Claude Code Skills

---

0. 定位声明

适用版本：Claude Code（2025年10月起正式发布 Skills 特性，December 2025 支持 enterprise-wide 组织级部署）
          API Beta：skills-2025-10-02, code-execution-2025-08-25
前置知识：了解 Claude Code 基本使用方式（终端交互、slash commands）；
         理解 Markdown 和 YAML 语法；具备基础的 Shell 脚本能力；
         可选：了解 MCP（Model Context Protocol）概念有助于理解 Skills 的定位
不适用范围：本文不覆盖 MCP Server 开发；不适用于 2025年10月前的 Claude Code 版本；
           不涵盖 Confluent 或第三方商业版的独立实现

---

1. 一句话本质

Skills 是什么？

“你给 Claude 写一份’岗前培训手册’，放到特定文件夹里；以后每次遇到相关任务，Claude 会自动翻开这份手册，按照里面的步骤和规范去工作——就像雇了一个会自己查阅 SOP 的员工。”

更完整的解释：

• 它是什么：一个由 SKILL.md 文件（可附带脚本、模板、参考资料）组成的文件夹，定义了 Claude 在特定任务场景下应遵循的专家级工作流。
• 解决什么问题：每次对话都要重复粘贴同样的提示词、上下文和最佳实践——Skills 把这些"反复输入"变成"一次配置，永久复用"。
• 怎么用：创建 .claude/skills/<技能名>/SKILL.md 文件，Claude 根据任务自动加载；或通过 /技能名 主动调用。

---

2. 背景与根本矛盾

历史背景

Claude Code 于 2025 年 2 月以一个简单终端工具的形式发布——可以聊天、编辑文件、执行 bash 命令。随着用户将其引入生产工作流，两个痛点日益突出：

1. 知识复用难：每次新对话，用户需要重新提供同一套上下文（代码规范、架构决策、工作流步骤）。
2. 专业化不足：通用模型对特定领域（如文档生成、数据处理）缺乏组织内部的"肌肉记忆"。

2025 年 10 月，Anthropic 正式发布 Skills，作为与 MCP 并列的第二条扩展路径。

根本矛盾（Trade-off）

矛盾维度	一侧	另一侧
上下文占用 vs 能力专业化	把所有知识塞进系统提示词（消耗大量 Token，每次对话全量加载）	按需加载专项知识（保持主提示精简，只在相关任务时注入）
灵活性 vs 可预测性	纯 LLM 生成（创意自由，但不稳定）	技能中内嵌可执行脚本（稳定可靠，但灵活度降低）
易用性 vs 控制力	完全自动触发（零操作成本，但可能误触发）	手动 slash command 调用（精确可控，但需主动操作）

Skills 的设计选择：渐进式披露（Progressive Disclosure） ——默认轻量，按需扩展，两全其美。

---

3. 核心概念与领域模型

关键术语表

术语	费曼式定义	正式定义
Skill	一份"专项工作指南"，告诉 Claude 遇到某类任务时怎么做	由 SKILL.md 及可选辅助文件组成的目录，在运行时按需注入 Claude 的上下文窗口
SKILL.md	这份指南的"封面和正文"，Claude 最先读的部分	每个 Skill 的必需文件，包含 YAML frontmatter（元信息）和 Markdown 正文（指令）
YAML Frontmatter	告诉 Claude"这个技能叫什么名字、什么时候用它"的标签	SKILL.md 顶部的结构化元数据，包含 name、description、invocation 等字段
Supporting Files	技能包里的"工具箱"——脚本、模板、参考文档	Skill 目录中 SKILL.md 之外的可选资源文件，由 SKILL.md 显式引用后按需加载
Bundled Skills	Claude Code 预装的官方技能包（如 docx、xlsx、pdf、pptx）	Anthropic 随 Claude Code 发布的内置技能，每次会话自动可用
Custom Skills	你或你的团队自己写的专属技能	用户或组织创建并放置于 .claude/skills/ 目录的自定义技能
Invocation	谁来决定"现在用这个技能"	技能的触发方式：auto（Claude 自动判断）或 manual（用户通过 /技能名 触发）
skill-creator	帮你写技能的元技能	Anthropic 提供的内置引导技能，交互式地帮助用户创建新的 Skill

领域模型

Claude Code 会话
│
├── 系统上下文（精简）
│   ├── CLAUDE.md（项目级全局指令）
│   └── <available_skills>（所有技能的 name + description 列表）
│
└── 按需注入层
    └── Skill（触发时加载）
        ├── SKILL.md（必需）
        │   ├── YAML frontmatter: name, description, invocation
        │   └── Markdown body: 指令、流程、最佳实践
        └── Supporting Files（可选，由 SKILL.md 引用时加载）
            ├── scripts/（可执行脚本）
            ├── templates/（输出模板）
            └── reference/（参考文档、schema、示例）

