最近我一直在折腾 AI Skills 这个新东西越用越觉得这玩意儿是个被低估的宝藏。简单说AI Skills 是让 Claude、Codex 这类 AI 编程代理快速掌握某个专业技能的“技能包”它通常由一份说明文件和一个脚本目录组成AI 在遇到对应任务时会自己把说明读进来、按步骤执行。前两个月我还在靠提示词硬堆“PDF 转 PPT”的需求现在直接装一个技能一句话就能让模型自己完成提取、排版和生成效率完全不在一个量级。这篇就来整理一下我实际用过的 4 个 AI Skills 工具与网站有官方仓库、有命令行工具、也有聚合发现站照着操作基本都能上手。1. 先搞清楚AI Skills 到底是什么1.1 从“会聊天”到“会干活”很多人第一次听到 AI Skills 都会以为它和 GitHub 上那个教学用的 GitHub Skills 是一回事其实完全不一样。这里的 Skills 是今年开始流行的一种 Agent 能力封装方式最早出圈是 Anthropic 在 Claude 里推的 Agent Skills。它解决的核心问题是模型怎么知道自己该按什么流程干活以及干活时用什么现成脚本。在没有 Skills 之前我们想让 AI 处理一份 PDF需要在提示词里写“第一步用 Python 读取 PDF第二步提取文本第三步按段落清洗第四步总结”……这个流程每次都要写一遍换个任务又要重新写。Skills 的做法是把这个流程固化成一套文件放进指定目录模型遇到“总结 PDF”“做 PPT”“整理 Excel”这类请求时会先自动读取对应的 SKILL.md然后按里面的步骤执行甚至可以直接调用里面附带的脚本。我自己的理解是提示词像口头交代说得再清楚也容易漏Skills 像给员工发了一本 SOP 手册外加一个工具箱。它把“专业经验”拆成了可执行的段落每一步该做什么、什么时候停、什么时候让用户确认都写得清清楚楚。这也是为什么社区里出现了大量现成 Skills从 PDF 处理到前端开发、论文写作、测试用例生成几乎覆盖了高频工作流。1.2 Skills 与 MCP、插件的分工刚开始接触时我很容易把 Skills 和 MCPModel Context Protocol搞混后来用多了才理清楚。MCP 解决的是“连接”问题让 AI 能访问外部数据源和工具比如连上数据库、文件系统、浏览器Skills 解决的是“怎么干活”的问题它更像一套任务流程和内置脚本库。两者可以配合使用MCP 负责把外部信息拿进来Skills 负责告诉 AI 拿到之后怎么处理。插件则是更传统的软件扩展概念通常带有完整的界面和集成逻辑适合在固定应用里使用。Skills 更轻不需要独立安装包本质就是 Markdown 加一段脚本。你可以把 SKILL.md 理解成“说明书”把 scripts 目录理解成“现成的轮子”模型是“照着说明书使用轮子的人”。它们的取舍也很明显。插件能力最完整但最重MCP 连接能力最强但不管流程Skills 正好卡在中间足够灵活又能把专业经验沉淀下来。实际项目中我见过不少团队同时用 MCP 拿数据、用 Skills 做数据处理和报告生成两套机制互不冲突反而互补。1.3 为什么值得专门去找工具和网站一个很现实的原因是官方内置能力永远赶不上社区需求。你可能只是想把发票 Excel 批量转成 PDF或者想把几十个 Markdown 文件合并成一本电子书这些需求模型不是不能做而是每次都要重新理解格式、重新写代码效果不稳定。社区里有人已经把这些场景做成了 Skills你装上就有一整套成熟流程出错概率小很多。另一个原因是 AI 编程门槛正在快速下降。过去想让 Claude 或者 Codex 干活得自己熟练掌握提示词工程现在只要会安装一个 Skills就能让模型拥有“前端开发”“数据分析”“论文格式整理”这类专项能力。这也是我写这篇文章的初衷把我挖到的 4 个渠道分享出来少走弯路。2. 第一个必看Anthropic 官方 Skills 仓库2.1 官方仓库装了哪些能力Anthropic 官方把一批第一方 Skills 放到了 GitHub 仓库里这是我最早接触、也最推荐新手先看的资源。里面包含 PDF 处理、PPTX 生成、DOCX 文档操作、XLSX 表格处理、SVG 图形生成等能力每个技能都是独立目录里面有一个 SKILL.md 说明文件和若干辅助脚本。我安装的第一个官方技能是 PDF 处理。当时手头有几十份合同要提取关键条款原来靠手动复制粘贴花了三个小时后来把 PDF Skill 装进 Claude Code直接说“读取这几份 PDF逐份提取合同金额、期限和违约责任”模型自动调用技能里的脚本完成了批量提取误差率比人工还低。从这个体验之后我就开始关注官方仓库每次更新因为它代表的是官方验证过的实现适合打基础。官方仓库最大的价值不是某一个脚本而是一套质量标准。社区 Skills 质量参差不齐但官方仓库里的每个技能都遵循同样的目录结构、说明格式和脚本规范新手照着拆一个基本就能学会怎么写自己的 Skills。