Skill 技能系统详解与设计方法 - 学习笔记-Claude Code-上海佼艾

一、Skills 系统概述

1.1 什么是 Skills

Skills（技能）是 Claude Code 中一套可扩展的能力模块系统。每个 Skill 本质上是一个结构化的提示词模板，它告诉 Claude Code 在特定场景下应该如何表现、遵循什么流程、使用什么工具以及产出什么结果。Skills 让 Claude Code 从通用 AI 助手转变为领域专家。

核心概念：Skill = 提示词 + 元数据 + 配置。三者共同定义了一个特定能力的完整行为规范。

Skills 的设计哲学遵循"关注点分离"原则——每个技能专注于一个特定的任务领域，而不是试图在一个巨型提示词中处理所有场景。这种模块化设计带来了以下优势：

可组合性：多个 Skill 可以协同工作，覆盖复杂工作流的不同环节
可维护性：每个 Skill 独立维护，修改一个不会影响其他
可发现性：系统可以根据用户输入自动匹配和推荐合适的 Skill
可测试性：每个 Skill 可以独立评估和优化

1.2 Skills 的类型

根据来源和注册方式，Skills 分为三大类：

类型	来源	示例	特点
内置技能 (Built-in Skills)	Claude Code 出厂自带	simplify, review, security-review, init	核心功能，不可修改，随 CLI 更新
插件技能 (Plugin Skills)	通过 claude-plugins-official 安装	skill-creator, claude-md-management, update-config, keybindings-help, loop, schedule, claude-api	社区/官方开发，注册后可通过 /command 调用
自定义技能 (Custom Skills)	用户在 CLAUDE.md 中定义或通过 Skill Creator 创建	a_learnnotehcl, a_medical, a_news, a_shl	按需定制，高度灵活，可绑定特定触发条件

内置技能速览

Claude Code 自带一组开箱即用的内置技能，覆盖代码审查、安全审查、CLAUDE.md 初始化等常见场景：

simplify — 审查变更代码的复用性、质量和效率，修复发现的问题
review — 审查 Pull Request
security-review — 审查当前分支的安全变更
init — 初始化新的 CLAUDE.md 文件

学习提示

理解三种技能类型的关键区别：内置技能是 CLI 的一部分，插件技能通过文件系统注册，自定义技能则完全由用户定义和维护。三种技能在触发机制上略有不同，但核心架构一致。

二、Skills 架构与原理

2.1 技能调用机制

当 Claude Code 收到用户输入时，系统会经历一个"技能匹配-触发-执行"的完整流程：

用户输入 → 技能匹配引擎 → 匹配成功？ → 触发技能 → 执行提示词 → 返回结果

技能调用的核心流程详解：

输入解析：系统解析用户消息，提取关键词和意图
技能匹配：技能匹配引擎遍历所有已注册技能的描述和触发条件，计算匹配度
触发决策：根据匹配度阈值、斜杠命令前缀、TRIGGER 块条件等决定是否触发
上下文注入：将技能提示词注入到当前对话上下文中
技能执行：Claude Code 按照技能提示词中的指令执行任务
结果返回：执行完成后，技能上下文退出，恢复正常对话

2.2 触发模式

Skills 支持多种触发模式，以适应不同的使用场景：

触发模式	触发方式	适用场景	示例
描述匹配 (Description Triggering)	根据用户输入与 skill description 的语义匹配	自然语言触发，最常用	用户说"帮我审查代码"，触发 review 技能
斜杠命令 (Slash Command)	以 `/skill-name` 格式直接调用	明确调用，避免误触发	`/simplify`, `/review`
TRIGGER 块条件	在 CLAUDE.md 中定义触发条件表达式	文件匹配、正则匹配等条件式触发	检测到 `import anthropic` 触发 claude-api
手动调用	用户明确说"使用某个技能"	测试和调试场景	"使用 skill-creator 创建新技能"

