当前位置: 首页 > article >正文

三、Skills—— 模型能力的模块化专家技能,实现专业能力复用与扩展

一、Claude Skills 介绍1. 核心定义Claude Skills 是 Anthropic 为 Claude 推出的「模块化、可复用、可落地的能力扩展工具」本质是用「YAML配置Markdown流程可选脚本」将复杂操作、系统调用、业务流程封装成“能力包”导入Claude后通过自然语言触发无需重复输入指令支持联动外部工具、存量业务系统实现“一次封装、终身复用”。2. 核心价值为什么要用高效复用避免重复写复杂Prompt一次封装所有对话可触发降低门槛无需懂代码开发复制模板修改即可新手也能上手功能扩展联动存量业务系统、外部工具让Claude适配实际工作流稳定可控流程化配置输出结果更规范避免Prompt触发偏差3. 适用人群开发者、运营、产品、行政等所有使用Claude的职场人尤其适合需要高频处理标准化任务、联动业务系统的人群。二、核心对比分析一眼看懂优势很多人混淆Claude Skills、传统Prompt、MCP工具调用用表格清晰对比重点看“实操差异”快速选对工具对比维度Claude Skills传统PromptMCP工具调用核心本质可复用的能力包流程配置脚本单次性自然语言指令外部工具/系统的接口调用复用性一次封装全局复用、跨对话可用单次有效需重复复制输入一次配置全局调用仅工具本身落地难度低复制模板修改无需开发极低直接输入指令中需配置API、工具权限适用场景高频标准化任务、业务系统联动、复杂流程执行临时、简单、一次性任务需要实时数据、外部系统交互的任务核心优势高效、稳定、可扩展适配实际工作流便捷、无需准备快速测试突破Claude自身限制联动外部资源一句话总结传统Prompt解决“临时需求”MCP解决“工具调用需求”Claude Skills解决“高频、规范、可复用的实操需求”三者可协同使用Skills可调用MCP内部可嵌入Prompt。三、Claude Skills 核心本质以SKILL.md为核心的“可复用能力包”用自然语言简单脚本封装操作流程/系统调用导入Claude即可触发无需重复输入指令支持联动外部工具、存量业务系统。标准文件结构my-skill/ # 技能目录与name一致小写横杠 ├── SKILL.md # 必需核心配置流程YAMLMarkdown ├── scripts/ # 可选辅助脚本Python/Bash复杂操作用 └── references/ # 可选参考文档非必需简化版可省略核心逻辑YAML配置触发权限 Markdown流程执行步骤示例无需复杂开发复制模板修改即可。四、4个可直接落地案例所有案例均为完整可导入版本打包成zip上传Claude即可启用重点标注修改点替换成自己的信息即可。案例1基础款 - Git Commit规范生成新手首选文件结构极简无需脚本git-commit-generator/ └── SKILL.mdSKILL.md直接复制无需修改--- name: git-commit-generator description: 生成符合Conventional Commits规范的Git提交信息触发词git提交、commit、代码变更、提交信息 version: 1.0.0 allowed-tools: [Read] # 仅读取用户输入无需其他权限 --- # Git Commit规范生成技能 ## 核心规则必遵守 1. 格式type(scope): subject (#issue) 2. type仅限feat(新功能)、fix(修复bug)、docs(文档)、style(格式)、refactor(重构)、test(测试)、chore(构建) 3. subject≤50字动词开头无句号 4. scope可选修改模块如auth、apiissue可选关联需求ID ## 执行步骤 1. 解析用户提供的代码变更描述 2. 判定type和scope无则省略 3. 生成符合规范的commit信息 4. 输出最终结果加粗显示 ## 示例直接参考 输入修复登录接口bug关联#123 输出fix(auth): 修复登录接口bug (#123) 输入添加用户注册功能 输出feat(user): 添加用户注册功能使用步骤创建上述文件夹和文件复制代码粘贴打包为zip文件夹名必须是git-commit-generatorClaude → 设置 → Skills → 上传zip启用技能对话输入触发词如“帮我写commit修复文档排版错误”自动输出规范内容案例2进阶款 - 会议纪要→行动项提取带脚本更稳定文件结构meeting-notes-extractor/ ├── SKILL.md └── scripts/ └── extract_action.pySKILL.md复制即改标注处可微调--- name: meeting-notes-extractor description: 从会议文本中提取行动项、责任人、截止时间触发词会议纪要、行动项、待办提取、会议总结 version: 1.0.0 allowed-tools: [Read, Write, Bash] # 允许读取文件、执行脚本 --- # 会议纪要行动项提取技能 ## 工作流程 1. 读取用户上传的会议文本txt/docx均可 2. 调用scripts/extract_action.py脚本解析文本并结构化 3. 按表格格式输出行动项补充3条以内核心会议结论 4. 