Anthropic 發布《Claude 技能構建完整指南》：33頁精華，打造高效 AI 工作流的最佳實踐

Anthropic 正式發布一份長達 33 頁的《The Complete Guide to Building Skills for Claude》，系統性整理了從規劃設計、開發測試到部署分發的完整 Claude Skills 開發流程。這份指南不只是技術文件，更代表 Anthropic 將 AI 技能標準化的戰略佈局，任何想要讓 Claude 變得「更專業」的開發者與企業都不應錯過。

什麼是 Claude Skills？為什麼現在才需要它？

Claude Skills 是 Anthropic 於 2025 年 10 月首度推出的新概念，並在同年 12 月進行重大升級。Skills（技能包）本質上是一個「資料夾」，包含 Markdown 說明文件、可執行腳本與參考資源，用來告訴 Claude 如何處理特定類型的任務。

一個很好的比喻是：你有一個非常聰明的數學家，但他不懂稅法；你需要的是一個「有領域知識的會計師」。Skills 就是填補這個落差的工具——它讓 Claude 從通用助手，進化成擁有領域專業的「專業工匠」。
Anthropic 更在 2025 年 12 月 18 日宣布將 Agent Skills 發布為開放標準，規格公開於 agentskills.io，與過去開放 MCP（模型上下文協議）的精神一脈相承。目前微軟 VS Code、GitHub、Cursor、Atlassian、Figma、Canva、Stripe、Notion 等業界巨頭已率先採用。

核心設計原則：三層漸進式揭露架構

這份指南最關鍵的概念，是 Skills 的**三層漸進式揭露（Progressive Disclosure）設計：

層級	內容	何時載入
第一層（YAML 前言）	技能名稱與簡短描述	永遠載入於系統提示詞
第二層（SKILL.md 主體）	完整指令與操作步驟	當 Claude 判斷需要時
第三層（連結檔案）	腳本、API 文件、範本	執行時按需存取

這個設計的核心優勢在於：最小化 Token 消耗，同時保留專業深度。Skills 只在需要時才占用 Context Window 空間，而非每次對話都全部載入。

除此之外，Skills 還具備兩項重要特性：

可組合性（Composability）：Claude 可同時載入多個 Skills，不同技能包能相互協作
可移植性（Portability）：同一個 Skills 資料夾在 Claude.ai、Claude Code 與 API 三種環境完全通用

技能的三大使用情境

根據 Anthropic 的觀察，Skills 主要集中在三類應用場景：

情境一：文件與資產創建

專注於生成一致性高品質輸出，例如設計稿轉開發文件、簡報製作、Excel 財務報表等。關鍵技術包含：嵌入品牌規範、設定模板結構、完成前自動執行品質檢查清單。不需要外部工具，完全依賴 Claude 內建能力。

情境二：工作流程自動化

處理需要一致方法論的多步驟流程，可跨多個 MCP 伺服器協調。典型案例是 Anthropic 官方的 skill-creator 技能，能引導使用者完成技能定義、指令撰寫、驗證等完整流程。

情境三：MCP 增強

在現有 MCP 整合之上，加入工作流程指導。以 Sentry 的 sentry-code-review 為例，它能自動分析 GitHub PR 中的錯誤並提出修復建議。正如指南中的廚房比喻：MCP 提供「專業廚房與食材」，Skills 提供「食譜與烹飪方法」。

技術規格：SKILL.md 的必要條件

這份指南對技術規格要求十分嚴格，以下是開發者最需要注意的關鍵細節：

資料夾結構：

your-skill-name/
├── SKILL.md          ← 必要，大小寫敏感
├── scripts/          ← 可選，Python/Bash 等腳本
├── references/       ← 可選，API 文件等參考資料
└── assets/           ← 可選，模板、字型、圖示

YAML 前言的黃金規則：

資料夾名稱必須使用 kebab-case（如 notion-project-setup），不可有空格或大寫
description 欄位必須同時包含「技能用途」與「觸發條件」，上限 1024 字元
禁止使用 XML 角括號（< >），避免系統提示詞注入風險
技能名稱不可包含 claude 或 anthropic（保留字）

