Claude Skills：用 Markdown 插件扩展 AI 能力

作为一个被 Spring Boot、MyBatis 和各种 Java 框架“折磨”多年的后端老码农，看到 Anthropic 这个 skills 项目的第一反应是：“这不就是 AI 版的插件系统吗？”

没错！这个项目本质上是在给 Claude（Anthropic 的大模型）提供一套“技能包”，就像你给你的手机装 App，或者给 VS Code 装插件一样。只不过这里的“App”不是图形界面，而是一堆 Markdown 文件 + 脚本资源，告诉 Claude “当你遇到这种任务时，按这个套路来”。

它到底解决了什么问题？

想象一下，你让 Claude 帮你生成一份 PPT，但你希望它严格遵循公司品牌规范：字体用思源黑体、主色是深蓝、每页必须有 logo。如果没有“技能”，Claude 只能靠猜，或者你每次都要重复写一大堆提示词。

而有了 Skill，你只需提前定义好一个 branding-skill，里面写清楚所有规则。下次你只要说“用 branding skill 生成 PPT”，Claude 就会自动加载这套规则，输出符合要求的内容。

这本质上是一种 上下文封装 + 行为复用 的机制，和我们 Java 里封装 Service 层、写通用工具类是一个思路——避免重复造轮子，提升一致性。

技术架构：极简但巧妙

最让我惊讶的是，这个“技能系统”的核心载体居然只是一个 SKILL.md 文件！结构如下：

---
name: my-skill-name
description: A clear description of what this skill does and when to use it
---

## My Skill Name

[Add your instructions here that Claude will follow when this skill is active]

## Examples
- Example usage 1
- Example usage 2

## Guidelines
- Guideline 1
- Guideline 2

你看，连数据库都不需要！YAML frontmatter 定义元数据，下面的 Markdown 内容就是“操作手册”。这种设计非常符合 Unix 哲学：简单、文本化、可组合。

当然，复杂技能（比如处理 PDF、Excel）会附带 Python 脚本或资源文件，但入口依然是那个 SKILL.md。整个架构就像乐高积木——每个技能是一个独立模块，Claude 在运行时动态“拼装”它们。

采用三层架构：

• 元数据层：YAML frontmatter 定义技能名称、描述等基本信息
• 指令层：Markdown 正文包含 Claude 执行时遵循的具体规则
• 执行层：可选的 Python 脚本或资源文件，处理复杂逻辑

如何使用？三种方式任你选

1. 在 Claude Code 中作为插件安装

如果你用的是 Anthropic 官方的 Claude Code（类似 Copilot 的 IDE 插件），可以直接添加这个仓库作为插件市场：

## 添加技能市场
/plugin marketplace add anthropics/skills
## 安装具体的文档处理技能包
/plugin install document-skills@anthropic-agent-skills

之后你就可以直接对 Claude 说：“用 PDF skill 提取 report.pdf 里的表单字段”，它就知道该调哪个技能了。

2. 在 Claude.ai 网页版中使用

官方已经把示例技能内置到付费版 Claude.ai 中了，你不需要手动安装，直接在聊天时提需求就行，比如：“用 PPTX skill 创建一个包含三页的演示文稿”。

3. 通过 API 集成到自己的应用

这才是我们开发者最关心的部分！你可以通过 Claude API 上传自定义技能，或者使用 Anthropic 提供的预构建技能。

## 具体 API 调用示例需参考 Anthropic 官方文档
## https://docs.claude.com/en/api/skills-guide
## 通常涉及创建技能、上传 SKILL.md、关联到对话上下文等步骤

创建自己的技能

要创建一个基础技能，你只需要编写一个符合规范的 SKILL.md 文件：

---
name: api-doc-skill
description: 为 RESTful API 生成标准化的接口文档，包含请求/响应示例、错误码说明等
---

## API Documentation Skill

当用户要求生成 API 文档时，请遵循以下格式：

1. 接口名称和描述
2. 请求方法和路径
3. 请求参数（Query/Body/Header）
4. 响应示例（成功和失败场景）
5. 错误码说明

## Examples
- 为用户管理系统的创建用户接口生成文档
- 为订单查询接口生成包含分页参数的文档

## Guidelines
- 使用标准的 OpenAPI 风格描述
- 必须包含至少一个成功响应示例
- 错误码必须包含 400、401、404、500 等常见状态码

性能与生产适用性

README 里明确说了：“这些技能仅用于演示和教育目的”。这意味着：

• 示例技能可能不稳定，不适合直接用于关键业务
• 但底层机制（Skill 加载、执行）是生产级的，因为 Anthropic 自己就在用（比如 skills/docx 就是 Claude 文档功能的底层实现）

所以，你可以放心基于这个模式开发自己的技能，但别直接 copy 示例代码到生产环境——先测试！

我的个人看法

作为 Java 老兵，我一开始觉得“就这？一个 Markdown 文件也算技术？”但转念一想——这恰恰是高手的设计！

• 低耦合：技能和 Claude 核心完全解耦
• 易维护：改需求？改 Markdown 就行，不用动代码
• 可移植：理论上这套 Skill 标准未来可以跨模型使用（官网提到 agentskills.io 是开放标准）

如果让我在公司内部推广 AI 辅助开发，我肯定会基于这个模式搞一套“内部技能库”：比如 code-review-skill、api-doc-skill、log-analyze-skill……

唯一的槽点是：目前技能执行依赖 Anthropic 的后端，你无法完全掌控执行环境。如果你需要 100% 数据私有化，可能得等开源版本或自建 MCP（Model Context Protocol）服务器。

值得深入学习吗？

绝对值得！即使你不用 Claude，理解“Agent Skill”这种模式对未来 AI 工程化也至关重要。它代表了一种新范式：AI 能力 = 基础模型 + 可插拔技能。

就像当年我们从单体架构走向微服务，未来 AI 应用也会从“单一大模型”走向“基础模型 + 专业技能插件”。早点掌握这个思维，你就站在了浪潮前面。