Claude Code Skill 生态正处于爆发期，截至 2026 年 3 月，GitHub 上的 anthropic/skills 仓库星标数已突破 8.7 万，每周都有大量的开发者在分享自己的 Skill。

但如何从零开始，结构化地设计、构建并发布一个真正“好用”的 Skill？本文将结合我开发“电商评论分析 Skill”的实战经验，手把手带你跑通全流程。

什么是 Claude Skill？

简单来说，Claude Skill 是一套赋予 Claude 特定任务处理能力的“指令集”。它的核心设计理念是渐进式披露（Progressive Disclosure），分为三个阶段获取信息：

元数据（名称+描述）： 始终存在于 Claude 的上下文，约 100 tokens。Claude 仅凭此判断是否加载该 Skill。

SKILL.md 正文： 仅在被触发时加载。

捆绑资源（脚本、参考文档、资产）： 根据实际需要按需加载。

这种结构确保了你可以安装上百个 Skill 而不会撑爆上下文窗口（Context Window）。

Skill vs. MCP vs. 子智能体（Subagents）

在动手前，你必须搞清楚这三者的区别，选错工具会事倍功半：

Skills（技能）： 教导 Claude 如何行动——分析流程、编码规范、品牌准则。

MCP 服务器： 给 Claude 新的工具——发 Slack 消息、查询数据库。

Subagents（子智能体）： 让 Claude 在独立的上下文中运行离线任务。

我们可以理解为：MCP 是厨房（刀具、锅、食材）；Skill 是菜谱（告诉你如何使用它们）。

规划与设计：别急着写代码

很多开发者（包括曾经的我）会直接上手写 SKILL.md，结果发现 Skill 根本不触发。设计的核心是定义使用场景。

4a. 从具体案例出发

不要做一个“通用的助手”，而要针对重复性的工作。 以我的“电商评论 Skill”为例，我定义的触发场景是：“读取订单 CSV，分解 KPI 指标，总结优先级发现，并生成具体的执行方案。”

4b. 编写 YAML 前文（Frontmatter）

这是决定 Skill 能否“复活”的关键。Claude 默认倾向于不触发 Skill，所以你的描述必须具有一定的“侵略性”和明确的触发词。

反面教材： name: data-helper (描述太模糊，Claude 不知道什么时候用它)

正面教材： name: sales-data-analyzer (明确说明：分析销售 CSV/Excel，计算指标。当用户提到“利润率、流失率、广告支出”或上传带有财务表头的表格时触发。)

实现模式：从简单到复杂

模式 A：纯提示词（Prompt-Only）

仅包含 SKILL.md 中的 Markdown 指令。适用于：代码规范检查、提交信息格式化。 优点： 零依赖，开发最快。

模式 B：提示词 + 脚本（Prompt + Scripts）

包含 Python 或 Node.js 脚本。适用于：数据清洗、PDF 处理、复杂的数学计算。

SKILL.md 定义“何时以及为何”调用脚本。

scripts/ 下的脚本负责具体的“如何执行”。

模式 C：Skill + MCP / 子智能体

用于需要外部 API 交互的复杂工作流。建议初学者先玩转前两种模式。

测试与迭代：告别“理想化”提示词

测试 Skill 时，千万不要用那种干净、礼貌的提示词。真正的用户会打错字、用简称、忘记文件名。

错误的测试： “请分析我上传的 Excel 销售数据。”

正确的测试： “帮我搞下刚下载的那个 Q4 最终版.xlsx，老板要看利润率，列 C 是收入，D 应该是成本，帮我加一列算一下。”

如果你发现 Skill 难以触发，可以尝试使用 Anthropic 的 skill-creator 工具进行优化。

发布与分发

当你准备好分享你的成果时，有几种主流方式：

ZIP 上传： 直接在 Claude.ai 设置中上传压缩包。

项目内集成： 放在代码仓库的 .claude/skills/ 目录下，团队成员克隆代码即可直接使用。

对于需要面向全球用户分发 Skill 的开发者，建议将相关的静态资源或镜像存放在 HostEase 的高带宽主机上。这样无论用户身处何地，Skill 调用脚本和下载资产的速度都能得到保障，避免因网络超时导致的执行失败。

结语

一个 Skill 本质上是一个结构化的、可复用的 Prompt 深度封装。

如果你发现自己每天都在做重复的分析、格式化或代码审查工作，那么这种重复性就是你构建 Skill 的最佳切入点。别让你的才华浪费在搬砖上，把它写成 Skill，让 Claude 替你完成。