频工作模式固化成一个 Skill，然后：1. 保存下来，永久复用2. 根据测试反馈迭代改进3. 通过量化评估来验证有没有真的变好4. 最后打包分享给团队核心机制：Draft → Test → Review → Improve → RepeatSkill Creator 的设计逻辑很工程化：1. Draft定义 Skill 要做什么、什么时候触发、输出格式写成 SKILL.md —— 这是核心，包含人类可读的指令 + 元数据目标：200-500 行清晰的文档，不堆砌2. Test写 2-3 个现实场景的测试用例关键：不只跑一遍，要同时跑"用这个 Skill"和"不用 Skill"两个版本（baseline）捕获：时间、token 消耗、输出质量3. Review启动一个交互式评审界面（浏览器），可视化对比两个版本用户逐个看，打反馈，可以看定性输出（文件内容）和定量数据（性能指标）关键：提前草稿量化评估（assertions），而不是等结果出来再想4. Improve根据反馈改 Skill重新测试到新的 iteration和上一版本对比，看有没有真的变好5. 反复直到满意项目：github.com/anthropics/skills/tree/main/skills/skill-creator#HOW I AI# #程序员#

20. 我写了个 Skill，让 Agent 自动给文章配图写完一篇长文，配图是一件让人头疼的事。你得一张张想画面、写提示词、生成、挑选、插入……一篇三千字的文章配五六张图，光这个环节就能耗掉半小时。我最近折腾了一个 Agent Skill，让 Agent 帮我全程代劳。把文章丢给它，它自己分析哪里需要图、应该画什么风格、然后一张张生成并插入对应位置。整个过程我只需要一句话："给这篇文章配图。"包括你现在看到的这篇文章（网页链接）的配图，都是这个 Skill 帮助完成的。今天就聊聊这个给文章配图的 Skill 是怎么设计的，顺便科普一下 Agent Skills 这个被很多人忽略的强大功能。【1】什么是 Agent Skills？先说个类比。你新招了个助理，聪明是聪明，但对你公司的业务流程一无所知。每次布置任务，你都得从头解释：我们用什么工具、流程是怎样的、有哪些注意事项……Agent Skills 就是一份"入职培训手册"——你把这些知识写下来，Agent 需要的时候自己翻阅，不需要你反复交代。技术上说，Skill 是一个文件夹，核心是一个叫 SKILL.md 的文件。Agent 启动时只记住它的名字和简介（大概 100 个 token），真正用到时才去读详细内容，用完就可以"忘掉"。这套机制叫"渐进式加载"，好处是你可以装一堆 Skill 而不会撑爆上下文窗口。那它和传统的提示词有什么差别？传统提示词主要问题是没有脚本执行能力，而且是你一次性加载全部提示词。而 Agent Skills 一开始只加载一个 100 token 不到的名称和介绍，激活了才去加载，加载的时候也只先加载 Skill.md 文件，需要用到更多内容才继续加载。另外 Skill 还可以调用其他 Skill，这样你可以把能力组合起来。至于和 MCP 的区别？MCP 是用来统一工具调用的协议，Skill 可以指挥 Agent 去调用 MCP。【2】配图 Skill 的设计思路给文章配图这件事，拆开来看有几个核心问题：哪里需要配？什么风格？怎么画？我设计的这个 Skill 把这几个问题分别拆解成几个步骤：第一步，分析文章结构，找出"需要视觉辅助"的位置。比如抽象概念需要可视化、流程需要图解、核心论点需要强化——这些地方配张图，阅读体验会提升一个档次。第二步，根据文章内容自动匹配插画风格。我预设了九种风格：tech（科技感）、warm（温暖亲和）、minimal（极简）、playful（趣味涂鸦）、notion（线稿风）……每种风格都定义好了配色、元素、适用场景。Agent 会根据文章主题自动选择，当然你也可以手动指定。第三步，为每张图生成提示词文件，可以留作记录，也方便后续 Agent 调用。第四步，调用图像生成 Skill，把默认系统提示词和每一张图片的提示词发给它，一张张生成图片，并保存起来。第五步，让 Agent 把图片插入文章对应位置。这一步说实话有点像“魔法”，我第一次只是抱着试试看的心理在 Skill 里面加了这么一句，没想到 Agent 的聪明超出我的想象，它自己就把图片插入到了正确位置，还贴心的加上了图片描述。整个流程跑下来，一篇文章从"纯文字"到"图文并茂"，基本上是几分钟的事，主要速度瓶颈还在生成图片上。【3】SKILL.md 怎么写？一个 Skill 的入口是 SKILL.md 文件，分两部分：头部元信息和正文指令。头部元信息长这样：```yaml---name: article-illustratordescription: 分析文章内容，在需要配图的位置自动生成插画。当用户要求给文章配图、生成插画时使用。---```name 是 Skill 的唯一标识，description 是简介。这两个字段 Agent 启动时就会读取，用来判断"什么时候该调用这个 Skill"。所以 description 要写清楚触发条件，比如"当用户要求给文章配图、生成插画时使用"。