2.3 上下文隔离与生命周期

每个 Skill 在执行时拥有独立的上下文空间，这种隔离机制保证了技能之间不会相互干扰：

提示词隔离：技能提示词作为 system 消息的一部分注入，不影响其他技能的配置
状态隔离：技能执行期间产生的中间状态不会泄漏到技能之外
工具访问控制：技能可以声明需要的工具权限，未声明的一律拒绝
生命周期管理：技能从触发到完成经历"激活 → 执行 → 完成/超时 → 销毁"四个阶段

重要理解：Skills 并非独立的进程或容器，而是在 Claude Code 的对话上下文中注入结构化的提示词。技能的本质是"经过精心设计的系统提示词片段"，这种设计使得技能的创建和调试非常轻量。

三、Skill Creator 工具详解

3.1 工具概述

Skill Creator 是 Claude Code 官方提供的一款插件技能，全名为 skill-creator:skill-creator。它提供了一套完整的技能创建、编辑、优化和评估工作流，是自定义技能开发的核心工具。

一句话概括：Skill Creator = 技能的"元技能"。它本身就是一个 Skill，专门用来创建和优化其他 Skill。

3.2 主要功能

Skill Creator 提供以下核心能力：

从零创建：通过交互式对话引导用户创建全新的 Skill，自动生成 CLAUDE.md frontmatter 和提示词
编辑修改：读取现有 Skill 的配置，允许用户修改技能名称、描述、提示词、触发条件等
优化建议：基于最佳实践分析现有 Skill，提供改进建议
评估运行：对 Skill 运行基准测试 (evals)，评估其在多个测试样本上的表现
描述优化：针对技能的 description 字段进行优化，提高触发匹配的准确性

3.3 从零创建技能的工作流

使用 Skill Creator 创建一个新技能的典型流程：

启动工具：在对话中输入 "使用 skill-creator 创建新技能" 或直接使用 /skill-creator:skill-creator
描述需求：向工具描述你想创建的技能用途，例如"创建一个自动检查代码格式的技能"
交互式配置：Skill Creator 会询问一系列问题来确定技能的关键参数：
- 技能名称（需遵循命名规范）
- 技能描述（用于触发匹配）
- 技能类型（如 software-development, code-review 等）
- 首选模型（如 opus, sonnet）
- Agent 类型（如 code, general）
- 触发条件（可选的 TRIGGER 块）
提示词编写：Skill Creator 会生成一段基础提示词模板，用户可以在其基础上细化和扩展
自动注册：完成配置后，Skill Creator 会自动将技能注册到项目的 CLAUDE.md 中
验证测试：创建完成后，立即测试技能是否能被正确触发和执行

技能名称命名规范

Skill Creator 要求技能名称遵循以下规则：

只能包含小写字母、数字、连字符 (-) 和下划线 (_)
不能以数字开头
建议使用命名空间前缀，如 claude-md-management:revise-claude-md
对于自定义聚合命令，使用 a_ 前缀（如 a_medical, a_news）

3.4 评估功能详解

Skill Creator 的评估功能是其最强大的特性之一：

创建评估：为 Skill 定义一组测试用例（含输入和期望输出）
基准测试：针对每个测试用例运行 Skill，收集执行结果
方差分析：多次运行同一测试用例，分析输出结果的稳定性和一致性
性能报告：生成评估报告，显示每个测试用例的通过率、执行时间、输出质量等指标
迭代优化：根据评估结果调整提示词，重新评估，形成优化闭环

四、技能配置文件格式

4.1 CLAUDE.md Frontmatter

技能配置存储在项目的 CLAUDE.md 文件中，以 YAML frontmatter 格式定义。每个技能条目包含完整的元数据配置：

# 完整技能配置示例
- name: claude-md-management:revise-claude-md
  description: Update CLAUDE.md with learnings from this session
  type: project
  model: opus
  agent:
    type: general
  trigger:
    # 可选触发条件
    - pattern: update CLAUDE.md
      type: contains
  prompt: |
    You are an expert at documenting project learnings.
    Review the session transcript and extract key information...