这也是我为什么强烈建议先看它而不是一开始就到处下载第三方 Skills。2.2 安装姿势与路径选择官方仓库的安装方式很简单核心就是把对应技能目录放到 Claude Code 能读取的路径。Claude Code 默认会读取两个位置的 Skills一个是用户级的~/.claude/skills一个是项目级的.claude/skills。用户级的全局可用项目级的只对当前项目生效我建议优先用项目级方便团队共享也避免技能冲突。下面是我常用的安装命令git clone https://github.com/anthropics/skills.git mkdir -p ~/.claude/skills cp -r skills/skills/pdf ~/.claude/skills/如果仓库里目录结构有调整先ls看清楚再复制。复制完成后重启 Claude Code让它重新扫描技能目录。这里有一个很容易踩的坑有些人把技能目录直接复制成了~/.claude/skills/skills/pdf这种多套一层目录的结构结果模型死活识别不到。正确做法是让 Skill 的根目录直接包含 SKILL.md也就是~/.claude/skills/pdf/SKILL.md而不是~/.claude/skills/skills/pdf/SKILL.md。如果你用的是团队项目建议把.claude/skills提交到 Git 仓库。这样同事拉下代码后不需要额外安装只要模型配置正确打开就能用同一个技能版本对于团队协作非常方便。2.3 装上之后怎么验证安装完不要急着开始正式工作先做个快速验证。我通常会在 Claude Code 里输入/skills查看当前已加载的技能列表确认目标技能出现在里面。接着准备一个测试文件比如一个 5 页的小 PDF让模型“用 PDF 技能读取并总结这个文件”如果模型能够正确调用脚本并返回结果说明技能已经生效。如果技能没有出现先看路径如果路径没问题再看 SKILL.md 里的name字段和文件名是否匹配。还有个容易被忽略的问题技能目录名称不要带空格和特殊字符比如“pdf skill”这种目录名模型解析起来容易出问题最好改成pdf-skill或pdf。验证通过后再正式投入业务能省掉后面很多排查时间。3. 第二个入口Claude Code 自带技能管理3.1 /skills 命令与官方文档除了官方仓库Claude Code 本身的技能管理入口也非常值得掌握。它允许你在交互界面里直接查看、加载和管理已安装的技能。我最初是在一个项目里装了三四个技能后发现每次都要靠记忆确认装没装后来才养成了先敲/skills看一眼的习惯。这个命令的最大价值是让你快速定位问题模型没有按预期调用技能时先看它到底有没有被加载如果被加载了但没触发问题多半出在技能描述上如果根本没加载直接检查路径和目录结构。这种“从入口排查”的思路比盲目改提示词高效得多。官方文档里还有一套技能开发规范包括 SKILL.md 的写法、目录结构要求、命名建议、脚本放哪里、怎么设置依赖等。很多第三方教程只教你安装不教你规范所以我建议你至少把官方文档翻一遍不需要全记住只要知道“规则长什么样”以后调试时就有据可依。3.2 从零开始管理本地技能用好技能管理先得把目录规划清楚。我目前本地的~/.claude/skills结构是这样的~/.claude/skills/ ├── pdf/ ├── excel/ ├── report/ └── slide/每个目录都对应一种技能目录名就是技能名。这里面有个原则一个技能一个文件夹SKILL.md 必须放在该文件夹根目录脚本放在子目录scripts/或reference/里。官方推荐的实践是如果技能包含大量参考资料可以放在reference/模型在需要时按需读取避免占用太多上下文。我还会用一个单独的 Git 仓库管理整个skills目录。每次装了新技能或改了脚本就提交一次出了问题可以git diff对比改动也能回滚到之前可用的版本。这种习惯在技能数量变多以后特别重要不然你根本不知道上次调坏的脚本是哪一个。3.3 官方文档里容易忽略的细节有几个细节我在实际使用中吃过亏值得单独拎出来讲。第一个是技能描述description的写法。很多官方示例里的描述都写得很具体比如“当用户需要把 PDF 文档转换成结构化摘要时使用适用于论文、合同、报告”。描述写得越具体模型越容易判断该不该调用写得太宽泛比如“用于处理 PDF”会导致模型在很多不合适的场景下也尝试调用反而降低回答质量。第二个是 SKILL.md 正文的结构。官方推荐先写“这个技能做什么、什么时候用”再写执行步骤最后写边界和注意事项。模型读取技能说明时是线性阅读的开头就清楚说明适用条件后面的步骤才不容易被理解偏。第三个是依赖环境。