若未识别到责任人/截止时间标注“待补充” ## 输出固定格式 ### 会议核心结论 - 结论1 - 结论2无则省略 ### 待执行行动项 | 行动项 | 责任人 | 截止时间 | | :--- | :--- | :--- | | | | | ## 示例 输入上传会议文本“今天讨论用户留存方案A负责优化注册流程3天内完成B负责整理用户反馈周五前提交结论优先推进注册流程优化” 输出 ### 会议核心结论 - 优先推进注册流程优化 ### 待执行行动项 | 行动项 | 责任人 | 截止时间 | | :--- | :--- | :--- | | 优化注册流程 | A | 3天内 | | 整理用户反馈 | B | 周五前 |scripts/extract_action.py复制即能用无需修改def extract_action_items(meeting_text): 提取行动项、责任人、截止时间 import re action_items [] # 匹配“责任人行动项截止时间”格式可根据自己的会议习惯微调正则 patterns [ r([A-Za-z0-9\u4e00-\u9fa5])负责([^。])([^。]内|周[一二三四五六日]前), r([A-Za-z0-9\u4e00-\u9fa5])牵头([^。])([^。]内|周[一二三四五六日]前), r([A-Za-z0-9\u4e00-\u9fa5])跟进([^。])([^。]内|周[一二三四五六日]前) ] for pattern in patterns: matches re.findall(pattern, meeting_text, re.DOTALL) for match in matches: person match[0].strip() action match[1].strip() deadline match[2].strip() action_items.append({行动项: action, 责任人: person, 截止时间: deadline}) # 提取核心结论匹配“结论”“重点”开头的内容 conclusions [] conclusion_patterns [r结论([^。]), r重点([^。])] for cp in conclusion_patterns: conc_matches re.findall(cp, meeting_text) conclusions.extend([c.strip() for c in conc_matches]) # 控制结论不超过3条 conclusions conclusions[:3] return {action_items: action_items, conclusions: conclusions} # 测试代码可删除不影响Skill运行 if __name__ __main__: test_text 今天讨论用户留存方案A负责优化注册流程3天内完成B负责整理用户反馈周五前提交结论优先推进注册流程优化 result extract_action_items(test_text) print(核心结论, result[conclusions]) print(行动项, result[action_items])使用步骤创建上述文件夹和两个文件复制对应代码粘贴打包为zip文件夹名必须是meeting-notes-extractorClaude → 设置 → Skills → 上传zip启用技能对话上传会议文本输入触发词如“提取会议行动项”自动输出结构化结果案例3实战款 - 调用存量业务系统CRM实现自然语言问答重点核心通过Claude Skills联动企业存量CRM系统以常见的简道云CRM为例其他CRM可替换API实现“自然语言提问→Skill调用API→返回结构化结果”无需手动登录CRM无需写代码非技术人员也能落地。前置准备必做获取CRM系统API密钥简道云登录后台→设置→API接口→获取API Key和Secret确认CRM接口地址简道云客户查询接口https://api.jiandaoyun.com/api/v1/form/data/list记录CRM表单ID查询客户信息的表单ID简道云后台可查文件结构crm-query-skill/ ├── SKILL.md └── scripts/ └── crm_api_call.pySKILL.md复制后替换标注的API信息即可--- name: crm-query-skill description: 调用存量CRM系统通过自然语言查询客户信息姓名/手机号/公司触发词CRM查询、客户查询、查客户信息、CRM客户查询 version: 1.0.0 allowed-tools: [Read, Bash, Write] # 允许读取输入、执行脚本、输出结果 --- # 存量CRM系统自然语言查询技能 ## 核心目的 通过自然语言提问自动调用CRM系统API查询客户基础信息姓名、手机号、公司、跟进状态无需手动登录CRM快速获取结果。 ## 前置配置替换为自己的CRM信息 1. CRM_API_KEY: 你的CRM API Key简道云为例 2. CRM_API_SECRET: 你的CRM API Secret 3. CRM_FORM_ID: 你的CRM客户表单ID 4. API_URL: 你的CRM查询接口地址简道云https://api.jiandaoyun.com/api/v1/form/data/list ## 工作流程 1. 解析用户自然语言提问提取查询关键词客户姓名/手机号/公司名称 2. 调用scripts/crm_api_call.py脚本传入关键词和CRM配置信息 3. 脚本调用CRM API获取客户信息并结构化 4. 