4.2 核心字段详解

字段	必需	说明	示例值
`name`	是	技能唯一标识符，支持命名空间格式	`skill-creator:skill-creator`
`description`	是	技能描述，用于触发匹配的关键文本	`Create new skills, modify and improve existing skills...`
`type`	否	技能分类，影响匹配权重	`project`, `software-development`
`model`	否	首选模型，指定执行该技能使用的 Claude 模型	`opus`, `sonnet`
`agent.type`	否	Agent 类型，决定工具集和运行模式	`general`, `code`
`trigger`	否	触发条件列表，定义自动触发的规则	`[{pattern: "...", type: "contains"}]`
`prompt`	是	技能的核心提示词，定义行为逻辑	多行文本

4.3 Model 与 Agent 配置

模型选择策略

model 字段指定技能执行时偏好的模型：

opus：适合复杂推理任务，如代码审查、安全分析、复杂文档生成
sonnet：平衡速度与质量，适合大部分日常任务
haiku：适合简单快速的任务，如格式化、简短回答
不指定：使用用户的默认模型配置

Agent 类型配置

agent.type 字段决定技能可用的工具集：

general：标准 agent，具备通用工具集，适合文档处理、信息检索等
code：编程 agent，额外拥有代码分析和执行工具，适合开发任务
不指定：使用用户默认的 agent 配置

最佳实践

对于需要大量推理的复杂技能（如代码审查、安全审查），建议显式指定 model: opus 以获得最佳效果。对于简单的命令式技能，使用默认模型即可。

五、技能触发机制

5.1 触发机制全览

Claude Code 的技能触发系统采用多层匹配策略，确保技能在合适的时机被正确激活：

语义匹配层：将用户输入与所有已注册技能的 description 字段进行语义相似度计算，选择匹配度最高的技能
斜杠命令层：当用户输入以 / 开头时，直接解析为技能名称进行精准匹配
TRIGGER 条件层：检查用户输入是否满足某个技能定义的 TRIGGER 条件（如关键词包含、正则匹配等）
上下文感知层：考虑当前对话上下文、打开的文件、工作目录等信息，提高匹配准确性

5.2 Description 触发详解

Description 触发是最常用、最自然的技能触发方式。系统将用户输入与技能描述的语义进行匹配，匹配度超过阈值时自动触发：

核心原理：当系统检测到用户输入与某个技能的 description 语义高度相关时，会自动将该技能的提示词注入到当前对话的系统消息中。注入的提示词作为"系统级指令"，引导 Claude Code 按照该技能定义的行为模式进行响应。

Description 编写的关键原则：

精确描述：准确描述技能的用途和触发场景，避免模棱两可的表述
关键词覆盖：包含用户在自然对话中可能使用的关键词和短语
场景化表达：描述技能适用的典型场景，帮助系统建立关联
避免噪音：不要为了提高匹配率而堆砌无关关键词

好的描述示例

Build, debug, and optimize Claude API / Anthropic SDK apps. Also handles migrating existing Claude API code between Claude model versions.

这个描述精确说明了技能用途、操作对象和适用场景，系统能准确判断何时触发。

差的描述示例

Do things with code and APIs and stuff.

这个描述过于宽泛，无法精确匹配，容易产生误触发或漏触发。

5.3 TRIGGER 块条件

TRIGGER 块提供了更精确的触发控制，允许定义基于文件内容、文件名模式、用户输入模式等条件的自动触发规则：

# TRIGGER 块条件示例
  trigger:
    - pattern: import anthropic
      type: contains
    - pattern: .*\.py$
      type: regex
      # 当用户代码中包含 'import anthropic' 或编辑 .py 文件时触发

