Anthropic为Claude新增Skills功能，提供特定能力。Skills通过SKILL.md文件定义元数据，与MCP不同，采用"渐进式披露"原则，仅加载必要信息，节省上下文空间。Skills专为可重复工作流设计，可能成为继MCP后的又一行业标准。

---

Anthropic 前两天为 Claude 增加 Skills 功能。这恐怕又会成为 MCP 之后的一个新标准了。

什么是 Skill

什么是 Skills，就是为大模型提供具体的某种能力，这听上去有点类似与 MCP 的概念，巧了，MCP 也是 Anthropic 提出来的。

接着说什么是 Skill，假设我想查询明天的天气，如果只用大模型自己的能力肯定不行，它必须要联网搜索，而联网搜索天气预报这是一个具体且专业的事情，之前用 MCP 可以做到，现在呢，用 Skill 也能做了，这个Skill 的能力就是查天气，可能是一个 Python 方法，就是到某个天气网站搜索天气情况。

在 Claude 设置页面，有一些 Claude 内置的技能。

Skill 是一套指令，放在一个文件夹中，包含一个命名为 SKILL.md 的文件和其他文件，例如 Python 脚本。当 AI 代理尝试解决特定问题时，它会参考这些文件。

Skill.md 文件必须以 YAML 格式的 frontmatter 开头，必须包含 name 和 description 元数据。启动时，代理会将每个已安装技能的 name 和 description 预加载到其系统提示符中。

在 Skill.md中还可以引用其他的 markdown 文件。

markdown 又立大功了！

Skill 和 MCP 的关系

我们完全可以用子代理和 MCP 来完成这些事情，为什么又创造出 Skill 这个概念呢？

它们之间最大的区别可能就在于上下文窗口（context window）的管理方式。

如果打开一个 Claude 实例，并连接了三个 MCP 服务器，仅仅是这些 MCP 服务器就占用了大约 16% 的上下文，也就是将近 32,000 个 tokens。

这是因为每当连接一个 MCP 服务器，它都会将所有可用的工具都加载进来，然后 AI 代理需要自己判断在什么步骤使用哪个工具。

另一种方式是创建子代理（agents）。每个代理都是专业化的，但问题在于，它们的上下文与主代理完全隔离。当我们调用一个子代理时，它会执行一系列操作，但最终只会返回结果，而不会把中间过程的上下文传递给主代理。

Claude 的 Skill 则完全不同，这一切都归结于那个 SKILL.md 文件。它基本上包含了系统提示（system prompt），也就是这个Skill具体是做什么的，同时还附带了一些可供这个特定Skill使用的工具。

只看目的的话，确实和 MCP 很像，尤其是当我们把这些脚本看作工具时。关键区别在于：

第一，Skill 是专业化的，专为可重复的工作流而设计。你是在明确地告诉 AI 代理如何、以及按什么顺序使用这些工具。

第二，也是最重要的一点，是它如何管理上下文。当你使用多个 Skill 时，系统最初只会加载每个 Skill 的元数据（metadata），也就是简短的描述，每个大约只占用 100 到 150 个 tokens，而不是像 MCP 那样加载全部 32,000 个 tokens 的工具描述。

当用户请求进来后，系统会根据相似度选择一个或多个Skill。如果某个Skill不相关，AI 代理就会直接忽略它，转而寻找其他Skill。一旦确定使用某个Skill，它才会加载该Skill的主体内容并开始使用其工具。

Anthropic 将这种方式称为“渐进式披露”（Progressive disclosure）。这是让Skill变得灵活且可扩展的核心设计原则。就像一本组织良好的手册，先从目录开始，然后是具体章节，最后是详细的附录。Skill 让 Claude 只在需要时加载信息。

Skill 潜力

未来会告诉我们这个模式是否会被行业广泛采用，但潜力是巨大的。

MCP 也是 Anthropic 提出的，之后被各个大模型和厂商跟进。

这样看来，行业领先者就是有制定标准的优势。

至于 Skill 能否也像 MCP 一样成为一个标准，还要看行业内的接受程度

如何学习AI大模型 ？

“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，故此将并将重要的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。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型实战项目&项目源码👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战项目来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

为什么分享这些资料?

只要你是真心想学AI大模型，我这份资料就可以无偿分享给你学习，我国在这方面的相关人才比较紧缺，大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）