Anthropic Skills 生态解读：让 Claude 像插件一样扩展

一句话结论：Skills 是 Claude 的"插件系统"。它解决了 LLM 上下文窗口有限 + 工具调用繁琐的问题。

背景

2026 年 5 月，Anthropic 推出 Skills 机制。它的设计目标：

• 让 Claude 按需加载领域知识
• 减少上下文占用（不相关技能不进入 prompt）
• 让第三方开发者可以发布自定义 Skills

Skills vs Tools vs MCP

Tools（工具调用）

// Tools 是"动作"：让 LLM 调用 API
{
  name: "send_email",
  description: "发送邮件",
  input_schema: {
    type: "object",
    properties: {
      to: { type: "string" },
      subject: { type: "string" },
      body: { type: "string" },
    },
  },
}

LLM 调用 → 执行动作 → 返回结果。

MCP（Model Context Protocol）

MCP 是"协议"：让 LLM 与外部数据源通信

┌──────────┐    MCP     ┌──────────┐
│  Claude  │ ←--------→ │ MCP      │
│          │            │ Server   │
└──────────┘            └──────────┘

LLM 通过 MCP 连接数据库 / API / 文件系统。

Skills（技能包）

Skills 是"领域知识 + 工具集"：

┌─────────────────────────────────┐
│  Skill: "数据分析师"            │
│  ├─ 工具：query_database        │
│  ├─ 工具：create_chart          │
│  ├─ 提示词模板：分析报告格式    │
│  └─ 文档：领域最佳实践          │
└─────────────────────────────────┘

LLM 按需加载 Skill → 获得工具 + 知识 + 模板。

Skills 的 4 个组成

# skill.yaml 示例
name: "database-analyst"
version: "1.0.0"
description: "数据分析技能，支持 SQL 查询 + 报表生成"

# 1. 工具定义
tools:
  - name: query_database
    description: 执行 SQL 查询
    parameters:
      type: object
      properties:
        sql: { type: string }
  
  - name: create_chart
    description: 生成可视化图表
    parameters:
      type: object
      properties:
        data: { type: string }
        chart_type: { type: string, enum: ["line", "bar", "pie"] }

# 2. 提示词模板
prompts:
  - name: analysis_template
    description: 标准分析报告模板
    template: |
      基于以下数据生成分析报告：
      数据：{{data}}
      要求：
      1. 关键趋势
      2. 异常值
      3. 建议

# 3. 领域文档
docs:
  - title: 数据库命名规范
    content: |
      - 表名：snake_case
      - 主键：id BIGINT
      - 时间戳：created_at TIMESTAMP

# 4. 资源（可选）
resources:
  - uri: "schema://main"
    name: "主库 schema"
    mimeType: "application/sql"

5 个真实 Skills 案例

Skill 1：SQL 数据分析师

# 安装
pip install claude-skills[data-analyst]

# 配置
skills:
  - name: data-analyst
    enabled: true
    config:
      db_url: "postgresql://user:pass@host/db"

# 使用
claude "分析最近 7 天的销售数据，输出关键趋势"
# 自动：
# 1. 加载 data-analyst Skill
# 2. 调用 query_database 工具
# 3. 生成可视化 + 报告

Skill 2：Office 文档处理

# office-pro skill
tools:
  - read_excel
  - create_pptx
  - fill_docx_template
  - send_email_with_attachment

prompts:
  - meeting_summary_template
  - weekly_report_template

Skill 3：代码审查

# code-review skill
tools:
  - read_file
  - search_code
  - run_tests

prompts:
  - security_audit_template
  - performance_review_template

docs:
  - company-coding-standards
  - common-bug-patterns

Skill 4：客服支持

# customer-support skill
tools:
  - search_knowledge_base
  - create_ticket
  - refund_order

prompts:
  - friendly_response_template
  - escalation_template

resources:
  - uri: "kb://product-docs"
  - uri: "kb://faq"

Skill 5：投资研究

# investment-research skill
tools:
  - get_stock_price
  - get_financial_reports
  - search_news

prompts:
  - dcf_analysis_template
  - competitive_analysis_template

docs:
  - valuation_methodology
  - industry-frameworks

实战：构建自定义 Skill

Step 1：定义 Skill

# my_skills/blog_writer.py
from claude_skills import Skill, Tool, Prompt

skill = Skill(
    name="blog-writer",
    description="技术博客写作助手",
    version="1.0.0",
)

@skill.tool()
def analyze_article(url: str) -> dict:
    """分析参考文章结构"""
    return fetch_article_meta(url)

@skill.tool()
def suggest_outline(topic: str) -> list:
    """生成文章大纲"""
    return generate_outline(topic)

@skill.prompt()
def tech_blog_template() -> str:
    return """
    标题：吸引人（30 字内）
    引言：< 200 字
    正文：1500+ 字 + 2-4 段代码示例
    总结：一句话
    """

Step 2：发布到 Marketplace

# 打包
claude-skill build ./my_skills/blog_writer

# 发布
claude-skill publish ./blog-writer-1.0.0.tar.gz

Step 3：在 Claude 中启用

// ~/.claude/skills.yaml
skills:
  - name: blog-writer
    version: ^1.0.0
    enabled: true

Skills vs 传统 Prompt Engineering

维度	Prompt	Skills
复用性	低（每次手写）	高（一处定义）
上下文占用	永远占用	按需加载
工具集成	手动配置	内置
版本管理	无	语义化版本
多人协作	难	易

Skills 本质上是"Prompt + Tools + Docs"的产品化打包。

5 个常见坑

坑 1：Skill 设计过大

❌ 一个 Skill 包含 50 个工具
✅ 按业务领域拆分成多个 Skill

坑 2：版本不兼容

# 严格版本锁定
dependencies:
  - "data-analyst@^2.0.0"
  - "code-review@~1.5.0"

坑 3：权限过度

# ❌ Skill 能访问所有数据库
# ✅ 用 readonly 用户
config:
  db_user: readonly
  db_permissions:
    - SELECT

坑 4：缺少文档

没有 docs 的 Skill 难以维护
✅ 至少包含 README + 使用示例

坑 5：忽略本地化

# ❌ 英文 Skill 给中文用户用
# ✅ 提供多语言版本
locales: ["en", "zh-CN", "ja"]

我的看法

Skills 标志着 LLM 应用进入"应用商店"时代：

• 开发者：发布 Skill 变现（订阅 / 一次性付费）
• 用户：按需启用技能，定制专属 AI
• 生态：类似 Apple App Store，但面向 AI 能力

对独立开发者的机会：

1. 垂直领域 Skill：法律 / 医疗 / 教育的专业知识包
2. 通用工具 Skill：代码生成 / 文档处理 / 数据分析
3. 企业内部 Skill：CRM / 工单 / 知识库集成

参考

• Anthropic Skills 文档
• MCP 协议
• Skills 示例

---

本文基于 2026 年 5 月 Skills Beta 文档，API 仍在演进。