按固定格式输出查询结果若未查询到客户提示“未找到该客户请核对关键词” ## 输出固定格式 ### CRM客户查询结果 | 客户姓名 | 手机号 | 公司名称 | 跟进状态 | 跟进人 | | :--- | :--- | :--- | :--- | :--- | | | | | | | ### 备注 - 若部分字段为空标注“未填写” - 可输入“查询客户XXX姓名/手机号”触发查询 ## 示例 输入查询客户张三的信息 输出 ### CRM客户查询结果 | 客户姓名 | 手机号 | 公司名称 | 跟进状态 | 跟进人 | | :--- | :--- | :--- | :--- | :--- | | 张三 | 138XXXX1234 | XX科技有限公司 | 已跟进待签约 | 李四 | 输入查询手机号139XXXX5678的客户 输出 ### CRM客户查询结果 | 客户姓名 | 手机号 | 公司名称 | 跟进状态 | 跟进人 | | :--- | :--- | :--- | :--- | :--- | | 王五 | 139XXXX5678 | XX贸易公司 | 新客户未跟进 | 赵六 |scripts/crm_api_call.py复制后替换标注的CRM信息即可import requests import hashlib import time def query_crm_customer(query_keyword): 调用CRM API查询客户信息 query_keyword: 查询关键词姓名/手机号/公司名称 返回结构化客户信息列表 # 替换为自己的CRM配置必改 CRM_API_KEY 你的CRM API Key CRM_API_SECRET 你的CRM API Secret CRM_FORM_ID 你的CRM客户表单ID API_URL https://api.jiandaoyun.com/api/v1/form/data/list # 简道云API签名生成其他CRM可替换签名逻辑 timestamp str(int(time.time() * 1000)) signature hashlib.md5((CRM_API_KEY timestamp CRM_API_SECRET).encode(utf-8)).hexdigest() # 请求头 headers { Content-Type: application/json, ApiKey: CRM_API_KEY, Timestamp: timestamp, Signature: signature } # 请求参数根据自己的CRM字段调整简道云为例 payload { form_id: CRM_FORM_ID, fields: [客户姓名, 手机号, 公司名称, 跟进状态, 跟进人], # CRM表单字段名需与后台一致 filter: { rel: or, conds: [ {field: 客户姓名, type: contain, value: query_keyword}, {field: 手机号, type: contain, value: query_keyword}, {field: 公司名称, type: contain, value: query_keyword} ] }, page_size: 10, # 最多返回10条结果 page_index: 1 } try: # 调用CRM API response requests.post(API_URL, jsonpayload, headersheaders) response.raise_for_status() data response.json() # 解析返回结果结构化客户信息 customer_list [] if data.get(data) and data[data][items]: for item in data[data][items]: customer { 客户姓名: item[fields].get(客户姓名, 未填写), 手机号: item[fields].get(手机号, 未填写), 公司名称: item[fields].get(公司名称, 未填写), 跟进状态: item[fields].get(跟进状态, 未填写), 跟进人: item[fields].get(跟进人, 未填写) } customer_list.append(customer) return customer_list except Exception as e: return fCRM查询失败{str(e)} # 测试代码可删除不影响Skill运行 if __name__ __main__: # 测试查询 result query_crm_customer(张三) print(CRM查询结果, result)使用步骤创建上述文件夹和两个文件复制代码后替换crm_api_call.py和SKILL.md中“你的CRM信息”API Key、Secret等确认CRM表单字段名与脚本中“fields”列表一致不一致会导致查询失败打包为zip文件夹名必须是crm-query-skillClaude → 设置 → Skills → 上传zip启用技能对话输入触发词查询关键词如“查询客户张三”“查手机号138XXXX1234的客户”自动调用CRM并返回结构化结果备注其他CRM如Salesforce、企业自建CRM只需替换脚本中的API地址、请求参数和签名逻辑SKILL.md流程无需修改适配所有存量业务系统。五、实操避坑小结1. 文件夹名必须与SKILL.md中“name”一致小写横杠否则上传失败2. allowed-tools权限按需添加无需多余权限如仅读取输入只写[Read]3. 脚本中涉及API、密钥等敏感信息可单独保存避免泄露4. 若Skill触发失败优先检查触发词是否匹配、文件夹结构是否正确、脚本无语法错误

