作为一名重度 Claude Code 用户，我相信大家都有过这种既视感：每次开一个新项目，Claude 就像个刚入职的实习生，一脸懵懂。

Claude Code 进阶：用 Skills 重构 AI 工作流

你得一遍遍告诉它：我们用的是这种 Coding Style、部署流程是这样的、API 鉴权要走这个逻辑……讲一次还好，讲十次真的心态崩。

之前的解决方案通常是 CLAUDE.md。把规则写进去，启动即加载。但随着项目变大，这个文件越来越臃肿。我之前遇到过因为 CLAUDE.md 塞了太多 Prompt，导致 Claude 启动变慢，甚至因为它预加载了所有内容，不仅浪费了宝贵的 Context Window，还导致模型注意力分散，回答质量下降。

最近 Anthropic 推出的 Skills 功能，终于优雅地解决了这个问题。这两天我把手头的 workflow 迁移了一下，发现这不仅仅是一个功能，而是一种更符合工程直觉的 AI 知识模块化架构。

今天以此文复盘一下我的实战经验和理解。

Claude Code 进阶：用 Skills 重构 AI 工作流

核心架构：Progressive Disclosure

这可能是 Skills 设计最性感的地方。

以前的 CLAUDE.md 是全量加载，不管你问什么，所有规则一股脑塞进 Context。而 Skills 采用了一种分层加载机制，官方称之为 Progressive Disclosure。

根据我的观察和官方文档，它其实把 Context 分成了三层：

L1 Metadata (元数据层)：启动时只加载 Skills 的 name 和 description。这层非常轻量（约 100 tokens）。Claude 仅凭这层信息来路由：这个问题需不需要调用某个 Skill？

L2 Instructions (指令层)：当 Claude 判定命中某个 Skill 后，才会加载该 Skill 下 SKILL.md 的主体内容（建议控制在 5000 tokens 以内）。

L3 Resources (资源层)：如果 SKILL.md 引用了脚本或参考文档，这些文件是 On-Demand (按需) 读取的。

这种架构意味着：理论上你可以给 Claude 挂载无限的知识库，只要你的 Description 写得够准，它就只在需要的时候调取记忆，完全不占闲置 Context。这对于咱们这种对 Token 效率有洁癖的开发者来说，简直是福音。

实战：手搓一个 Skill 的工程结构

一个标准的 Skill 其实就是一个独立的目录包。结构非常像我们在写 Node.js 模块或者 Ansible Role。

你需要创建一个文件夹（例如 my-skill），在这个文件夹下必须包含一个 SKILL.md 文件作为核心入口。此外，你还可以根据需要创建 scripts 目录存放 Python 或 Bash 脚本，references 目录存放文档规范，以及 assets 目录存放静态资源模板。

Claude Code 进阶：用 Skills 重构 AI 工作流

关键点在于 SKILL.md 的 Frontmatter 配置。我踩过坑，这里有严格的格式要求。

文件开头的 YAML 部分必须包含 name 和 description 两个字段。name 字段只能包含小写字母、数字和连字符，并且必须与目录名称完全一致。

description 字段的写法至关重要。它不是写给你看的，是写给 LLM 的 Router 看的。你得明确描述 Trigger Condition (触发条件)，比如当用户要求提交代码时……，这样 Claude 才能精准命中。

Claude Code 进阶：用 Skills 重构 AI 工作流

Skills, MCP, Custom Commands 怎么选？

这是最容易混淆的部分。既然都有 MCP (Model Context Protocol) 了，为啥还要 Skills？以下是我的理解模型：

Custom Commands (斜线命令) 本质是宏 (Macro) 或静态 Prompt。适合你明确知道现在要干嘛的场景，比如 Lint 检查或代码重构。它不会自动触发，定位属于手动挡工具。

MCP (Model Context Protocol) 本质是 IO 接口或手脚。场景是连接外部世界，比如读数据库、调 GitHub API、查天气。定位属于 AI 的感官和肢体。

Skills 本质是程序性知识或脑回路。适合复杂的思维链或工作流，比如如何进行一次符合团队规范的 Code Review。它由 AI 根据上下文自动决策是否启用，定位属于 AI 的专业技能包。

结论：不要觉得 Skills 会取代 MCP。它们是互补的。举个例子：你写了一个 Deploy Skill (大脑)，告诉 Claude 部署流程分几步；而在执行过程中，Claude 会调用 AWS MCP (手脚) 去实际操作服务器。

个人经验总结

目前的 Claude Code 就像一个通用型人才，什么都懂一点但都不精。Skills 的本质，就是让我们把领域专家的 Know-how 封装成一个个 Docker 容器般的独立包。

我现在已经把团队的 PR Review 标准、单元测试规范、特定库的写法全部拆成了独立的 Skills。