Skills 正在改变我们与 AI 编程助手协作的方式。以及为什么在我看来 MCP 已经开始失去意义。
Anthropic 推出了 Claude Code Skills，这是一套从根本上改变我们与 AI 智能体交互方式的新系统。技能是可复用的能力，Claude 会学习它们并始终如一地加以运用。就像一位把最佳实践内化于心的开发者。
什么是技能？
技能就是带有元数据、并可选附带可执行脚本的 Markdown 文件。一旦创建好，Claude 就会在它们与当前任务相匹配时自动加载。
技能在 token 上很高效：每个技能在上下文中只需多占用几十个 token。完整细节只有在真正需要时才会加载。这让技能具备了可扩展性。你可以定义成百上千个，而不会让上下文过载。
技能 vs. MCP：一次范式转变
Model Context Protocol（MCP）已经受到了大量关注。但技能以更优雅的方式解决了这个问题：
MCP
- • 复杂的协议规范
- • 可能消耗数万个 token
- • 需要实现服务器
- • 陡峭的学习曲线
技能
- • 简单的 Markdown 文件
- • 极小的 token 开销
- • 无需服务器
- • 几分钟即可创建
实战示例：PDF 处理
一个具体的例子就能展现这套系统的优雅之处：来自官方 Anthropic Skills 合集的 pdf 技能，提供了一整套用于操作 PDF 的工具集。从提取文本到填写表单，无所不包。
# pdf/SKILL.md
---
name: pdf
description: Comprehensive PDF manipulation toolkit
tools:
- pypdf, pdfplumber, reportlab
- pdftotext, qpdf, pdftk
---
## Core Features
- Extract text & tables (pdfplumber)
- Create and merge PDFs (reportlab)
- Detect and fill out forms
- OCR for scanned documents
## Form Workflow
1. Check for fillable fields
2. Extract field metadata as JSON
3. Fill fields programmatically
4. Generate completed PDF它的特别之处在于：这个技能内含针对各种工作流的 Python 脚本。对于可填写的 PDF，字段会被自动识别。对于不可填写的表单，则采用一种基于标注、并带有视觉校验的方式。
换成 MCP 来做同样的事呢？那我就得自己搭一个服务器，得定义工具 schema、实现错误处理，还要把这一整套东西部署到某个地方。而这个技能只是一个 Markdown 文件加上几个 Python 脚本。搞定。
Superpowers 技能库
开发者社区已经在 GitHub 上分享现成的技能了。Jesse Vincent 的 「Superpowers」库就是一个很好的例子，里面都是经过实战检验、用于日常开发的技能：
- 自我改进的技能：一个能创建新技能的技能
- 用于并行工作的 Git worktree：让 Claude 同时处理多个功能
- 自动代码审查：子智能体按照最佳实践审查代码
- 社区共享：技能可以通过 GitHub 分享
「技能赋予你的智能体超能力。它们是有文档记录的最佳实践，Claude 会学习它们并始终如一地加以运用。」
为什么这很重要
这对软件开发的意义是巨大的：
- 知识变得可移植：一次定义好的工作流可以在任何地方使用
- 一致性：智能体不会再犯「我忘了」这类错误
- 规模化：团队可以把自己的最佳实践固化为技能
- 专业化：面向法律、医疗、金融等领域的专属技能……
未来：新可能性的爆发
我们正处在一场快速演进的开端。这种格式的简单，把入门门槛降到了最低。本质上，它们就只是结构化的 Markdown 文件。
举个例子：财务管控团队每月都要编制财务报表。搭配合适的技能组合，这件事就能自动完成。从 ERP 系统拉取数据、分析偏差、生成图表，再导出为 PDF。过去要花上半天的工作，智能体几分钟就搞定了。
所用工具：
正在做 AI 驱动的自动化？聊聊吧。我可以帮你为自己的工作流开发定制技能。