相关文章:

三、Skills—— 模型能力的模块化专家技能,实现专业能力复用与扩展

一、Claude Skills 介绍1. 核心定义Claude Skills 是 Anthropic 为 Claude 推出的「模块化、可复用、可落地的能力扩展工具」,本质是用「YAML配置Markdown流程可选脚本」,将复杂操作、系统调用、业务流程封装成“能力包”,导入Claude后&#…...

CogVideoX-2b惊艳演示:输入一句话生成电影级动态场景

CogVideoX-2b惊艳演示:输入一句话生成电影级动态场景 1. 核心亮点:让每个人都能当"导演" 想象一下,你只需要输入一句话,就能生成一段电影级别的动态视频。这不是科幻电影里的场景,而是CogVideoX-2b带给我们…...

实测Xinference-v1.17.1:5分钟在Mac/Windows/Linux上搭建媲美OpenAI的本地API服务

实测Xinference-v1.17.1:5分钟在Mac/Windows/Linux上搭建媲美OpenAI的本地API服务 你是否曾经想过在自己的电脑上运行类似ChatGPT的AI服务,但又担心复杂的部署过程?或者担心使用云端API时的隐私问题和网络延迟?今天,我…...

IDM绿色直装版:无限制满速下载神器

今中午下资料,用IDM跑满1000M宽带。100MB/s的速度,三分钟下完2G文件。同事凑过看:“你这下载咋这么快?”我笑:“IDM直装版,不折腾才快。”突然觉得,好工具像高速路。不堵车,事儿就成…...

如何快速提升网盘下载速度:新手必学的LinkSwift网盘直链下载助手完整指南

如何快速提升网盘下载速度:新手必学的LinkSwift网盘直链下载助手完整指南 【免费下载链接】Online-disk-direct-link-download-assistant 一个基于 JavaScript 的网盘文件下载地址获取工具。基于【网盘直链下载助手】修改 ,支持 百度网盘 / 阿里云盘 / 中…...

Proteus仿真集成:在虚拟硬件环境中测试Qwen3.5-2B边缘AI算法

Proteus仿真集成:在虚拟硬件环境中测试Qwen3.5-2B边缘AI算法 1. 边缘AI开发的痛点与虚拟仿真价值 在嵌入式AI应用开发中,硬件与算法的协同验证一直是个棘手问题。传统开发流程需要先制作硬件原型,再部署算法进行测试,一旦发现问…...

iframe加载卡顿?教你用Vue+Element写一个带重试按钮的智能loading组件

VueElement打造智能iframe加载组件:网络异常处理实战 当我们在SaaS平台中嵌入第三方文档或应用时,iframe的加载体验往往成为用户满意度的关键指标。特别是在网络波动环境下,传统的loading动画可能让用户陷入无限等待的困境。本文将带你开发一…...

网盘直链下载助手完整教程:如何轻松获取八大网盘真实下载地址

网盘直链下载助手完整教程:如何轻松获取八大网盘真实下载地址 【免费下载链接】Online-disk-direct-link-download-assistant 一个基于 JavaScript 的网盘文件下载地址获取工具。基于【网盘直链下载助手】修改 ,支持 百度网盘 / 阿里云盘 / 中国移动云盘…...