TRIGGER 支持的匹配类型：

contains — 字符串包含匹配
regex — 正则表达式匹配
glob — Glob 模式匹配（用于文件名）
always — 始终触发（慎用）

5.4 触发决策流程

当多个技能同时满足触发条件时，系统的决策顺序如下：

斜杠命令优先：如果用户使用 /skill-name 格式，直接触发对应技能
TRIGGER 块次之：满足 TRIGGER 条件的技能获得高优先级
描述匹配兜底：基于语义相似度评分选择最佳匹配
冲突解决：当评分相近时，优先选择类型更匹配、最近使用过的技能

注意：技能覆盖

如果多个技能的 description 非常相似，可能会出现技能覆盖（即总是触发同一个技能）的问题。此时需要：

调整各个技能的 description 使其更具区分度
为特定场景添加 TRIGGER 条件
使用斜杠命令直接指定目标技能

六、技能提示词设计

6.1 提示词结构

一个高效的技能提示词通常遵循以下结构：

# 技能提示词模板结构
prompt: |
  # 1. 角色定义
  You are an expert [role] specializing in [domain].

  # 2. 核心目标
  Your primary goal is to [main objective].

  # 3. 行为规范
  When performing tasks:
  - Always [rule 1]
  - Never [rule 2]
  - Follow [specific process]

  # 4. 工作流程
  Follow these steps in order:
  1. [Step 1]
  2. [Step 2]
  3. [Step 3]

  # 5. 输出要求
  Your output must:
  - [Requirement 1]
  - [Requirement 2]

  # 6. 约束条件
  IMPORTANT restrictions:
  - [Restriction 1]
  - [Restriction 2]

6.2 角色定义技巧

角色定义是技能提示词的基石。一个精确的角色定义能让 Claude Code 快速进入正确的工作状态：

具体化：不要只说"你是一个助手"，而是说"你是一位资深 Python 后端开发者，精通 Django 和 FastAPI"
领域限定：明确技能的专业领域边界，避免角色漂移
经验层次：通过经验年数、专业认证等细节强化角色可信度

好的角色定义

You are an expert DevOps engineer with 10+ years experience, specializing in AWS infrastructure, Kubernetes orchestration, and CI/CD pipeline design.

泛泛的角色定义

You are a helpful assistant that knows about DevOps.

6.3 上下文管理

技能提示词应该合理管理对话上下文，避免过度消耗 token：

精简指令：每个指令都应该是必要的，删除冗余表述
分步指导：复杂任务拆分为清晰的步骤，便于 Claude Code 逐步执行
示例优先：用一个好的示例胜过三段描述
负面约束：明确告诉 Claude Code 不该做什么，比只告诉该做什么更重要

6.4 用户交互模式

技能可以定义与用户的交互方式，以引导更高效的协作：

模式	说明	适用场景
指令式 (Directive)	技能直接执行任务，无需用户确认	自动化格式化、安全检查等确定性任务
确认式 (Confirmative)	技能在执行关键操作前请求用户确认	文件修改、代码提交等有副作用的操作
引导式 (Guided)	技能主动提问，引导用户提供必要信息	复杂任务需要收集多维度输入的场景
报告式 (Reportive)	技能执行后生成结构化报告	审查、分析、审计等需要输出的场景

设计原则：好的技能提示词应该让 Claude Code 在执行任务时"知道自己在做什么、为什么做、怎么做、做到什么程度"。这四条信息分别对应角色定义、核心目标、工作流程和输出要求。

七、技能开发工作流

7.1 五阶段生命周期

一个完整的技能开发遵循"计划 → 设计 → 实现 → 测试 → 迭代"的五阶段生命周期：

1. 计划 → 2. 设计 → 3. 实现 → 4. 测试 → 5. 迭代 ↑ ↺

7.2 各阶段详解

阶段 1：计划 (Plan)

确定技能的定位和边界：

需求分析：明确技能要解决什么具体问题
范围界定：确定技能的输入、输出和功能边界
竞品分析：审查现有技能中是否有覆盖相同场景的，评估差异化
可行性评估：评估实现难度、维护成本和预期收益

阶段 2：设计 (Design)

