基于文件系统的模块化设计，将专业知识封装为可复用的技能包
渐进式信息披露机制显著降低Token消耗，提升运行效率
实现内部流程自动化，封装隐性知识，提升组织效率
Anthropic的SKILL（Agent Skills）系统是一种创新的、基于文件系统的模块化能力框架，旨在将Claude从一个通用的对话式AI转变为一个具备特定领域专业知识的"专家智能体"[231]。该架构的核心理念在于将复杂的任务指令、可执行脚本和相关资源打包成一个独立的、可复用的单元，即"技能"（Skill）。
"SKILL的本质是一个文件夹，其中包含了所有必要的组件，使其能够被Claude动态加载和执行。这种基于文件系统的实现方式，使得SKILL的管理和分发变得非常直观，类似于在操作系统中管理应用程序。"
SKILL系统的核心目标是解决通用大语言模型在专业领域任务中表现不佳的问题。虽然Claude等模型具备强大的自然语言理解和生成能力，但在处理需要特定流程、规范或工具使用的任务时，往往会出现"幻觉"或操作失误[247]。
核心配置文件和指令集
可执行的操作脚本
模板和辅助资源
为了在保证功能强大的同时，最大限度地减少Token消耗和上下文窗口的压力，SKILL系统采用了一种名为"渐进式信息披露"的架构设计[250]。这种机制的核心思想是，Claude不会一次性加载所有可用的SKILL的全部内容，而是根据任务需求，分阶段、按需加载所需的信息。
始终加载，约100 Tokens
加载SKILL的名称和描述，快速了解可用技能
触发时加载，≤5000 Tokens
加载完整指令，获得执行任务的详细指导
按需加载，灵活高效
加载脚本、模板等执行所需的资源
SKILL的渐进式信息披露机制通过三级加载架构实现，确保了系统的高效性和可扩展性。这种架构使得Claude能够在处理复杂任务时，动态地获取所需的信息，避免了将所有SKILL的完整内容都加载到上下文窗口中，从而有效管理Token消耗和提升响应速度[250]。
Anthropic为SKILL系统提供了一套专门的API接口，使得开发者可以通过编程的方式创建、管理和使用自定义的SKILL。这些API接口目前处于Beta阶段，但已经提供了核心的CRUD（创建、读取、更新、删除）功能[241]。
import anthropic
client = anthropic.Anthropic()
# 列出 Anthropic 管理的 Skills
skills = client.beta.skills.list(
source="anthropic",
betas=["skills-2025-10-02"]
)
for skill in skills.data:
print(f"{skill.id}: {skill.display_title}")
# 在 Messages API 中使用 Skill
response = client.messages.create(
model="claude-3-5-sonnet-20241022",
messages=[{"role": "user", "content": "创建一个关于 Q4 销售数据的 Excel 表格"}],
container={
"skills": [
{
"type": "anthropic",
"skill_id": "xlsx",
"version": "latest"
}
]
}
)示例代码展示了如何使用Python SDK列出所有Anthropic管理的预构建SKILL，以及如何在Messages API调用中指定使用特定的SKILL[276] [279]。
在专业服务领域，SKILL的应用价值尤为突出。这些行业通常涉及大量标准化、结构化的文档处理和分析任务[293]。
PPT、PDF等文档的自动化生成
这是SKILL最典型和成熟的应用之一。Anthropic官方提供的
pptx、
docx和
pdf等预构建技能，已经能够处理复杂的文档生成任务[300]。
当团队成员需要生成报告时，只需向Claude提供原始数据，并指示其使用相应的SKILL。Claude会自动加载技能，执行其中的Python脚本来处理数据、生成图表，并最终填充到模板中，生成专业、美观且符合品牌规范的报告[309]。
多平台营销文案的批量生成
内容创作是许多企业的重要需求，例如为不同产品生成营销文案、为多个渠道撰写社交媒体帖子等。通过SKILL，可以创建一个"产品文案生成器"[292]。
目标受众、关键信息点、SEO关键词
微博、微信公众号、LinkedIn等平台适配
一个具体的例子是创建一个模仿特定公众号文风的技能，通过分析该公众号的历史文章，提取其写作风格、常用语气和结构，并将其封装在SKILL中，从而实现风格一致的内容批量产出。
销售数据分析与洞察生成
在企业内部，数据分析是驱动决策的关键。SKILL可以帮助非技术背景的业务人员也能进行复杂的数据分析[315]。
业务人员只需上传销售数据文件，并用自然语言描述他们的分析需求，Claude就会调用相应的SKILL，自动执行数据分析流程，并生成包含图表和洞察的Markdown或Excel报告。
Anthropic正在围绕SKILL构建一个开放的生态系统，这个生态系统由基础技能、第三方技能和企业内部技能共同构成，类似于移动应用生态中的操作系统、应用商店和开发者社区[306]。
OpenAI的Assistants API和Anthropic的SKILL都旨在为AI模型提供更强大的工具和能力，但它们在实现方式和核心哲学上存在显著差异。
| 特性 | Anthropic Agent Skills | OpenAI Assistants API |