好的 description 範例與反例對比：

類型	範例
✅ 好的描述	`Analyzes Figma design files and generates developer handoff documentation. Use when user uploads .fig files, asks for "design specs" or "design-to-code handoff".`
❌ 過於模糊	`Helps with projects.`
❌ 缺少觸發條件	`Creates sophisticated multi-page documentation systems.`

測試方法：三層驗證框架

指南建議採用「先精練單一任務、再擴展多場景」的測試策略，具體分為三個面向：[1]

觸發測試：確認技能在正確時機載入，且不會被不相關請求誤觸發。建議設計 10-20 個測試問句，包含明顯觸發句、改寫版，以及「不應觸發」的干擾句。
功能測試：驗證輸出正確性、API 呼叫成功率、錯誤處理是否完善，以及邊界情境覆蓋。
效能比較：對比有 / 無 Skills 的差距。指南提供了量化標準——一個成熟的技能應能將對話來回次數從 15 次壓縮到 2 次，Token 消耗減少 50%，API 失敗率歸零。

五大進階設計模式

這份指南整理了來自早期採用者的五種實用模式：

模式一：循序工作流協調
適用於必須按特定順序執行的多步驟流程，例如客戶入職（建立帳號 → 設置付款 → 建立訂閱 → 發送歡迎信）。關鍵在於明確定義步驟間的相依關係與失敗回滾機制。

模式二：跨 MCP 協調
當工作流橫跨多個服務時使用（如 Figma → Drive → Linear → Slack 的設計交付流程），需要清晰的階段切換與跨服務資料傳遞機制。

模式三：迭代優化循環
適合需要反覆精練的輸出，如報告生成。透過腳本進行自動驗證，在達到品質門檻前持續循環改善。

模式四：情境感知工具選擇
根據檔案大小、類型等條件，動態決定最適合的工具路徑（如大型檔案走雲端儲存 MCP、協作文件走 Notion MCP）。

模式五：領域知識嵌入
在工具呼叫中加入專業判斷，典型案例是金融合規流程——每筆交易在處理前必須先通過制裁清單與司法管轄驗證。

分發與企業部署

技能分發目前有三個主要管道：

個人使用：下載技能資料夾 → 壓縮成 .zip → 上傳至 Claude.ai 設定 > 能力 > Skills
企業管理員：自 2025 年 12 月 18 日起，Claude Team 與 Enterprise 管理員可在後台統一管理、部署技能至整個組織
API 程式化使用：透過 /v1/skills 端點管理技能，在 Messages API 請求中透過 container.skills 參數使用

指南特別強調，在 GitHub 上公開技能時，repo 根目錄的 README 是給人類看的，技能資料夾內部不應放 README.md。

常見問題排查速查

症狀	原因	解決方法
技能無法上傳	檔案名非 `SKILL.md`（大小寫錯誤）	確認大小寫，使用 `ls -la` 確認
技能從不觸發	description 過於模糊，缺乏觸發關鍵字	加入使用者實際會說的片語
技能頻繁誤觸發	描述範圍太廣	加入負向觸發條件（Do NOT use for...）
MCP 連線失敗	API 金鑰過期或工具名稱拼寫錯誤	先單獨測試 MCP，排除 Skills 干擾
指令未被遵循	說明太冗長或關鍵步驟未置頂	精簡說明，重要指令移至最前，使用 `## CRITICAL` 強調
Context 效能下降	SKILL.md 過大，或同時啟用太多技能	將詳細文件移至 `references/`，建議 SKILL.md 不超過 5000 字

產業意涵：Skills 正在成為 AI 基礎設施

這份指南背後反映的是一個更大的產業趨勢。Anthropic 真正的戰略意圖，可能並非只賣 Claude 模型，而是透過開放標準成為「AI 代理基礎設施的定義者」。

就如同 MCP 的開放標準使連接器生態系蓬勃發展，Agent Skills 開放標準正在複製同樣的路徑——企業今天寫入 Skills 的專業知識，將直接決定明天 AI 助手的工作效率與一致性。對於開發者、企業技術負責人，乃至 AI 產品經理而言，現在開始建立自己的 Skills 知識庫，就是在為下一個 AI 生產力浪潮卡位。