定义技能的架构和行为：

触发策略：设计触发方式（description 匹配 / 斜杠命令 / TRIGGER 条件）
提示词结构：编写提示词大纲，确定角色、流程和约束
工具需求：明确技能运行所需的工具和权限
输出规范：定义技能输出的格式和质量标准

阶段 3：实现 (Implement)

将设计转化为实际的配置：

使用 Skill Creator 或手动编辑 CLAUDE.md 注册技能
填写所有配置字段（name, description, prompt 等）
编写完整的提示词内容
配置 TRIGGER 条件（如果需要）

阶段 4：测试 (Test)

验证技能的正确性和稳定性：

功能测试：手动触发技能，验证是否按预期工作
触发测试：用不同的输入测试是否被正确触发
边界测试：测试异常输入和边缘情况下的行为
评估运行：使用 Skill Creator 的 eval 功能进行自动化评估

阶段 5：迭代 (Iterate)

根据反馈持续优化：

收集使用过程中的问题和改进建议
分析评估结果，找出薄弱环节
调整提示词和配置，重新测试
进入下一个迭代周期

实用建议

不要追求一次完美。技能的迭代周期建议设置为：初版 30 分钟完成核心功能 → 试用 1-2 天 → 根据实际体验优化 → 稳定后加入评估套件。

八、技能评估与优化

8.1 评估体系

技能评估是确保技能质量的关键环节。Skill Creator 提供了一套完整的评估框架：

评估指标

指标	衡量内容	评估方法
触发准确率	技能是否在正确的场景下被触发	用一系列正向/负向测试用例测试触发匹配
任务完成率	技能是否成功完成其声明的任务目标	运行 eval 测试用例，检查输出是否满足预期
输出质量	生成结果的相关性、准确性和完整性	人工评分或自动化质量检查
方差稳定性	多次执行的输出一致性	同一测试用例运行多次，分析结果差异
执行效率	技能完成任务的耗时和 token 消耗	记录每次执行的耗时和 token 计数

8.2 基准测试 (Benchmarking)

建立技能评估的标准化流程：

定义测试用例集：准备 5-20 个覆盖不同场景的测试用例
建立基线：对每个测试用例运行 3-5 次，记录平均表现作为基线
优化后对比：每次修改后重新运行测试集，对比基线评估改进效果
持续监控：将评估套件纳入 CI/CD 流程，防止回归

8.3 方差分析与稳定性优化

方差是指同一技能在相同输入下产生不同输出的程度。高方差意味着技能行为不可预测：

降低方差的技巧

减少模糊表述：用具体指令替代模糊描述，如用"输出 JSON 格式"替代"输出结构化数据"
固定输出模板：在提示词中提供明确的输出格式模板
步骤序号化：将流程拆分为编号步骤，减少自由发挥空间
示例锚定：提供输入-输出示例，锚定期望的输出风格和质量
约束条件：明确禁止某些行为，缩小输出空间

8.4 Description 优化方法

Description 是技能触发匹配的核心依据，优化 description 可以直接提升触发准确率：

关键词前置：将最重要的关键词放在 description 开头
场景化描述：描述技能触发时的典型用户场景
TRIGGER 辅助：使用 TRIGGER 块补充 description 无法覆盖的触发条件
定期审查：根据实际触发记录审查和调整 description
A/B 测试：对 description 的不同版本进行对比测试

优化闭环：评估 → 分析 → 优化 → 再评估。这是技能持续改进的核心循环。每次修改后都应该重新运行评估，用数据而不是感觉来判断优化效果。

九、插件技能开发

9.1 claude-plugins-official 架构

Claude Code 的插件系统通过 claude-plugins-official 仓库管理。插件的核心是一个包含多个技能的集合，通过统一的 manifest 文件注册到 Claude Code 中。

# 插件目录结构示例
claude-plugins-official/
  戮── plugin-name/
      戮── manifest.json          # 插件清单文件
      戮── skills/
          戮── skill-1.yaml       # 技能定义文件 1
          戮── skill-2.yaml       # 技能定义文件 2
      戮── node_modules/          # 依赖（如有需要）
      戮── index.js               # 入口文件（可选）

