综述由AI生成Agent Skills 是一种模块化的能力扩展机制，用于增强大语言模型在特定领域的表现。通过将指令、元数据和资源打包为独立单元，实现跨会话的持久化知识复用。本文详解了 Skills 的工作原理、结构规范、最佳实践及代码执行策略，提供了从评估体系构建到实际部署的完整指南，帮助开发者将通用 AI 代理转化为具备专业领域知识的专家型助手。
RustyLab16 浏览
Agent Skills 是一种模块化的能力扩展机制，用于增强 Claude 等大语言模型在特定领域的表现。每个 Skill 将指令、元数据以及可选资源（如脚本、模板等）打包为一个独立单元，当对话场景与其匹配时，模型能够自动加载并使用对应的 Skill。这一机制的核心目标，是将通用型 AI 代理转变为具备专业领域知识的'专家型'助手。
在传统的交互模式中，用户往往需要在每次对话开始时反复提供相同的背景信息、工作流程和约束条件。例如，一个团队若希望 Claude 始终遵循特定的代码审查规范，就不得不在每次新会话中重新描述这些规范。这种方式不仅效率低下，而且容易因遗漏或表述差异导致输出质量不稳定。Skills 的出现正是为了解决这一痛点——将领域知识固化为可复用的文件级资源，从根本上消除重复输入的负担。
---
name: your-skill-name
description: Brief description of what this Skill does and when to use it
---# Your Skill Name## Instructions
[Clear, step-by-step guidance for Claude to follow]
## Examples
[Concrete examples of using this Skill]
SKILL.md 应当充当'目录'的角色，像入职指南的目录页一样，为 Claude 提供全局概览并指引其在需要时查阅详细资料。在具体的规模控制上，需要遵循以下准则：
SKILL.md 正文控制在 500 行以内，接近此限制时应将内容拆分到独立文件中
所有引用文件应从 SKILL.md 直接链接，保持引用深度为一层
超过 100 行的引用文件应在顶部添加目录索引
引用深度的限制源于 Claude 的实际读取行为。当遇到嵌套引用（即引用文件中又引用了其他文件）时，Claude 可能仅使用 head -100 等命令预览部分内容而非完整读取，导致信息缺失。将所有引用保持在一层深度，可以确保 Claude 在需要时能够读取完整的文件内容。对于超长的引用文件，顶部目录的作用在于即使 Claude 仅进行部分预览，也能感知到文件中全部可用信息的范围。
## Deployment Workflow- [ ] Step 1: Run test suite and confirm all tests pass
- [ ] Step 2: Generate changelog from commit history
- [ ] Step 3: Update version number in package.json
- [ ] Step 4: Build production artifacts
- [ ] Step 5: Run validation script `./scripts/validate.py`- [ ] Step 6: Deploy to staging and verify
Skill 开发中最高效的实践模式涉及两个 Claude 实例的协作。开发者与一个实例（称为 Claude A）合作设计和优化 Skill 的指令内容，然后由另一个独立实例（Claude B）在真实任务中测试这些指令。Claude A 扮演'指令作者'的角色，Claude B 则扮演'指令执行者'的角色。
这种双实例模式之所以有效，是因为 Claude 模型本身对 Agent 指令的编写和解读具有双向理解能力——Claude A 能够预判什么样的表述方式最易于另一个 Agent 实例准确执行，同时能够根据 Claude B 的实际执行偏差快速定位指令中的歧义或遗漏。相比开发者独自反复修改和测试，这种协作方式显著缩短了迭代周期。
Skills 代码执行
Skills 中的脚本承担着确定性计算任务，其执行结果会直接回传给 Claude 用于后续推理。因此，脚本的健壮性直接影响整个 Skill 的可靠性。一个核心设计原则是：脚本应自行处理错误条件，而非将异常抛回给模型。当脚本抛出未处理的异常时，Claude 收到的是一段错误堆栈信息，它需要消耗上下文去分析错误原因并决定下一步操作，这既浪费了上下文空间，也引入了不确定性。
良好的错误处理应当在脚本内部完成闭环——遇到可预见的异常时，提供合理的降级方案或默认行为，并通过标准输出告知 Claude 实际发生了什么。以文件处理为例：
defprocess_file(path):
"""Process a file, creating it if it doesn't exist."""try:
withopen(path) as f:
return f.read()
except FileNotFoundError:
# 文件不存在时主动创建，而非让调用方处理异常print(f"File {path} not found, creating default")
withopen(path, "w") as f:
f.write("")
return""except PermissionError:
# 权限不足时返回默认值，避免流程中断print(f"Cannot access {path}, using default")
return""
---
name: cpp-code-review
description: >
Performs structured C/C++ code review focusing on memory safety,
coding standards, and performance.