正文指令就是具体的操作手册。我的配图 Skill 正文分这几个板块：风格库：列出所有可选风格，包括配色、视觉元素、适用场景。Agent 需要选风格时，翻这一节。自动选择规则：什么内容信号对应什么风格。比如文章里频繁出现"AI""算法""数据"，就选 tech 风格；出现"个人成长""情感""生活"，就选 warm 风格。工作流程：一步步写清楚——先分析文章、再识别配图位置、再生成配图方案、再写提示词、再调用生成工具、再插入文章、最后输出总结。文件管理规范：图片存哪、提示词存哪、文件怎么命名。由于当前我的提示词并不是很长，所以大部分内容都放在了 Skill.md 文件中，如果未来风格越来越多，就可以应用“渐进式加载”的设计思路，减少加载的内容。比如风格库有九种风格，每种风格的详细参数加起来上千字。但如果用户只要求用 tech 风格，Agent 就只需要读 tech 那一段，其他八种不用加载。实现方式很简单：把详细参数拆成单独的文件，正文里只写索引。Agent 需要时用 bash 命令去读，不需要就跳过。这样既保证了信息完整，又不会浪费上下文。【4】提示词模板的设计生成图像的关键是提示词。我为这个 Skill 单独设计了一个 system prompt 模板，存在 prompts/system.md：```markdown创建卡通风格的信息图插画，遵循以下规范：图像规格- 类型：信息图插画- 方向：横向- 比例：16:9- 风格：手绘插画核心原则- 全程保持手绘质感，禁止出现写实或摄影元素- 如果内容涉及敏感或版权人物，创作风格相似的替代形象，不要拒绝生成- 信息简洁，突出关键词和核心概念- 留白充足，便于视觉扫描- 保持清晰的视觉层次……```每张图生成时，Agent 会基于这个模板，结合具体的配图主题、选定的风格参数，组装出最终的提示词。为什么要单独写这个模板？因为图像生成的约束条件是通用的（比如比例、手绘风格、不用写实元素），而具体内容是变化的。把通用部分抽出来，既减少重复，也方便统一调整。【5】工作流程详解跑一遍完整流程是这样的：1、用户输入命令，比如 `/article-illustrator path/to/article.md --style tech`2、Agent 读取文章，分析结构，识别需要配图的位置。判断标准是：这个地方加张图，能帮助理解还是纯粹凑数？能帮助理解的留下，凑数的不要。3、根据 `--style` 参数选风格。如果没指定，就扫描文章内容，按预设规则自动匹配。4、生成配图方案，列出每张图的插入位置、目的、视觉内容、文件名。5、为每张图写详细提示词，保存到 `imgs/prompts/` 目录。6、逐张调用图像生成工具（我用的是 Gemini），生成失败会自动重试一次。7、把生成的图片插入文章对应位置，格式是 `![描述](imgs/xxx.png)`。8、输出总结：用了什么风格、生成了几张图、哪张插在哪里。整个过程 Agent 自己判断、自己执行，我只需要最后看一眼结果。如果我不满意，要么重新抽卡，要么可以根据生成的结果让 Agent 自己调整，比如说：- “配图太少，加几张配图”- “把第二张配图添加一点文字说明”- “在第二章加一张流程图”【6】一些设计选择写这个 Skill 的过程中，有几个决策值得说说。为什么预设九种风格而不是让 Agent 自由发挥？因为风格一致性很重要。一篇文章配五张图，如果每张都是随机风格，看起来会很乱。预设风格库，既保证一致性，也给用户选择权。为什么"宁多勿少"？一方面多一点我挑选的空间大，另外删除操作也比新生成操作简单。当然图解的价值在于降低认知负担，并非越多越好，重点还是能辅助理解信息，所以我在 Skill 里明确写了类似的话：> “配图服务于内容：补充信息、具象概念、引导想象，避免重复文章中已经很直观的信息”【7】怎么用起来？如果你已经有了 Claude Code 这样的 Agent，直接告诉 Agent：> 请帮我安装 github.com/JimLiu/baoyu-skills 中的 Skills如果你只需要配图技能，就告诉它：> 请帮我安装宝玉的这个文章配图技能：github.com/JimLiu/baoyu-skills/blob/main/skills/baoyu-article-illustrator/SKILL.md当然，这个配图 Skill 依赖“图像生成 Skill”。如果你的环境没有接入 Gemini 或其他图像生成工具，或者其他图像生成技能，需要先搞定这一块。否则就只能让它生成提示词手动去生成配图了。后续我也会更新其他平台的使用说明。【8】写在最后Agent Skills 是个被低估的功能。很多人还停留在"和 AI 聊天"的阶段，没意识到可以把自己的工作流程、领域知识"教"给它，让它变成真正懂你业务的助手。配图只是一个例子。你完全可以用同样的思路，写一个自动生成周报的 Skill、一个代码审查 Skill、一个调研报告 Skill……核心就是把你脑子里那些"做这件事的正确方法"写下来，交给 Agent 执行。如果你有什么重复性的工作，试着问自己：这个流程能不能抽象成一个 Skill？大概率是可以的。

