一、AI开发的新范式：Skills时代来临
2026年开年以来，AI领域一个名为Skills的概念迅速火爆全网。不仅Anthropic官方大力推广，就连Vue社区也推出了Vue Skills库。在GitHub上搜索相关项目，会发现几乎所有与Claude Skills相关的仓库都在短时间内获得了数千甚至数万Star，成为了当下AI开发圈最热门的话题之一。
那么Skills到底是个什么东西？为什么它能在短时间内获得如此高的关注度？它和我们熟悉的Prompt又有什么区别？本文将带你从零开始，彻底搞懂Skills的本质、构建方法和使用技巧，帮助你在AI开发的新范式中抢占先机。
二、什么是Skills
Skill翻译过来是"技能"的意思。更直白地来说就是："给AI赋予一种专业技能"。
这句话乍一看可能不太好理解，我们用一个生活中的例子来说明。任何一个程序员都具备找工作的能力，但找工作只是他众多能力中的一个，虽然能找，但往往不够专业。想要成为求职高手，他需要掌握一套经过验证的标准化流程：如何梳理技术亮点、如何撰写专业简历、如何准备面试、如何进行面试复盘。当我们把这一套专业的方法和流程教给他时，他就从一个"只会瞎找工作的人"变成了一个"求职高手"。
对于AI来说，这个道理是一模一样的。通用大模型（比如ChatGPT、Claude）就像那个什么都会一点的程序员，它很聪明，什么都能聊两句。但如果你没有给它具体的流程和规范，它的输出往往只能停留在泛泛而谈的层面。
而Skills，就是我们把一套专业的方法、模板、规范打包成一个工作流程（Workflow）塞给AI。当AI装备了这个Skill，它就会成为一个具备专业技能，并且有标准工作流程的AI。它很像之前的工作流概念，但比传统工作流更加轻量、更加灵活。
所以，Skills的本质，就是流程性知识的封装与复用方案。它解决了传统Prompt工程中存在的三大问题：Prompt过长导致上下文溢出、相同逻辑需要重复编写、复杂任务难以标准化执行。
三、如何构建Skills
Skills最初是由Claude提出的概念，并且配置非常简单。对于程序员来说，它的结构甚至有点朴实无华。一个标准的Skill，在物理层面上其实就是一个文件夹，它的结构非常固定：
skill-name/
├── SKILL.md (必需)
│ ├── YAML frontmatter 元数据 (必需)
│ │ ├── name: (必需)
│ │ └── description: (必需)
│ └── Markdown 指令 (必需)
└── Bundled Resources (可选)
├── scripts/ - 可执行代码（Python / Bash 等）
├── references/ - 用于按需加载到上下文中的文档
└── assets/ - 输出中使用的文件（模板、图标、字体等）
构建一个Skill只需要简单的两步：
第一步：创建一个文件夹
首先，我们需要创建一个文件夹。这里有一个硬性规定：文件夹名称必须是小写字母加连字符的形式，比如resume-polisher，不要使用驼峰命名法或包含空格。
第二步：编写核心文件SKILL.md
在这个文件夹里，必须包含一个名为SKILL.md的核心文件，它就像Node.js项目中的package.json一样，是整个Skill的入口。
SKILL.md的内容结构非常固定，分为两部分：YAML头部和Markdown主体。我们直接通过一个"简历优化专家"的示例来理解：
---
name: resume-polisher
description: 专门用于程序员简历优化。分析用户提供的原始简历内容，提炼技术亮点，并按照STAR法则生成专业的简历描述。
---
# 简历优化专家 (Resume Polisher)
## 指令 (Instructions)
你是一位拥有10年经验的技术招聘专家。当用户提供简历内容或技术经历时，请按以下步骤执行：
1. **亮点挖掘**：分析用户描述，识别其中的高价值技术点（如性能优化、架构设计）。
2. **去伪存真**：剔除毫无价值的描述（如"负责日常开发"、"修复bug"）。
3. **STAR重构**：将保留的亮点，严格按照STAR法则（情境、任务、行动、结果）重写。
4. **数据量化**：强制要求用户补充量化数据（如"提升了50%的加载速度"），如果没有，请标注为【待补充数据】。
## 示例 (Examples)
**用户输入**：
"我在公司里做了一个长列表优化，用了虚拟滚动，效果挺好的。"
**你的输出**：
- **项目背景**：在处理海量数据展示场景下，传统列表渲染导致页面卡顿（FPS低于30）。
- **解决方案**：引入虚拟滚动技术，只渲染可视区域内的DOM节点，并配合节流函数处理滚动事件。
- **最终结果**：首屏加载速度提升40%，长列表滑动帧率稳定在60FPS，内存占用减少60%。
从这个示例可以看出：
- YAML头部相当于给Skill定义身份，其中
description是最关键的字段，它告诉AI系统这个Skill是用来做什么的，什么时候应该被调用。注意这里一定要用第三人称描述。 - Markdown主体相当于具体的SOP手册，包含详细的执行步骤和示例，示例越具体，AI的输出质量就越高。
