大家好，我是Tony Bai。

欢迎来到微专栏 《打破黑盒：用工程思维构建工业级 Agent Skills》的第一讲。

在上一讲的开篇词中，我们达成了共识：告别“玄学 Prompt”，把 Agent Skill 的开发变成一项严谨的软件工程。 并且，我们确定了贯穿本专栏的核心战略——“用 AI 制造 AI”，即使用 Anthropic 官方发布的 skill-creator 工具，在 Claude Code 环境中来自动生成、评估和迭代我们的技能。

但是，在使用自动化工具之前，我们必须跨越一个认知陷阱。

很多开发者在使用代码生成工具时，往往会沦为“黑盒操作工”：输入一句话，得到一个文件夹，跑得通就大呼过瘾，跑不通就一脸茫然。

如果你不懂得这个文件夹里的代码是如何被底层引擎解析的，当你的 Skill 遇到触发率低、频繁幻觉、上下文超载等棘手问题时，你将束手无策。

因此，在我们正式指挥 skill-creator 干活之前，本讲我们要先做一回“解剖学家”。我们要把 skill-creator 生成的产物——Skill Spec（技能规范）——放在手术台上，逐层拆解。当然考虑到Anthropic发布了agentskills.io这个开源的公共Agent Skill标准，这次剖析也是完全适用于Skill标准的。

我们要搞清楚：从物理结构上看，一个标准的 Skill 长什么样？更重要的是，从运行机制上看，Claude Code究竟是如何在成千上万个词汇中，“精准理解”你的意图，并“按需加载”这个技能的？

准备好了吗？让我们开始这场打破黑盒的探秘之旅。

物理结构：一个标准 Skill 的解剖图

在 Agentic SE（智能体软件工程）时代，我们必须纠正一个旧观念：Skill 不是一段写在聊天框里的长篇大论，而是一个结构化的、可分发的“代码包”。

为了让你有最直观的感受，我们先在终端中启动 claude code，并调用 skill-creator 帮我们生成一个最基础的骨架。

假设我们希望 Claude 帮我们分析 Go 语言的测试覆盖率。我们在 Claude Code 中输入以下指令：

> Use the skill-creator skill to help me build a skill for analyzing Go test coverage.

skill-creator 经过一番询问和思考后，会在你的本地生成一个名为 go-test-analyzer 的文件夹。如果你用 tree 命令查看这个文件夹，你会看到一个非常经典的目录结构：

go-test-analyzer/