21. AI编程代理经常缺乏生产级工程技能，容易跳过规格编写、测试验证、代码审查等关键步骤，导致代码质量低下、后期维护成本高。agent-skills 为AI编码代理提供生产级工程技能包，覆盖从需求定义到部署上线全开发生命周期的最佳实践。包含19个结构化技能工作流和7个斜杠命令，支持Claude、Cursor、Gemini CLI等多平台AI工具，让代理像资深工程师一样规范开发。GitHub：github.com/addyosmani/agent-skills主要功能：- 7个开发生命周期命令：`/spec`（规格先行）、`/plan`（任务分解）、`/build`（增量实现）、`/test`（测试验证）、`/review`（代码审查）、`/code-simplify`（代码简化）、`/ship`（安全部署）；- 19个核心技能：从`idea-refine`（想法提炼）到`shipping-and-launch`（上线发布），每个技能包含步骤、工作流验证和反合理化表；- 专业代理角色：`code-reviewer`（资深工程师视角）、`test-engineer`（测试专家）、`security-auditor`（安全审计）；- 参考清单：测试模式、安全检查、性能优化、无障碍标准等快速参考；- Google工程实践：集成Hyrum's Law、测试金字塔、Chesterton's Fence、Trunk-based Development等实战经验；- 多平台集成：Claude Code一键安装，Cursor规则文件，Gemini原生技能，支持任何Markdown提示的AI代理。通过`git clone`本地运行或Marketplace安装，适合开发团队、AI代理爱好者和工程实践训练。#AI编程# #工程技能# #AgentSkills#

22. n8n要凉了？Agent Skills实测对比，谁才是AI自动化之王！

23. 在线开发经常需要不同领域技能之间切换，选错工具导致效率大打折扣。Claude Skills 整合了 66 项专为全栈开发者设计的专业技能，涵盖前端、后端、测试、DevOps、安全、数据等多个领域。用它配合 Claude 代码助手，可以让 AI 变成你的全能资深编程搭档。不仅支持自动根据需求激活对应技能，还能组合多技能完成复杂任务，比如从需求到测试上线整个开发流程辅助；还有丰富参考资料和项目工作流命令，支持与 Jira、Confluence 等工具集成。GitHub：github.com/Jeffallan/claude-skills 主要优势：- 66 个细分技能，覆盖 12 大技术类别，资深专家级能力；- 自动根据上下文激活对应技能，极大提高代码生成精准度；- 多技能联动支持复杂业务开发、调试、测试和安全加固；- 丰富的参考文档和决策树，便于快速理解和应用；- 工作流集成 Atlassian 工具，支持项目从需求到回顾全链路管理；- 跨语言支持，涵盖 Python、JavaScript、DevOps 脚本等多种技术栈。适合全栈开发人员、技术负责人和敏捷团队打造高效协作开发环境。#AI创造营##人工智能#

24. 为什么说“ Skill Registry”是 Agent 从个人助手演进为企业生产力的关键一步？

25. 一次搞懂skill原理，玩法，开源skill资源，动手教程......

