本文由 简悦 SimpRead 转码, 原文地址 mp.weixin.qq.com
为什么我们需要 skills?
众所周知,在 AI 编程的语境下,RULES 几乎是必不可少的,人们需要在 RULES 中提前给 AI 制定规则:
它是一个什么样的角色
本工程采用了什么技术栈,它应该按什么编码规范来编码,如何组织工程代码。
当遇上一些非常见情况时,它应该如何处理,遵循什么原则
如何处理某些异常
但是,问题来了:
如果 RULES 太短,那它能覆盖的范围就非常有限。
如果 RULES 太长,每次会话 AI 都需要完全加载一遍它,浪费 token 倒是其次,重要的是 token 会降低 AI 的准确性提升幻觉。
于是,模块化【懒加载】的诉求,便血淋淋摆在人们面前了。
SKILLS 要解决的也正是这个痛点。
- 它允许不同的规则被注册在不同的 SKILL.md 中,只在需要的时候进行加载。
SKILLS 的结构
要实现懒加载,有一个重要的问题需要解决:
大模型需要知道合适加载哪个 Skill。
因此,SKILLS 的结构笼统性来说,分为两个部分:
元数据: 告诉大模型我是谁,我有什么能力,什么时候应该调用我。
内容:指导大模型如何进行编程。
这是一个典型 SKILL.md 文件的结构:
---name: API公约description: 适用于当前代码库的 API 设计模式---在编写 API 接口(端点)时:- 遵循 RESTful 命名规范- 返回统一的错误格式- 包含请求参数校验在头部被 --- 包裹起来的部分就是 markdown 元数据,在这里它们被用来描述技能本身的特性。
name:技能的名称
description:技能的描述,有什么用,什么时候应该被加载
而下面具体指导编程规范的部分,则是该技能的【内容】。
一开始的时候,【内容】并不会被加载到上下文中,只加载精简过的【元数据】,这会极大地节约 token 消耗,也能降低模型幻觉。
SKILLS 放在哪?
结合 Claude Code、Trae、OpenCode 以及 Cursor 的最新文档,
Claude Code
位置:项目根目录 /.claude/skills/
- 结构:
ProjectRoot/└── .claude/ └── skills/ ├── skill-a/ <-- 技能名称文件夹 │ ├── SKILL.md <-- 核心定义 (SOP & Prompts) │ └── scripts/ <-- (可选) 对应的 Python/Node 脚本 └── skill-b/ └── SKILL.md- 生效方式:Claude Code 启动时自动扫描该目录,根据 User Prompt 和 SKILL.md 中的 description 自动挂载。
OpenCode
位置:通常为 /.opencode/skills/
Project config: .opencode/skills/<name>/SKILL.mdGlobal config: ~/.config/opencode/skills/<name>/SKILL.mdProject Claude-compatible: .claude/skills/<name>/SKILL.mdGlobal Claude-compatible: ~/.claude/skills/<name>/SKILL.mdCursor
位置:通常为 /.cursor/skills/
.cursor/└── skills/ └── deploy-app/ ├── SKILL.md ├── scripts/ │ ├── deploy.sh │ └── validate.py ├── references/ │ └── REFERENCE.md └── assets/ └── config-template.jsonTrae
位置:通常为 /.trae/skills/
.trae/skills/├──skill-name/ ├── SKILL.md ├── scripts └── references总的来说,各家有各家的习惯和地盘,希望后续能统一成标准吧。
有了 SKILLS,可以不要 MCP 了吗?
绝对不可以!
它们并不是互斥的两套技术。
恰恰相反,它们是 “黄金搭档”,是底层能力 (Capabilities) 与 上层应用 (Applications) 的关系。
如果把构建 Agent 比作雇佣一个员工,那么:
MCP (Model Context Protocol) 是这个员工的 “手” 和 “感官”。
它定义了员工能做什么(比如:能拿杯子、能查数据库、能运行 Python 代码)。
它解决了 “怎么连接” 的问题(标准化的接口协议)。
Skills (技能 / 规则) 是这个员工的 “职业培训手册” (SOP)。
它定义了员工该怎么做(比如:看到客人来了要倒水、查库前要先鉴权、代码报错了要重试)。
它解决了 “怎么思考” 和“怎么决策”的问题(业务逻辑与流程控制)。
总的来说,只要把 SKILLS 当作模块化的 RULES来理解会比较容易。
但,SKILLS 除了是模块化的 RULES 外,它还有一个重要的能力:
- 它具备脚本执行能力。
软硬一体的 SKILLS
之前的回答为了强调 “规则” 的重要性,确实简化了 Skills 的定义。实际上,完整的 Skills 是 “软硬一体” 的。
在 Claude Code 的架构中,一个 Skill 确实可以包含它私有的、本地的脚本。
1. 重新定义:Skills 的完整公式
纠正之前的定义,现在的公式应该是:
Skill = 🧠 业务规则 (SOP) + 🛠️ 专用脚本 (Local Scripts)
SOP (SKILL.md):这是大脑。它告诉 AI 什么时候用、怎么用。
Scripts (/scripts/*.py):这是随身工具包。它是为了配合这个 SOP 而存在的轻量级代码。
2. 为什么要允许 Skill 包含脚本?
既然有了 MCP,为什么还需要 Skill 自带脚本?
这就像:虽然工厂里有重型机床(MCP),但工人腰带上还是得挂一把螺丝刀(Skill Script)。
主要有以下三个原因:
A. 降低依赖 (Self-Contained) 如果你的 Skill 只是为了做一些简单的文本处理(比如 “把 xxx 格式化一下”),为此启动一个 HTTP MCP Server 太重了。 把这个逻辑写成一个 20 行的 Python 脚本放在 Skill 文件夹里,随拿随用,这才是“技能包” 的便携性。
B. 胶水逻辑 (Glue Logic) 有时候,MCP 提供的原子能力太碎了。
MCP 工具 A:get_file_list
MCP 工具 B:analyze_file
Skill 脚本:你可以写一个脚本,循环调用 A,过滤结果,然后传给 B,最后输出统计报表。
优势:你把 “循环与判断” 的计算压力从 LLM(昂贵、慢)转移到了 CPU(便宜、快)。
C. 本地文件操作 Claude Code 是在本地运行的。Skill 脚本可以直接通过 bash 访问你项目里的文件系统,这比远程 MCP Server 通过网络传输文件内容要高效得多。