除了SKILL.md，你还可以在文件夹中放置各种脚本、参考文档和数据文件，Agent在执行任务时会根据需要自动读取这些资源。
四、自动的Skills构建
虽然手动构建一个Skill并不复杂，但对于刚接触Skills的开发者来说，还是有一定的学习曲线。不过不用担心，Claude已经为我们想到了这一点。
Anthropic官方在GitHub上开源了一个名为skills的仓库，里面包含了数十个经过官方团队验证的实用Skill。这些Skill涵盖了文档处理、前端开发、测试、设计等多个领域，包括：
- docx：让Agent能够读取、解析甚至生成Word文档
- pdf：赋予Agent读取和分析PDF文件内容的能力
- pptx：让Agent能够创建或修改PowerPoint演示文稿
- xlsx：处理Excel表格数据，进行数据分析或报表生成
- frontend-design：根据描述生成高质量的前端UI代码（通常是React/Tailwind）
- webapp-testing：编写并运行端到端的Web应用测试
- doc-coauthoring：像一位专业的文字编辑一样，与用户协同撰写和修改文档
其中最值得一提的是skill-creator，这是一个专门用来创建新Skill的Skill，堪称"套娃神器"。使用它非常简单，你只需要将官方仓库的代码下载到本地，然后通过Claude Code安装这个Skill。安装成功后，你只需要用自然语言告诉Claude"帮我创建一个新的skill"，后续的整个过程都可以通过自然语言对话完成，Claude会一步步引导你完善Skill的功能和细节。
五、怎么让Skills跑起来
Skill创建好了，不管是手写的还是自动生成的，现在你都已经有了一个自己的Skill。那么我们要怎么让AI识别并使用它呢？这就涉及到配置的问题。
对于Claude Code来说，它需要知道去哪里"读取"这些技能。通常我们有两种配置方式：
1. 全局配置（推荐）
默认情况下，安装好的Skill会被放到~/.claude-code/skills目录下（macOS和Linux系统）。这样配置的Skill相当于全局可用，可以在任何Claude Code会话中直接使用。
2. 项目级配置
如果你开发的Skill只是针对当前项目的（比如当前项目的自动化测试脚本），你可以直接把Skill文件夹放在项目根目录的.claude/skills下。这样配置的Skill只会在当前项目中生效，不会影响其他项目。
当配置完成之后，最神奇的事情发生了：你不需要显式地输入类似/run skill-creator这样的命令来调用Skill。
还记得我们在SKILL.md里写的description吗？当你对Claude说"创建一个新的skill"时，Claude的"中枢大脑"会快速扫描所有已安装Skill的description，然后瞬间判断出这个问题应该由skill-creator来处理。于是，它会自动加载这个Skill的上下文，按照你制定的SOP一步步完成任务。
这就是Skills最迷人的地方：用户无感，但AI的能力却被无限扩展了。
六、TreeRouter：让Skills发挥最大威力的API中转站
在使用Claude Code和各种Skills的过程中，很多开发者都会遇到一个共同的痛点：多模型API管理复杂。不同厂商的接口标准不统一，密钥管理繁琐，网络连接不稳定，这些问题都会严重影响Skills的使用体验。特别是当你需要在多个模型之间切换对比，或者使用混合模型策略处理复杂任务时，API管理的复杂度会呈指数级增长。
这正是TreeRouter API中转站发挥作用的地方。TreeRouter是一款专为AI开发者打造的高性能API聚合平台，它统一了OpenAI、Anthropic、Google、DeepSeek等数十家主流大模型的接口标准。通过TreeRouter，你只需维护一套API密钥和调用代码，即可无缝切换使用所有主流模型。
这意味着，无论你使用的是Claude Code的官方技能，还是自己开发的自定义Skill，都可以通过TreeRouter实现统一的API接入，大幅简化开发流程。TreeRouter还提供了智能负载均衡、自动故障转移、请求缓存和详细的用量统计功能，确保你的AI应用始终保持稳定高效的运行状态。对于需要同时使用多个模型进行复杂任务处理的场景，TreeRouter的统一接口更是不可或缺的工具，让你可以专注于构建高质量的Skills，而无需花费大量精力在API适配和运维上。
七、总结
到这里，相信你已经彻底搞懂了Skills到底是个什么东西。回顾一下，它其实并没有那么神秘：
- 本质：它不是什么黑科技，而是Prompt、知识库和执行脚本的结构化封装。
- 核心：它的核心在于SOP（标准作业流程）。你把专家的经验变成了可执行的流程，AI就能表现得像个专家。
- 未来：随着AI能力的进化，未来的编程模式可能会从"写代码"变成"写Skills"。我们不再是写具体的逻辑，而是去定义一个个AI的工作流。
就像Vue Skills的出现一样，未来或许每个人、每个框架、每个公司，都会维护一套属于自己的Skills库。掌握Skills的构建和使用方法，将成为AI时代开发者必备的核心技能之一。