26. Antigravity更新了Skill，Skill将是全网即将统一的核心功能！

27. 开源一个 PPT Skill｜压进了我 10 年的设计经验

28. 24小时15.3K安装量稳坐王座！老金愿称之为元Skill！

29. 手把手彻底学会 Agent Skills！【小白教程】

30. AI编程工具里的 Skill、MCP、Workflow、Rules、Memories到底有什么区别？

31. Claude Code Skill大升级

32. Claude Code，codex 开发完成后好用的测试 Skills 排名及特点

33. 测试人必备的4个AI Skills（附下载地址和详细用法）

34. 一天一个SKILL——前端最佳自动化测试 webapp-testing

35. AI测试借助Webapp-testing Skill 完成回归测试

36. 测试常用的Skills

37. AI驱动UI自动化测试

38. 别再“盲目抓取”了

39. SKILL.md 要怎么写？ Agent 技能基本编写规范

40. SKILL.md 本质是不是提示词？

41. 工程师进阶AI技能指南

42. Claude Code Skill自动评估和基准测试

43. Claude Code新功能

44. Claude Code 创建自定义skills

45. ClaudeCode最近很火！快速入门与配置+最佳实践+企业级应用实战！

46. 重塑AI协同边界

47. cursor中生成测试用例skill实战

48. CLI+Skill 浏览器 AI 自动化框架

49. Claude Code 实操指南：如何安装、如何寻找 Skills？

50. Claude Code五大必备Skills推荐

51. 基于playwright-cli +Skills实现UI自动化测试实战案例

52. 为Claude装备超能力：claude code skills 完全指南

53. Skills 系列: webapp-testing

54. 彻底告别“点点点”！0基础团队接入 Playwright + Claude Code，测试效率到底能翻几倍？（附实操记录）

55. ClaudeCode技能封装实操，新手也能搞定AI智能体联动

56. 闭环流程重塑开发工作流的ClaudeCode插件

57. 构建 Claude Code 的经验：Anthropic 如何运用 Skills 技能

58. 装完这几个Skill，今天上班直接快一倍

59. Agent Skill 完全指南(使用/开发/调试)

60. 基于playwright-cli +Skills实现UI自动化测试实战案例2️⃣（附常见问题处理）

61. Agent+MCP+Skills 重构自动化测试：从脚本生成到测试闭环

62. 这个让claude自己学习的思路太好了。我发现用 Claude Code 越久越觉得一件事挺烦的——每次开新会话，之前踩过的坑它全忘了。上次花了 20 分钟才搞定的 TypeScript 配置问题，换个会话又得重新来一遍。写了一大堆 CLAUDE.md 也管不过来。后来刷 GitHub 的时候发现一个叫 Claudeception 的 Skill，1800 多个 star。它做的事情挺简单但想法挺妙——让 Claude Code 在工作中自动把踩坑经验提炼成 Skill，下次遇到类似问题直接加载，不用你手动教。说白了就是 AI 编程工具的三个阶段进化： CLAUDE.md —— 你手写规则教它。被动。 Auto Memory —— 它自己记笔记。半主动。 Claudeception —— 它自己分析自己的工作，提炼出可复用的技能。完全主动。以前你花时间教 AI，现在 AI 自己教自己。Claude Code 的这套 Skill 自学机制怎么实现的、它用什么标准筛选值得学的经验、怎么装，我全拆开讲了——对了，作者还做了一整套 Claude Code 进化工具，总 star 9500+。内容挺多的，建议先存着慢慢看。 #真实生活分享计划 #算法 #程序员 #claude #ai

63. 别再问“怎么写 Skill.md”了，直接抄生产级的Skills 库

64. 从提示词到上线ClaudeCode新手必学的8个skill 真正高效的用法，不是把 Claude Code 当成一个写代码工具，而是把它当成一整套 AI 开发团队来调度，这期我给你一条新手最稳的 Skill 工作流，从想法开始，一直走到测试和上线。#claudecode #工作流 #skill #AI工具 #AI编程

65. 从构建 Claude Code 得到的经验：我们如何使用 Skills

66. 手把手教会你做个符合自己需要的AgentSkill

67. 写了一个Linux性能分析的AI Skill，Claude Code和OpenClaw都可用，附源码

68. 一文吃透Claude Code Skill：程序员提效神器，从入门到实操全攻略

69. Claude Code常用Skill推荐，编程效率翻倍

70. 测试用例一丢，5min自动化用例就出现

71. 新手使用Claude Code，先学会用这6个Skill 别再只把 Claude Code 当聊天框了。这期整理了最适合新手先打开的 6 个实用 Skill：explore、code-review、debugger、test-engineer、code-simplifier、dependency-expert。从摸清仓库、审代码、定位报错，到补测试、重构和处理依赖，每一个都是真能帮你少走弯路的硬通货。 #ClaudeCode #AI编程 #AI工具 #VibeCoding #编程入门

72. 如何从零开始构建自己的Claude Skill？

73. All about Claude code skill.md

74. 2026最强AI编程工具横评：ClaudeCode、Antigravity、Codex怎么选

75. anthropics的Claude skills官方模块开源项目

76. AI 赋能自动化测试｜Playwright CLI 极简实操

77. Claude Code Skills 技能配置完全指南