9.2 插件清单 (Manifest)

每个插件根目录下必须包含 manifest.json，定义插件的元信息和依赖：

{
  "name": "skill-creator",
  "description": "Create and manage Claude Code skills",
  "version": "1.0.0",
  "skills": [
    {
      "name": "skill-creator",
      "file": "skills/skill-creator.yaml"
    }
  ],
  "dependencies": {
    "node": ">=18.0.0"
  }
}

9.3 多技能插件

一个插件可以包含多个技能，每个技能有独立的配置和提示词：

# manifest.json - 多技能插件
{
  "name": "claude-md-management",
  "skills": [
    {
      "name": "revise-claude-md",
      "file": "skills/revise-claude-md.yaml"
    },
    {
      "name": "claude-md-improver",
      "file": "skills/claude-md-improver.yaml"
    }
  ]
}

多技能插件的优势：

统一管理：相关技能集中在一个插件中，便于分发和维护
共享依赖：多个技能可以共享同一个依赖环境和运行时
版本同步：所有技能随插件一起版本化，避免兼容性问题
命名空间隔离：通过 plugin-name:skill-name 格式避免命名冲突

9.4 技能 YAML 定义文件

插件的每个技能使用独立的 YAML 文件定义，结构与 CLAUDE.md frontmatter 一致：

# skills/skill-creator.yaml
name: skill-creator:skill-creator
description: |
  Create new skills, modify and improve existing skills,
  and measure skill performance. Use when users want to
  create a skill from scratch, edit, or optimize an existing
  skill, run evals to test a skill...

model: opus
agent:
  type: general

prompt: |
  You are an expert skill engineer specializing in creating
  and optimizing Claude Code skills...

trigger:
  - pattern: create a skill
    type: contains

插件安装方式

插件通过 /plugin 命令安装：/plugin install <repository-url>。安装后，插件注册的 Skills 会自动出现在 Claude Code 的可用技能列表中。如遇 SSH 认证失败，可改用 HTTPS URL。

十、最佳实践与设计模式

10.1 技能粒度控制

技能粒度的把控是技能设计的核心决策之一：

粒度	特点	优势	劣势	适用场景
粗粒度	一个技能覆盖多个相关任务	触发简单，管理方便	提示词庞大，token 开销大	领域专精型（如 claude-api）
细粒度	每个技能专注一个具体任务	提示词精简，高精度触发	技能数量多，管理成本高	工具命令型（如 update-config）
混合粒度	核心技能+辅助技能的组合	兼顾覆盖面和精确度	需要设计技能协作机制	大多数场景推荐

经验法则：一个技能的 prompt 建议控制在 200-800 字之间。少于 200 字可能不够详细，多于 800 字可能过度消耗 token 且难以维护。

10.2 可复用性设计

设计可复用的技能需要考虑以下因素：

参数化设计：使用 $ARGUMENTS 占位符传递参数，使技能适用于不同输入
模块化拆分：将通用逻辑抽取为独立技能，通过技能组合完成复杂任务
环境无关性：避免硬编码路径、权限等环境特定信息
标准化输出：输出格式标准化，便于其他技能或工具消费

# 参数化技能示例：a_learnnotehcl
- name: a_learnnotehcl
  description: |
    按照标准化流程执行,读取 @$ARGUMENTS 文件中的内容,生成学习笔记
  prompt: |
    按照 D:\claude\www.shjiaoai.com\LearningNotes\HanChangli\info.md
    中的标准化流程执行,读取 @$ARGUMENTS 文件中的内容,生成...

