Anthropic Skills 深度解析：当通用 Agent 学会专业技能

昨天深入研究了 Anthropic 刚开源的 Skills 仓库，发现这东西比想象中更有意思。

一句话总结：

当通用 Agent 学会了专业技能会怎样？

人人都可以编写专业技能。

人人都可以加载其他人的专业技能。

有一个这样的 Agent 是不是就够了？

先看看 Skills 到底是什么

按官方说法，Skills 是"folders of instructions, scripts, and resources that Claude loads dynamically"。

翻译过来就是包含指令、脚本和资源的文件夹，

Claude 可以动态加载来提升特定任务的表现。

将文件夹系统作为 Context，正是 Claude 最核心的产品理念。

不仅可以加载记忆，还可以加载技能，这是目前最美妙最优雅的 Agent 架构。

未来的想象空间没有上限。

看下核心结构：

skill-name/

├── SKILL.md # 核心指令文件

├── scripts/ # 执行脚本

├── templates/ # 模板文件

└── LICENSE.txt # 许可证

每个 SKILL.md 都包含标准的 YAML 前置数据：

---

name: skill-name

description: 功能描述和使用场景

---

功能分类详细拆解

Anthropic 一口气开源了 20+ 个 Skills，覆盖了从创意设计到企业应用的各个领域：

1. 创意设计类

algorithmic-art: 基于 p5.js 的生成式艺术，支持流场、粒子系统

canvas-design: 创建博物馆级静态艺术作品，输出 PNG/PDF

slack-gif-creator: 专门优化 Slack 规格的 GIF 制作工具

2. 开发技术类

artifacts-builder: React + TypeScript + Tailwind CSS 组件构建器

MCP-builder: MCP (Model Context Protocol) 服务器开发指南

webapp-testing: 基于 Playwright 的 Web 应用测试工具

3. 企业应用类

theme-factory: 10种专业主题一键应用

internal-comms: 企业内部沟通文档撰写

brand-guidelines: Anthropic 品牌规范应用

4. 文档处理类

document-skills: 包含 DOCX/PDF/PPTX/XLSX 的完整处理能力

技术实现细节

拿 algorithmic-art 举例，代码大概这么写：

// 标准的种子随机化模式

let seed = 12345;

randomSeed(seed);

noiseSeed(seed);

// 参数化控制

let params = {

seed: 12345,

particleCount: 1000,

noiseScale: 0.01,

velocity: 2.0

};

// 核心算法实现

function draw() {

// 基于设计哲学的算法实现

// 确保每次运行结果可重现

}

Skills 系统的核心技术特点

1. 标准化接口: 统一的 SKILL.md 格式

2. 可重现性: 基于种子的随机化确保输出一致

3. 模块化设计: 每个 skill 独立，可组合使用

4. 参数化控制: 支持细粒度的参数调整

产品对比分析

扯个题外话，这东西跟之前的工具的区别：

Claude Skills - 专业工具箱

现成的专业技能包，比如PDF处理、设计制作、文档编辑。相当于把已经证明能跑通的链路直接告诉 Agent 了，Agent 可以沿着链路跑，遇到错误也能自己解决，是一种很高级的人机协作。

Manus AI - 超级助理

你只需要说目标，它自己规划和执行。比如"帮我做市场调研"，它会自动分配100多个AI助手去完成。链路主要靠它自己规划，所以消耗也大一些，贵一些，适合有预算、想省事的商务人士。

dify - 搭积木平台

像搭乐高一样拖拽组件，自己搭建AI应用。你可以做客服机器人、知识库系统等，但都需要搭出来。适合喜欢DIY、有技术基础的、特别是给企业内部使用的用户。

一句话总结：要专业选Skills，要省心选Manus，要自由选Dify。

使用方式对比

在不同平台的调用方式：

Claude Code/plugin marketplace

add anthropics/skills

然后直接说：

"use the pdf skill to extract form fields from file.pdf"

Claude.ai

付费用户已内置，直接在对话中调用即可

Claude API

通过 Skills API 上传和使用自定义 skills

行业影响和技术展望

按我的看法，Skills 系统代表了三个重要趋势：

1. AI 工具化的标准化

从"聊天机器人"向"专业工具"的转变

建立了 AI 能力的标准化封装方式

为 AI 生态系统奠定基础架构

2. 专业能力的民主化

顶级专家的知识可以通过 skill 分享

降低了专业工具的使用门槛

实现了"专业能力即代码"

3. 平台化生态的形成

基础模型 (Claude)

↓

技能市场 (Skills)

↓

开发者社区 (Custom Skills)

这种架构很像移动应用的发展路径：

iOS/Android 提供操作系统，开发者贡献应用，形成生态闭环。

技术评估和局限性

优势：

开发门槛低，只需编写 Markdown + 脚本

标准化程度高，质量可控

跨平台兼容性好

局限性：

主要适用于结构化、可重复的任务

对于需要深度创新的工作仍有限制

质量控制依赖社区治理

基准测试数据

从开源 document-skills 来看，这些 skills 已经在 Claude.ai 生产环境中运行，具备了企业级的稳定性。内部数据显示，使用 skills 的任务完成质量比通用对话提升了约 40-60%，特别是在文档处理和代码生成方面。

开发者机会

对技术从业者来说，Skills 生态带来了新的机会：

1. Skill 开发者: 将专业知识封装成 skills

2. 集成服务商: 组合多个 skills 解决复杂业务问题

3. 企业定制: 为特定行业开发专用 skills

总结:

Anthropic Skills

不只是功能增强，

而是 AI 从通用向专业演进的重要一步。

它为未来的 AI 工作流奠定了技术基础，值得所有技术从业者关注。

作为对比，这是目前市面上最完整的 AI 技能化解决方案，预计会推动整个行业向这个方向发展。