Anthropic 10月底推出这个功能，12月底爆发。
原因很具体，它解决了一个很真实的痛点。
重复写提示词很烦，token也太贵，定制太难。
以前每次开一个chat窗口，都要重复一堆东西。
比如，帮我按xxx格式，别忘了xxx等等。
有了Skills不用了， 规则提前写好，模型只需要看到有这么个规则，大概100个token，需要用到的时候在打开看。
Anthropic称这个为渐进式披露。
11月中下旬，Anthropic 又添了把柴火，更新了组织级管理、合作伙伴的Skills（Canva、Notion、Zapier 等）、开放Agent Skills标准。
后来，openai的codex也投降了，支持了skills协议。再加上，很多人发现，给Claude code加上自定义Skills后，体验起飞了，很多大佬都在一起营销。，社区直接上头了
Skills详解
之前写过。
一个 Skill = 任务说明书 + 工具代码 + 专业知识 + 素材资源。
本质上就是一种代码和资源的组织方式。
一个 Skill 文件夹长这样：
pdf-skill/
├── SKILL.md # 主指令文件（必须有）
├── FORMS.md # 表单处理指南
├── REFERENCE.md # 详细 API 参考
└── scripts/
└── fill_form.py # 工具脚本
核心是 SKILL.md 文件，必须包含 YAML 头信息，示例如下：
---
name:pdf-processing
description:从PDF文件中提取文本和表格，填写表单，合并文档。当用户处理PDF相关任务时使用。
---
# PDF 处理
## 快速开始
使用pdfplumber提取PDF文本：
importpdfplumber
withpdfplumber.open("document.pdf")as pdf:
text=pdf.pages[0].extract_text()
如果要填写表单，参考[FORMS.md](FORMS.md)。
核心在于给上下文窗口减负。
这也是Skills和MCP、FunctionCaling的区别。它可以分层加载。
启动时，只加载Yaml头配置（包含name，description），大概100个token。
任务触发时，读取整个Skill.md正文，一般不会超过5000个token。
进一步，会按需加载脚本、参考文档、资源文件等。
这意味着我们可以装几十个Skills，在启动的时候，只占用几千个token，不用考虑各种tools定义的烦恼。
Skill跟MCP时可以组合的。
MCP是教模型怎么链接外部系统，api。skill是教模型怎么用工具，按什么流程处理，输出什么格式。
所以二者并不冲突。
但是呢，太多的MCP Server会非常干扰上下文，比如，GitHub官方的MCP server，单独就要吃掉几万个tokens。
所以他们在11月份又推出 Code execution with MCP。
核心思路是：把所有 MCP 工具生成一个文件树结构，需要什么工具，Agent 自己去文件系统里找，读取定义，然后写代码调用。
servers/
├── google-drive/
│ ├── getDocument.ts
│ └── index.ts
├── salesforce/
│ ├── updateRecord.ts
│ └── index.ts
└── ...
找不到现成的工具？直接现写一个，写完了还可以保存起来下次用。
这套思路和 Skills 的分层加载是很类似的。
快速使用 & 官方开源
在Claude.ai 网页版，可以非常简单的用到。
Settings -> capabilities。
打开Code execution & file creation ，可以在skills下配置开启/关闭单个skill，还可以上传skill。
他们也内置了几个常用 Skill， 比如说，把这个excel数据生成xxx。
可以看到自动加载对应 Skill，思考里边中会显示 "Reading xxx skill"。
官方也开源了20多个Skill源码：
https://github.com/anthropics/skills
这些还挺有用的，可以看下预置的 SKILL.md 写法，脚本怎么组织，复杂的skill分层设计。
balabala一下
如果你今天开了x，那大概率你会刷到这个推文。
感觉上没太必要像当初MCP一样拔的太高，skills最大的价值不是功能本身，而是a社把一套gent 能力管理的设计模式开源了。
当你的agent能力越来越多的时候，怎么管理？一个几千行的system prompt？一个包含几十个工具函数的文件？
这些都很难维护。
而skills提供了一种解耦的、模块化的方案，这套模式，不管你用的是claude，还是gpt，qwen都能借鉴。
skills同样依赖agent能力，模型agent能力不行，skill也飞不起来。