10.3 错误处理模式

在技能提示词中嵌入错误处理逻辑，提高技能的鲁棒性：

输入验证：技能执行前验证输入参数的有效性
降级策略：当关键操作失败时，提供备选方案
清晰报错：错误信息应指明原因和解决方案
回滚机制：对于有副作用的操作，设计回滚流程

10.4 用户体验模式

良好的用户体验设计是技能被接受的关键：

进度反馈：对于耗时操作，在每一步向用户报告进度
确认环节：在关键操作前请求确认，防止误操作
结果摘要：执行完成后提供简洁的结果摘要
可发现性：技能 description 应使用户容易发现和了解技能用途

10.5 常见设计模式

模式 1：流程代理 (Process Agent)

技能定义完整的工作流程，引导用户一步步完成复杂任务。

示例：a_learnnotehcl — 读取原始文本 → 查看模板 → 生成 HTML → 更新目录列表。技能内置了完整的流程定义，用户只需提供输入文件路径。

适用：周期性执行、步骤固定的标准化任务。

模式 2：命令路由 (Command Router)

一个聚合技能根据输入参数路由到不同的子流程。

示例：a_medical — 根据 $ARGUMENTS 中指定的疾病名称，自动执行对应的疾病详情页创建流程。

适用：多个类似任务需要统一入口的场景。

模式 3：工具封装 (Tool Wrapper)

技能封装特定的工具操作，提供更友好的交互界面。

示例：update-config — 封装 settings.json 的修改操作，用户用自然语言描述配置变更，技能自动执行。

适用：底层工具操作复杂、需要用户友好的场景。

模式 4：审查与反馈 (Review & Feedback)

技能对现有内容进行审查并提供改进建议。

示例：review, security-review, claude-md-improver — 分析输入内容，生成结构化审查报告。

适用：代码审查、文档审查、安全检查等质量保证场景。

十一、核心要点总结

Skills 系统核心认知

Skills 的本质是结构化提示词：Skills 不是独立的程序或容器，而是注入对话上下文的系统级指令。这种轻量级设计使得技能的创建和调试非常便捷。
三大技能类型各司其职：内置技能提供核心功能，插件技能扩展能力边界，自定义技能满足个性化需求。三者通过统一的配置格式在 CLAUDE.md 中注册。
Skill Creator 是核心开发工具：作为"元技能"，Skill Creator 提供创建、编辑、优化、评估的全链路支持，是自定义技能开发的起点。
触发机制是多层决策系统：斜杠命令、TRIGGER 条件、Description 语义匹配三层触发机制协同工作，确保技能在合适的时机被正确激活。
提示词设计是技能质量的根本：角色定义、行为规范、工作流程、输出要求四要素构成了高效技能提示词的基础框架。

关键实践要点

技能粒度适中最好：200-800 字的 prompt 长度是经验推荐值。太粗则 token 开销大，太细则管理成本高。推荐采用混合粒度策略。
评估驱动优化：建立测试用例集，用数据驱动技能优化。每次修改后重新运行评估，对比基线衡量改进效果。
Description 是触发关键：精确、具体、场景化的 description 能显著提升触发准确率。避免宽泛和模糊的表述。
TRIGGER 块补足匹配精度：对于 description 难以精确覆盖的场景，使用 TRIGGER 条件进行补充，实现更精准的触发控制。
参数化设计提升复用性：使用 $ARGUMENTS 传递参数，使单个技能适用于多种输入场景，是技能复用的关键设计模式。
插件技能遵循命名空间规范：使用 plugin-name:skill-name 格式避免命名冲突，manifest.json 和 YAML 定义文件是插件技能的标准配置方式。
迭代优于一次性完美：采用 30 分钟快速原型 → 试用 → 评估 → 优化的快速迭代模式，避免过度设计。
用户交互模式需明确：根据任务性质选择合适的交互模式（指令式、确认式、引导式、报告式），并在提示词中清晰定义。

一句话总结：Skills 是 Claude Code 的能力模块化系统，通过结构化的提示词配置实现特定领域的行为定制。掌握技能设计方法，可以让 Claude Code 从通用助手转变为专精于你工作流程的领域专家。核心在于：精确的触发 + 优质的提示词 + 持续的评估优化。