Agent Skills

实践

以下只是一个最简单的skill使用，还有一些额外功能比如script、reference等未进行扩展，有兴趣可以自行搜索

第一步：在正确的目录创建Skill文件夹

Claude Code会在特定目录寻找技能。你需要在这个目录下工作。

打开你系统的“技能根目录”：
- 在Windows资源管理器的地址栏，直接输入以下路径并回车：
  %USERPROFILE%\.claude\skills\
- 系统会定位到类似 C:\Users[你的用户名].claude\skills\ 的目录。
注意，我是windows系统，所以一般会在这个目录，mac可以直接按照claude官方文档操作
创建你的技能文件夹：
- 在 skills（如果不存在的话创建一个skills）文件夹内，新建一个文件夹，并以你的技能名命名（建议使用小写字母和连字符，例如 meeting-summary）。

这是你的技能目录，所有相关文件都将放在这里。

第二步：创建核心文件 `SKILL.md`

这是技能的灵魂，是一个包含 YAML头部（元数据） 和 Markdown正文（指令） 的文本文件。

在 meeting-summary 文件夹内，新建一个文本文档。
将其重命名为 SKILL.md（注意后缀是 .md）。
用记事本或VS Code等编辑器打开它，并复制并修改以下模板：

---
name: meeting-summarizer
description: 快速会议总结助手。当我收到会议记录、对话转录或聊天文本时，自动生成包含关键决策、行动项和要点的结构化总结。
version: 1.0.0
---

### 快速会议总结助手

## 我的专长
我是一个会议内容分析专家。你只需把会议记录粘贴给我，我就能**自动提取核心信息**，生成清晰可执行的总结，包含：
1. **关键决策** - 会上达成了哪些共识和决定
2. **行动项** - 谁需要做什么，何时完成（我会用表格整理）
3. **讨论要点** - 主要讨论了哪些话题
4. **参与人员** - 自动识别参会者（如果文本中包含）

## 我的工作方式
当你把会议文本发给我时，我会：

### 第一步：分析文本结构
- 识别不同的发言人和对话轮次
- 标记出决策性语句（如"我们决定"、"同意"、"通过"）
- 找出任务分配表述（如"由XX负责"、"需要完成"）

### 第二步：提取关键信息
我会重点关注以下内容：
- **任务描述**：需要完成的具体工作
- **责任人**：明确提到的负责人
- **时间节点**：截止日期、完成时间
- **决策点**：达成的共识和结论
- **待解决问题**：需要进一步讨论的事项

### 第三步：生成结构化总结
我将按照以下模板组织信息：

## 📋 会议总结

**分析时间**：{当前日期}

### 👥 参会人员（自动识别）
- 人员列表（从文本中提取）

### ✅ 达成的决策
1. [决策点1]
2. [决策点2]

### 📝 行动项追踪
| 任务描述 | 负责人 | 截止时间 | 状态 |
|---------|--------|----------|------|
| [任务1] | [人员] | [时间]   | 待开始 |
| [任务2] | [人员] | [时间]   | 待开始 |

### 💡 讨论要点
- [要点1]
- [要点2]

### 🔍 后续关注
- [待解决问题]
- [下一步安排]

关键点：

name 必须与文件夹名严格一致。
description 要清晰，这决定了Claude何时会调用此技能。
正文部分是你的“AI说明书”，写得越详细、步骤越清晰，AI表现就越好。

第三步：验证skill是否生效

简单一点，直接打开一个窗口，对claude进行询问，比如：

你有哪些Agent Skill

可以看到，claude能正确检测到我们刚刚创建的skill并且能正确识别它的功能

第四步：使用案例测试

同样询问claude：

帮我总结以下会议内容：
王峰：开始会议。今天评审用户画像模块进度。李静同步技术进展？
李静：后端API完成90%，但发现性能问题：数据量超百万时查询超3秒，超SLA要求。
张涛：前端个人中心重构基本完成，可视化组件周三提测。但需要后端新接口获取标签权重。
王峰：新接口要多久？
李静：两天可完成，需详细需求。
陈敏：市场部最需要“购买意向预测”标签，能按时上线吗？
李静：该模块需增加两周。建议先上线准确率70%的基础版，完整版4月中旬交付。
王峰：决策：基础版按原计划3月25日上线，完整版延期到4月15日。同意吗？（众人同意）
赵琳：测试基础版的范围？要两套用例吗？
李静：一套即可。测核心5个预测维度。
王峰：赵琳负责周四前输出测试计划。李静解决性能问题方案？
李静：方案一优化索引（需张涛配合，3天）；方案二加缓存层（5天）。建议先用方案一。
张涛：可配合，但排期到下周一后。
王峰：定案：采用方案一，李静主导，张涛下周一配合。陈敏同步市场部版本安排。
陈敏：明天上午同步市场部。
赵琳：风险：测试环境无百万级数据，性能测试可能不充分。
李静：我周三前生成模拟数据解决。
王峰：明确行动项：1李静周三前提供测试数据，周四前完成接口扩展；2张涛周三前提测组件，下周一配合优化；3赵琳周四前输出测试计划；4陈敏明天同步市场部；5我更新项目计划。散会！

claude会先向你请求调用会议总结skill工具：

回车同意：

claude就会按照我们设置好的规则生成会议总结

渐进式披露机制

这个是Agent Skill的核心

对于reference，可以理解为外部扩展文档，作为补充上下文，让模型按需去读取。当然，这些需要自己在SKILL.md中说明好。

对于script，也就是脚本，可以理解为function call，让模型在执行某些操作时可以去调用脚本工具来完成，比如上传文件到服务器。这个脚本是我们写好的，同样也需要在SKILL.md中说明好。一般来说，script只会被调用，不会被读取，这也达到了节省上下文的目的。

总结

什么是Agent Skill

Agent Skill 的本质：AI 的「可插拔专业技能模块」

1. 核心定义

Agent Skill 是一个 标准化、可复用、自描述的AI能力包，它让大语言模型（如Claude）在需要时，能像专业人士一样执行特定领域的复杂任务。

2. 三层本质解读

维度	技术视角	用户视角	生态视角
是什么	结构化提示词+上下文+工具的封装	AI的「技能插件」或「专业顾问」	开放的AI能力交换单元
表现形式	文件夹（含SKILL.md、脚本、参考资料）	对话中激活的「专家模式」	可分发、可共享的资产包
价值核心	将非结构化知识转为可执行指令	让AI「学会」你的工作方式	构建协作式AI生态的基础

为什么 Claude 要设计 Agent Skills？

1. 解决大模型的核心局限性

问题	传统方式	Agent Skill 方案
语境长度限制	长文档需反复粘贴	通过reference按需加载
任务一致性差	每次需重新解释需求	固化最佳实践到工作流
缺乏专业知识	依赖模型的训练数据	注入领域特定知识
无法执行操作	只能给出建议	集成脚本执行实际任务

2. Claude 的战略布局思考

技术战略：从「对话模型」到「行动智能体」

Claude 1.0 → 2.0 → 3.0 的演进路径：
文本理解 → 复杂推理 → 多模态 → 【行动执行】
Agent Skills 是「行动执行」的关键载体

产品战略：构建开发者生态

降低定制门槛：让非开发者也能为AI「编程」
促进生态贡献：用户创造的技能可共享，形成网络效应
防止碎片化：标准化格式避免每家公司的「私有技能格式」