有些技能脚本依赖 Python 库或 Node.js 包安装前要看清脚本头部和说明里的依赖清单别装完技能才发现环境里缺库白白浪费排查时间。我现在的做法是每个技能都在目录里放一个requirements.txt或者说明文档把依赖固定下来避免版本漂移。4. 第三个方向Codex 的 Skills 生态4.1 Codex Skills 与 Claude Skills 的差异大多数人聊 AI Skills 都默认指 Claude其实 OpenAI 的 Codex 生态里也在快速普及同类能力。Codex 本身就是很强的编程代理Skills 机制让它从“能写代码”进化到“能按规范完成整套任务”。两者最大的差异在定位上。Claude 的 Skills 更偏通用办公和内容处理官方技能里 PDF、PPT、Excel 占大头Codex 的 Skills 更偏代码仓库和工程流程常见的是代码生成、测试、重构、文档维护。另一个差异是读取方式Claude Code 通过/skills或自动扫描技能目录来加载Codex 则会结合仓库根目录的AGENTS.md来判断该用哪些技能和项目的结合更深。这不代表两者只能选一个。我目前在同一个项目里就用 Claude Code 管文档类任务用 Codex 管代码重构和测试任务各用各的长处。它们遵循的技能格式都是“Markdown 说明 脚本”大部分编写经验是通用的。4.2 用 AGENTS.md 组织仓库级技能Codex 的 Skills 使用方式通常是以仓库为单位。社区里比较流行的结构是在项目根目录维护AGENTS.md然后在里面声明仓库有哪些技能、哪些场景该用哪个技能。比如project/ ├── AGENTS.md ├── src/ └── skills/ └── weekly-report/ ├── SKILL.md └── scripts/ └── build_report.pyskills/weekly-report/SKILL.md里照常写名、描述和执行步骤。Codex 在扫描仓库时会读取这些信息遇到“生成周报”相关任务时自动套用技能流程。这种做法的好处是技能跟着项目走换人、换机器只要仓库还在技能配置就不会丢。我实际测试过用 Codex Skill 做“自动化测试生成”效果比单纯让它“写测试”稳定太多。因为技能里明确了测试框架、命名规则、覆盖率要求、禁止修改哪些文件模型不用临场发挥产出的代码风格非常统一。这种仓库级技能组织方式对于中大型项目尤其有效。4.3 社区里那些热门技能值得试Codex Skills 的社区热度正在上涨常见的包括前端开发技能、测试开发技能、论文写作技能、代码审查技能。前端类的技能通常会封装一套组件规范、样式规范和可用性检查逻辑测试类的技能会定义测试目录、命名规则和 Mock 策略论文写作类的技能则专注于引用格式、章节结构和语言风格。不过要注意Codex 的技能生态迭代非常快今天的教程到下周可能就过时。我的经验是不要追求“最新最全”而是先去看官方openai/codex仓库里有没有相关说明和示例再结合社区里高 star 的仓库挑选。装之前先想清楚自己要解决什么具体问题不要为了装技能而装技能否则只会给模型增加干扰。5. 第四个帮手聚合站与精选清单5.1 我常用的三个类型入口除了官方渠道第三方聚合站是“挖宝”的主要战场。这些站点专门收集整理各种 Skills按类型、适用模型、热度排序省得你自己在 GitHub 里一家一家翻。我平时主要用三类入口。第一类是 AI 工具聚合目录站比如 Glama 这类平台里面有专门的 Skills 浏览页面可以按 Claude、Codex 等模型筛选也能看到社区评分和更新时间。第二类是 GitHub 上的 awesome 清单搜索“awesome agent skills”“awesome claude skills”就能找到一堆精选列表里面按官方、社区、工具链分类质量普遍比随手搜出来的高。第三类是直接搜“SKILL.md”文件在 GitHub 代码搜索里能找到大量真实仓库中的技能看别人项目里怎么落地比看包装过的教程更直观。这三类入口各有用途着急安装看聚合站系统性学习看 awesome 清单研究真实用法直接搜文件。我建议你把三类都收藏一个入口因为这类站点存活时间不稳定今天收藏的地址可能明天就改版了。5.2 判断技能质量的标准从聚合站下载技能最怕的不是技能不好用而是不知道它好不好用。我总结了一套快速判断标准按重要程度排序说明文档是否清晰SKILL.md 是否写清楚了适用场景、执行步骤、边界条件。是否附带辅助脚本纯靠模型临场发挥的技能稳定性有限有脚本才算完整。更新时间是否近期超过半年没更新的技能很可能已经不适合当前模型版本。维护者是否可靠官方账号、知名开发者或高星项目优先。依赖是否可控依赖包越少越好最好只在脚本内部使用常用库。这些条件不需要全部满足但至少前三项要过关。我一般会先打开 SKILL.md 通读一遍再扫一眼 scripts 目录里的脚本确认没有可疑代码才继续安装。