|---|---|---|
| 模块化与可移植性 | 采用基于文件系统的模块化设计，SKILL是独立的、可移植的文件夹 | 与OpenAI API紧密耦合，可移植性相对较差 |
| 上下文管理 | 渐进式披露：仅加载元数据，指令和工具按需加载 | 持久化上下文：所有工具定义和相关上下文在每次调用时都会被加载 |
| 代码执行 | 支持在沙盒环境中执行Python和Bash脚本 | 提供Code Interpreter，但功能相对受限 |
| 状态管理 | 无跨会话状态持久化，每个会话都是独立的 | 支持基于线程的对话状态持久化 |
| 特性 | Anthropic Agent Skills | Function Calling | Fine-tuning |
|---|---|---|---|
| 知识注入方式 | 通过外部文件注入程序性知识和指令 | 通过API调用时传入的工具定义 | 通过在新数据集上重新训练模型 |
| 模块化与灵活性 | 高度模块化，可组合多个SKILL | 工具独立，需要手动编排 | 知识固化，无法灵活组合 |
| 执行确定性 | 通过执行脚本实现确定性逻辑 | 仅定义调用，执行逻辑由外部保证 | 输出基于概率，可靠性较低 |
Function Calling的核心是"工具调用"，教会模型如何"使用工具"，但工具功能在外部实现。而SKILL的核心是"工作流封装"，不仅教会模型"做什么"，还通过脚本教会模型"怎么做"[17]。
Fine-tuning将知识"内化"到模型中，适合注入事实性知识。SKILL将知识"外化"为独立模块，保持灵活性和可组合性。你可以为不同任务组合不同SKILL，而无需重新训练模型。
Anthropic的Model Context Protocol (MCP)是一个开放协议，旨在标准化LLM与外部数据源和工具的交互方式。SKILL和MCP并非相互替代，而是相辅相成的关系。
在实际的企业级应用中，SKILL和MCP通常会结合使用，形成一个强大的混合架构。开发者可以利用MCP将Claude连接到企业内部的各种系统，然后创建一系列SKILL来编排这些连接，实现复杂的自动化工作流。
全球开发者社区快速成长，提供中文开发指南和案例分享。
建议先学习和使用官方预构建技能，理解设计理念。
"建议开发者遵循'从使用到理解，再到创造'的学习路径。首先通过实际调用预构建技能来感受SKILL的强大功能，然后仔细阅读其SKILL.md文件理解指令编写方式，最后再开始创建自定义SKILL。"
这是SKILL开发的第一步，也是最关键的一步。SKILL.md文件是SKILL的"大脑"，其质量直接决定了Claude能否正确理解和执行任务。
---
name: excel-report-generator
description: 自动生成Excel格式的销售数据分析报告
version: 1.0.0
---
# Excel报告生成器
## 用途
本技能用于根据销售数据自动生成Excel格式的分析报告。
## 执行步骤
1. 接收CSV格式的销售数据文件
2. 进行数据清洗和预处理
3. 计算关键指标（总销售额、增长率等）
4. 生成数据透视表
5. 创建可视化图表
6. 保存为.xlsx格式
## 示例
输入：sales_data_2025.csv
输出：包含数据分析和图表的Excel报告如果SKILL需要执行复杂逻辑或与外部系统交互，编写脚本和组织资源是必不可少的环节。
scripts/
├── data_processor.py # 数据处理逻辑
├── chart_generator.py # 图表生成逻辑
└── report_builder.py # 报告构建逻辑
resources/
├── templates/
│ ├── report_template.xlsx
│ └── chart_template.pptx
└── styles/
└── brand_guidelines.json完成SKILL文件编写后，可以通过API将其上传到Claude平台，并进行版本管理和测试。
# 1. 打包SKILL文件夹
zip -r excel-report-generator.skill skill-folder/
# 2. 使用Python SDK上传
from anthropic import Anthropic
client = Anthropic()
# 上传新的SKILL
with open("excel-report-generator.skill", "rb") as f:
skill = client.beta.skills.create(
file=f,
name="excel-report-generator",
description="自动生成Excel销售报告"
)
print(f"SKILL创建成功: {skill.id}")
# 3. 在对话中使用SKILL
response = client.messages.create(
model="claude-3-5-sonnet-20241022",
messages=[{
"role": "user",
"content": "请分析这个CSV文件并生成销售报告"
}],
container={
"skills": [{
"type": "custom",
"skill_id": skill.id,
"version": "1"
}]
}
)在投入开发之前，企业应首先明确业务目标和核心指标。
需要在AI智能度、运行成本和响应延迟之间做出权衡。
还没有人回复