Anthropic Skills 白皮书深度解读：Prompt 已死，Skill 当立
一、从一段历史说起
中国互联网有句老话：”领先半步是先驱，领先一步是先烈。”
Anthropic 显然不想当先烈。2024 年它端出 MCP 的时候，业内还在嘲笑”又一个想当行业标准的中型公司”。结果一年不到，OpenAI、Google、微软全跟上了。
2025 年 10 月，Anthropic 又掏出了 Skills。11 月发布成开放标准。大半年过去，Cursor 全线接入，VS Code、GitHub Copilot 连夜跟进，连国内的扣子和 Dify 都把 Skills 兼容性写进了产品路线图。
Skills 已经从一个”新概念”变成了打工人电脑里和 Notion 模板一样的日常存在。
二、白皮书的核心：教一次，每次受益
Anthropic 的白皮书总共 33 页。最魔幻的地方在于：通篇没怎么提”Prompt”这个词。
整整 33 页，从概念、设计原则、技术规范、测试迭代到分发部署，全在讲怎么把一个工作流程”打包”成 Claude 能反复调用的能力。
白皮书第 3 页有一句核心的话：
“Skills let you teach Claude once and benefit every time.”（教一次，每次受益）
读懂这句话，就读懂了整本书。
过去两年所谓的”提示词工程”，本质上是在用嘴巴一遍遍重复同一句话。Skills 做的事情，是把这句话写成纸条贴在 AI 脑门上，让它再也不用问第二遍。
三、三层结构：渐进式披露
白皮书第 5 页讲了 Skills 的核心设计原则——**”Progressive Disclosure”（渐进式披露）**。信息分三层：
第一层：YAML 元数据
只有 name 和 description 两个字段，永远塞在 Claude 的系统提示里。每个 Skill 的元数据加起来可能就几百个 token，但 Claude 靠这点信息就能判断”这个任务我有现成方案，要不要调用？”
第二层：SKILL.md 主体
只有当 Claude 判断这个 Skill 跟当前任务相关，才会去读完整指令。
第三层：references 和 scripts
只有 SKILL.md 里明确指引”要用的时候去读这份参考”，Claude 才会去翻对应的文件。
白皮书给了一个具体数字：默认字符预算是上下文窗口的 2%，最低 16000 字符。
翻译成大白话：你可以给 Claude 装上几十甚至上百个 Skill，但它们的”目录”加起来只占整个上下文的 2%，剩下 98% 全是干活的空间。
对比过去的玩法：10 个常用任务的 Prompt 模板各 300 字，光规则就吃掉 3000 字上下文。AI 还没开始干活，token 就被自己的指令吃光一半。
这就好比十几年前手机刚装 App 的时代。 最开始大家恨不得把所有功能塞进一个超级 App —— 美图秀秀里要能聊天、QQ 里要能看新闻。后来发现还是按需安装、用谁开谁好用。Skills 干的正是这事——把单一 AI App 掰成了一个生态系统的应用商店。
四、深一层：垂直 AI 应用被”吃掉”了
过去做垂直 AI 应用的逻辑：拿一个底模，在上面包一层 Prompt、一层 RAG、一层工作流编排，做成”法律 AI”、”医疗 AI”、”营销 AI”卖给客户。
Skills 出来之后，这一整层全被吃了。一个通用 Agent + 一个 Skill 包，效果直接顶上一个完整的垂直 AI 产品。
写一个法律合同审查的 Skill，比做一个法律 AI 公司便宜 100 倍。一个企业自己运营、内部团队人手装一份，这事就成了。
那些做”行业大模型”的中间层公司，半年里已经倒了一批。做”AI 法律助手”、”AI 医疗顾问”这种套壳产品的，融资都融不到了——客户自己写一个内部 Skill 就够用，凭啥每月给你交订阅费？
五、写 Skill 的正确姿势
description 决定一切
白皮书特别强调了 description 的重要性：
“The description field provides just enough information for Claude to know when each skill should be used without loading all of it into context.”
你写的 description，决定了 Claude 会不会调用你的 Skill。
错误示例：
- “Helps with projects.”（帮助处理项目）
- “Creates sophisticated multi-page documentation systems.”（创建多页文档系统）
- “Implements the Project entity model with hierarchical relationships.”（实现层级化的项目实体模型）
正确写法：
“Manages Linear project workflows including sprint planning, task creation, and status tracking. Use when user mentions ‘sprint’, ‘Linear tasks’, ‘project planning’, or asks to ‘create tickets’.”