这一步花不了几分钟但能过滤掉大部分质量低下的技能。5.3 搜索与下载的安全底线这里必须说一条硬底线任何 Skills 本质上都是代码加提示词下载别人的技能相当于让模型按别人写的指令执行。有些恶意技能会故意诱导模型输出危险操作、窃取环境变量、执行任意命令或者请求模型关闭日志记录。官方技能和有信誉的开发者的技能风险可控来路不明的技能风险完全不可控。我在社区里见过一些号称“无限制”“一键破解”的技能包这类东西不仅违反平台规则多数还夹带了恶意 Payload。看到这种标题直接跳过不要好奇下载。安装第三方技能前逐个打开脚本文件读一遍看不懂的代码不装要求设置敏感环境变量的技能一律先隔离测试。使用 AI 编程代理时也尽量不要用管理员权限运行给模型能接触到的最小权限就够了。6. 自己动手写一套可用 Skills6.1 最小技能结构长什么样看了那么多工具和网站最终还是要落到自己写技能上。不用等成为专家再动手一个最小可用的技能非常简单一个目录、一个 SKILL.md、一个可选脚本目录。--- name: pdf_summarizer description: 当用户需要总结 PDF 文件时使用本技能适用于论文、合同和报告。 --- # PDF 摘要技能 当用户要求总结 PDF 时执行以下步骤 1. 确认文件路径并检查文件是否存在。 2. 运行脚本 scripts/extract_text.py pdf_path 提取文本。 3. 清洗文本去掉页眉页脚和重复空行。 4. 按“文档主旨、核心要点、关键数据、待确认事项”四部分输出摘要。 ## 注意事项 - 扫描版 PDF 需要 OCR不要强行总结。 - 超长文档分段提取避免截断。name是技能内部标识description是模型决定是否调用的判断依据这两项是必需的YAML 格式也不能写错。正文部分可以写得口语化一些因为它是给模型读的重点是把执行步骤列清楚。6.2 实例写一个 PDF 摘要技能为了方便你直接复制我放一个完整的例子。首先准备脚本scripts/extract_text.py#!/usr/bin/env python3 import sys from pypdf import PdfReader def main(): path sys.argv[1] reader PdfReader(path) output [] for i, page in enumerate(reader.pages, 1): text page.extract_text() or output.append(f\n--- Page {i} ---\n{text}) print(.join(output)) if __name__ __main__: main()记得给脚本加执行权限chmod x scripts/extract_text.py然后把这个文件夹放到~/.claude/skills/pdf_summarizer/重启 Claude Code技能就生效了。我实测下来pypdf 对电子版 PDF 的提取效果不错扫描版会提示需要 OCR这个技能在设计时就写清楚了边界模型不会硬生成错误结果。这里的一个经验是脚本宁可功能简单也不要把逻辑写得太复杂。AI 编程代理最擅长的是“调用工具、按步骤执行”而不是“理解复杂代码的意图”。脚本输入输出越明确调用成功率越高。6.3 调试技能时最常见的四个坑自己在写技能的过程中我踩过不少坑整理出来给你参考。第一个坑是目录多套了一层。很多人把技能文件夹整个复制进 skills 目录结果变成了“技能目录/技能目录/SKILL.md”导致模型识别不到。检查方法很简单看 SKILL.md 是不是正好位于“技能名文件夹”的根目录下。第二个坑是 frontmatter 写错。name或description缺少、冒号后面没加空格、YAML 里用了不合规的特殊符号都会让解析失败。这类问题最好在编辑器里用 YAML 校验插件先过一遍不要在模型里反复试。第三个坑是脚本没有执行权限或者缺少依赖。常见表现是模型调用了脚本但报“Permission denied”或“ModuleNotFoundError”。提前在终端里手动执行一次脚本确认能跑通再让模型调用。第四个坑是技能描述与实际行为不匹配也就是模型经常触发不了这个技能。解决办法是重新写 description把触发场景和关键词写明确越具体越好不要贪多把无关场景全塞进去。最后再分享一个经验我现在给自己定了几条规矩技能数量控制在五个以内先精后多每次安装第三方技能前先读 SKILL.md 和 scripts 目录确认它只干它声称的那件事官方仓库每周更新一次保持技能版本同步。AI Skills 最吸引我的地方是把很多“老师傅知道该怎么做”的经验变成了可以被模型反复调用和传承的规范流程。你在实际操作中如果遇到技能不生效、调用不准的情况不要急着删掉重装先回到技能描述和目录结构上排查八成问题都在那里。