Trigger when asked to review C or C++ source files, pull requests,
or code changes.
---# C/C++ Code Review## Instructions
When asked to review C/C++ code, follow these steps in order.
Copy the checklist from `checklist.md` into your response and check off items as you complete them.
### Step 1: Static Analysis
Run the include dependency check and complexity analysis:
```bash
python3 scripts/check_includes.py <target_directory>
python3 scripts/count_complexity.py <target_files>
Report any findings before proceeding.
Step 2: Memory Safety Review
Examine the code for memory-related issues:
Unmatched malloc/free or new/delete pairs
Buffer overflows from unchecked array indexing or strcpy
Use-after-free and dangling pointer risks
Missing null checks after allocation
Refer to common-issues.md Section 1 for detailed patterns.
Step 3: Coding Standards Check
Adherence to project conventions:
Naming consistency (variables, functions, types)
Header guard correctness (#pragma once or #ifndef pattern)
Const correctness for function parameters and member functions
Step 4: Performance Considerations
Identify potential performance issues:
Unnecessary copies in loops (prefer references or std::move)
Repeated allocations that could be hoisted
Algorithm complexity mismatches for data scale
Step 5: Summary
Provide a severity-ranked list of all findings. Each finding must include:
file path, line number, severity (critical/warning/info), and a concrete fix suggestion.
References
checklist.md — Copy into response and track progress
common-issues.md — Detailed patterns for common C/C++ defects
all_findings = []
for arg in sys.argv[1:]:
path = Path(arg)
if path.is_file():
all_findings.extend(analyze_file(path))
elif path.is_dir():
for ext in ('*.c', '*.cpp', '*.cc', '*.h', '*.hpp'):
for f in path.rglob(ext):
all_findings.extend(analyze_file(f))
else:
print(f"SKIP: {arg} is not a valid file or directory")
ifnot all_findings:
print("OK: All functions are within complexity threshold "f"({COMPLEXITY_THRESHOLD})")
else:
print(f"FOUND: {len(all_findings)} function(s) exceed "f"complexity threshold ({COMPLEXITY_THRESHOLD}):\n")
for f insorted(all_findings, key=lambda x: -x['complexity']):
print(f" {f['file']}:{f['line']} — "f"{f['function']}() complexity={f['complexity']}")
if __name__ == '__main__':
main()
该脚本的设计体现了几个关键实践：COMPLEXITY_THRESHOLD 和 BRANCH_KEYWORDS 两个常量均附带了取值依据的注释；FileNotFoundError 和 UnicodeDecodeError 在函数内部被捕获并输出 SKIP 标记，不会导致脚本崩溃；输出格式对 Claude 友好，以 OK 或 FOUND 开头明确传递分析结论，后续的条目按严重程度降序排列，便于模型优先处理高复杂度函数。
使用效果
当用户在 Claude Code 中发出类似 "review the src/ directory for C++ issues" 的指令时，Claude 根据 description 字段匹配到该 Skill，加载 SKILL.md 后按照工作流依次执行：先运行辅助脚本获取静态分析数据，再结合代码内容逐项完成检查清单，最终输出按严重等级排序的审查报告。整个过程中，脚本负责确定性的度量计算，Claude 负责需要语义理解的代码分析，两者各自发挥所长。