ClearerVoice-Studio在客服系统中的实战应用:语音质检与分析

ClearerVoice-Studio在客服系统中的实战应用:语音质检与分析 1. 引言 你有没有遇到过这样的情况:客服中心的通话录音总是夹杂着键盘敲击声、背景交谈声,甚至还有空调的嗡嗡声?想要从中提取关键信息做质量分析,却发现…...

如何合并物化视图日志_管理多个物化视图共享同一基表日志的清理机制

能,物化视图日志可被多个MV同时引用,但清理需依据所有依赖MV中最晚的刷新时间,否则触发ORA-12034错误;直接删除或截断日志表会破坏SCN连续性。物化视图日志能被多个 MV 同时引用吗?能,而且这是常见且受支持…...

SeqGPT-560M命名实体识别效果展示:精准抽取各类实体

SeqGPT-560M命名实体识别效果展示:精准抽取各类实体 1. 开篇:当AI成为信息提取的"火眼金睛" 你有没有遇到过这样的情况:面对一篇长篇报告,需要快速找出所有人名、地名和机构名;或者处理大量新闻稿件时&…...

Redis如何优雅地记录缓存命中率报表

应直接用keyspace_hits和keyspace_misses计算实时命中率,因INFO中的hit_rate仅为临时近似值且不更新,无法反映动态变化。怎么用 Redis INFO 命令实时抓取命中率数据Redis 本身不提供「按时间窗口聚合」的命中率报表,但 INFO stats 里有现成的…...

FAST: Efficient Action Tokenization for Vision-Language-Action Models

FAST: Efficient Action Tokenization for Vision-Language-Action ModelsFAST:高效机器人动作分词方法详解1. 核心背景:为什么要提出 FAST?2. FAST 技术流水线 (Pipeline)3. 具体数学公式推导(1) 频域转换 (DCT)(2) 量化与稀疏化(3) BPE 序列…...

CSS如何控制全屏显示的元素样式

全屏元素应设display: block或flex、position: fixed并绑定top/left/width/height,:fullscreen中显式声明box-sizing: border-box,移动端优先用webkit-playsinline模拟全屏。全屏元素的display和position怎么设才不“飘”全屏显示的元素(比如…...

文墨共鸣:如何用AI理解文字“意思”而不仅仅是“文字”?

文墨共鸣:如何用AI理解文字“意思”而不仅仅是“文字”? 你有没有遇到过这样的情况?两段文字,用词完全不同,但说的却是同一个意思。或者反过来,字面看起来差不多,但想表达的核心观点天差地别。…...

嵌入式状态机(FSM)深度思考与架构实践

# 1. 前言在早期的嵌入式开发中,我对状态机的理解仅停留在“使用 switch-case 进行条件跳转”,没有去思考过状态机的本质是什么。今天重新整理了一下工程,从整体来看布局,又有新的不同看法与见解。状态机不仅仅是逻辑切换的工具&a…...

研发公司一物一码如何打通产品研发与渠道数字化

研发公司一物一码如何打通产品研发与渠道数字化在快消行业,产品研发、渠道动销与消费者反馈原本应该形成闭环,但多数企业现实中仍是“研发看内部数据,销售看出货数据,市场看活动数据”。当产品从立项到铺市缺少统一的数据连接&…...

权威公布!AI时代剪辑学习秘籍,效率直接拉满!

我是深圳市好青春教育的技术老师,在AI时代,很多小伙伴对学习视频剪辑存在诸多疑问和困惑。比如,学习视频剪辑难不难?需要具备哪些基础?怎样才能快速掌握剪辑技术?进入这个行业有哪些途径?又该如…...

MindSpore 环境配置完全指南仆

前面我们对 Kafka 的整体架构和一些关键的概念有了一个基本的认知,本文主要介绍 Kafka 的一些配置参数。掌握这些参数的作用对我们的运维和调优工作还是非常有帮助的。 写在前面 Kafka 作为一个成熟的事件流平台,有非常多的配置参数。详细的参数列表可以…...

HTML 页面中精准控制 Chrome 翻译功能的实用技巧

1. 为什么需要控制Chrome翻译功能? 作为网页开发者,你可能遇到过这样的场景:用户使用Chrome浏览器的翻译功能时,页面上的品牌名称、专业术语或代码片段被错误翻译,导致内容失真。比如公司名称"Apple"被翻译成…...