正确的描述里塞满了用户实际会说的口语原文——“sprint”、”create tickets”、”project planning”，全是用户嘴里会蹦出的字眼。
写 Skill 不是给人看的 README，是 给 AI 写执行协议。
代码 vs 自然语言
白皮书中还有一个极有智慧的细节：
“Critical instructions: For critical validations, consider bundling a script that performs the checks programmatically rather than relying on language instructions. Code is deterministic; language interpretation isn’t.”
关键校验，用脚本，别用自然语言。代码是确定的，语言理解不是。
当时整个行业的故事都是”自然语言是新的编程语言”。结果亲爹 Anthropic 自己说：兄弟，重要的事别用自然语言写，写脚本。
任何一个写过复杂 Prompt 的人都知道，模型是会偷懒的。你写”必须做 X、Y、Z 三步检查”，它做了 X 就跳到结论；你写”绝对不要忽略这一项”，它该忽略还是忽略。只有把检查写成 Python 脚本，不管是 Claude 还是 GPT-5，乖乖跑完才能拿到结果。
Skills 的职责划分很清晰：
| 层级 | 负责什么 | 用什么写 |
|---|---|---|
| 流程编排 | Step 1 干啥，Step 2 干啥 | 自然语言 |
| 关键校验 | 必须满足的条件、必须算对的数字 | 代码（脚本） |
| 专业参考 | API 文档、行业规范、品牌指南 | 参考文档 |
六、Skills 冲击了谁
第一批：提示词商人
所谓”独家配方”本质上是用文字写的 SOP。Skills 出来后，这些 SOP 该被打包成可执行单元——免费、开源、可复用。去年顶流的几个提示词大 V，要么转型做 Skill 开发课，要么干脆关闭了知识星球。
第二批：轻量级垂直 AI 产品
“AI 写小红书”、”AI 做 PPT”、”AI 写邮件”这类工具，过去靠一层 Prompt 加一层界面。Skills 开放后，企业自己写一个内部 Skill，用通用 Claude + Skill 包就能搞定。中间这层壳没人愿意付月费了。
第三批：部分内容创作者
过去做”风格化写作助手”得反复调 Prompt、收集案例。现在把风格指南、案例集、AI 味黑名单全打包成一个 Skill 的 references 文件夹，加一份 SKILL.md 做调度，任何人下载就能用。
会写 Skill 的内容人，比会写 Prompt 的内容人贵 10 倍。因为前者能把工作流封装成资产，后者只能一遍遍输出劳动力。
七、用大半年后的三条经验
1. 识别重复性工作
不是所有事都值得 Skill 化。白皮书原话：”Skills are powerful when you have repeatable workflows.”
- 每周给老板写日报？→ 这是 Skill
- 做内容前查竞品 + 定选题 + 起标题？→ 这是 Skill
- 今天突然想问”晚上吃啥”？→ 这不是 Skill，这是 Prompt
2. 先写最小可用版本
不要一开始就想着”我要建立一个完美的内容生产 Skill 体系”。先解决一个具体问题——比如”每次写公众号开头都干巴巴”，把改进前后的对比记录下来，把成功的方法写进 SKILL.md。遇到新问题再加一条规则。
3. 把 Skill 当成”第二大脑”
Skills 的分发模式支持个人用、团队部署、开源共享。但核心不是分发，是积累。
做内容、做运营、做产品的人最大的浪费是什么？是每个项目的经验都留在某一份具体的文档里，下次换个项目就从零开始。Skills 给了一个反向的解法：每完成一个不容易的任务，就把方法蒸馏一遍写进 Skill。下次遇到类似的事，AI 直接调用，不用再讲一遍。
这事的最大意义，在于你的经验有了复利。
八、写在最后
去年 10 月在豆瓣看到一句话，是某位老编辑评价某新人作家的：
“他写得很努力，但他还没意识到，最重要的工作不是写得更好，是建立一套自己的方法。”
这句话在脑子里转了好几个月。
回头看 2024 到 2025 年，整个 AI 圈都在卷怎么写出更好的 Prompt。每周都有人发”史上最强 Prompt 模板”、”颠覆认知的提示词框架”、”AI 老师都在用的指令公式”。
现在再看那些公众号，要么停更了，要么转型卖 Skill 课了。
提示词写得再好，也只是一句话讲得更动听。把方法沉淀下来，让 AI 能反复调用，才是这个时代真正的杠杆。
愿我们在这个下半年来临之际，没事别再为提示词付费。
本文内容整理自微信公众号文章，原文解读了 Anthropic Skills 白皮书的核心思想。