OFA模型与Python集成实战:构建智能图片问答系统

OFA模型与Python集成实战:构建智能图片问答系统 用最简单的方式,让AI看懂你的图片并回答任何问题 1. 引言:当AI有了"眼睛"和"大脑" 想象一下这样的场景:你拍了一张街景照片,AI不仅能识别出图中的…...

MySQL超详细安装教程(保姆级)

1.官网下载mysql安装包 MySQL :: 下载MySQL社区服务器https://dev.mysql.com/downloads/mysql/ 2.下载完成后解压到一个文件夹 注意:不带中文 这个路径要记住,我们等下会用到 3.添加环境变量 环境变量里面有很多选项,这里我们只用到Path这…...

OpenClaw+Qwen3-14B科研助手:文献自动归档与摘要生成

OpenClawQwen3-14B科研助手:文献自动归档与摘要生成 1. 为什么需要自动化文献管理 去年写毕业论文时,我的Zotero里堆了487篇PDF文献。每天手动整理文献、标注关键词、写摘要要花2小时,最崩溃的是明明读过某篇文献,需要引用时却找…...

Android Camera开发避坑指南:HAL3与MediaCodec整合的那些坑

Android Camera开发避坑指南:HAL3与MediaCodec整合的那些坑 在移动设备的多媒体开发中,Camera HAL3与MediaCodec的整合堪称"地狱级"难度。我曾在一个旗舰机项目中,因为这两个模块的配合问题导致视频录制帧率从30fps暴跌到12fps&…...

OpenClaw隐私计算:Phi-3-mini-128k-instruct本地处理加密医疗笔记

OpenClaw隐私计算:Phi-3-mini-128k-instruct本地处理加密医疗笔记 1. 为什么需要本地化医疗数据处理 去年我参与了一个医疗数据分析项目,客户特别强调数据不能离开本地环境。他们需要处理大量患者就诊记录,但传统方式要么需要人工脱敏&…...

【2025 最新版】Hugging Face 下载命令全教程(hf download 替代旧版,亲测有效)

前言近期许多用户发现网上旧版的 Hugging Face 下载教程已完全失效! 旧命令 huggingface-cli download 频繁出现报错或无法执行,核心原因是 huggingface-hub 库已完成重大更新,官方统一采用 hf 作为新命令行入口,替代了老旧的 hug…...

DAMO-YOLO多尺度检测优化:小目标检测性能提升方案

DAMO-YOLO多尺度检测优化:小目标检测性能提升方案 无人机航拍场景下的小目标检测一直是计算机视觉领域的难点,DAMO-YOLO通过特征金字塔改进、anchor调整和智能数据增强等技术,为这一挑战提供了实用解决方案。 1. 小目标检测的挑战与DAMO-YOLO…...

PCA vs PCoA vs NMDS vs LDA vs t-SNE:5种降维方法的核心差异与应用场景解析

1. 降维方法的基本概念与核心价值 当你面对一个包含数百个特征的数据集时,就像站在一个装满各种调料的厨房里——每个瓶子看起来都很重要,但真正做菜时可能只需要其中几种。这就是降维技术的用武之地,它能帮我们从高维数据的"调料架&quo…...

GLM-4.1V-9B-Base实战案例:会议纪要截图→待办事项→中文结构化提取

GLM-4.1V-9B-Base实战案例:会议纪要截图→待办事项→中文结构化提取 1. 项目背景与需求 在日常工作中,我们经常需要处理各种会议纪要截图。这些图片通常包含大量文字信息,需要人工整理成结构化待办事项。传统方法需要手动输入或复制粘贴&am…...

Clawdbot+Qwen3:32B快速上手:免开发Web界面搭建私有ChatGPT

ClawdbotQwen3:32B快速上手:免开发Web界面搭建私有ChatGPT 1. 为什么选择这个方案? 你是否遇到过这些困扰: 想使用强大的Qwen3:32B大模型,但本地硬件资源不足希望拥有一个美观易用的Web界面,但不想从头开发需要确保…...