技能存储位置层级：

优先级从低到高：
~/.claude/skills/          ← 用户级（个人全局）
{project}/.claude/skills/  ← 项目级（团队共享，推荐入 Git）
--add-dir 指定目录          ← 动态加载（实验性，支持实时变更检测）

---

4. 对比与选型决策

Skills vs 同类扩展机制横向对比

维度	Skills	MCP Server	slash commands（旧）	CLAUDE.md
核心作用	注入专项工作流知识	扩展工具能力（API调用）	预定义提示模板	全局项目上下文
触发方式	自动 or /名称	工具调用	/名称	每次会话自动加载
上下文占用	按需加载，低	工具定义常驻，中	调用时注入，低	全量加载，高
可执行代码	✅ 可内嵌脚本	✅ 服务端逻辑	❌ 仅提示词	❌ 仅提示词
跨平台标准	✅ Agent Skills 开放标准	✅ MCP 开放标准	❌ 仅 Claude Code	❌ 仅 Claude Code
版本管理	Git 目录即版本	独立服务版本	Git 文件版本	Git 文件版本
复杂度	低（写 Markdown）	高（需开发服务）	低	低
适用场景	工作流/规范注入	外部系统集成	简单提示复用	常驻项目上下文

选型决策树

需要扩展 Claude Code 能力？
│
├── 需要调用外部 API / 数据库 / 第三方服务？
│   └── → 选 MCP Server
│
├── 需要注入团队规范、工作流、最佳实践？
│   ├── 是全局项目上下文（每次会话都需要）？
│   │   └── → 写进 CLAUDE.md
│   └── 是特定任务才需要的专项知识？
│       └── → 选 Skills ✅
│
└── 只是简单的提示词模板复用？
    └── → slash commands（或用 Skills 替代，更强大）

Skills + MCP 黄金组合：Skills 提供工作流知识层，MCP 提供工具能力层，两者互补——先用 MCP 获取数据，再用 Skills 指导如何处理数据。

---

5. 工作原理与实现机制

静态结构

技能目录结构（生产推荐）：

.claude/skills/
└── code-review/              ← 技能名称（即 slash command 名）
    ├── SKILL.md              ← 必需：主指令文件
    ├── scripts/
    │   └── lint_check.sh     ← 可执行脚本
    ├── templates/
    │   └── review_report.md  ← 输出模板
    └── reference/
        └── coding_standards.md ← 参考文档（按需加载，不占初始 Token）

SKILL.md 完整结构示例（可运行，Claude Code 最新版）：

---
name: code-review
description: >
  Perform thorough code review following team standards.
  Use when user asks to review, check, or audit code changes.
invocation: auto   # 可选值: auto | manual
---

# Code Review Skill

## 概述
本技能为团队提供标准化代码审查流程。

## 审查清单
1. 检查命名规范（参见 reference/coding_standards.md）
2. 验证错误处理完整性
3. 审查测试覆盖率
4. 执行静态分析: `bash scripts/lint_check.sh`

## 输出格式
使用 templates/review_report.md 格式输出审查报告。

## 注意事项
- 发现阻断性问题时，明确标注 🚫 BLOCKER
- 建议性改进标注 💡 SUGGESTION

为什么选择文件系统而非数据库？

文件系统天然支持 Git 版本控制、diff 对比、PR 审查，与开发者现有工作流零摩擦；同时支持"目录即结构"的渐进式披露，按需 cat 读取，无需序列化/反序列化开销。

动态行为：技能加载时序

用户发送消息
    │
    ▼
[Claude Code 主循环]
    │
    ├─ 启动时：扫描所有 SKILL.md frontmatter
    │   └─ 构建 <available_skills> 列表（仅 name + description，~16,000 字符预算）
    │
    ├─ 消息处理：
    │   ├─ 自动触发路径（invocation: auto）
    │   │   └─ Claude 根据 description 语义匹配 → 决定是否调用 Skill 工具
    │   └─ 手动触发路径（/技能名）
    │       └─ 直接触发对应 Skill 工具
    │
    ▼
[Skill 工具执行]
    │
    ├─ 读取 SKILL.md 正文 → 注入当前上下文窗口
    ├─ SKILL.md 中引用了辅助文件？
    │   └─ bash: cat scripts/xxx.sh / reference/yyy.md → 再次注入
    │
    ▼
[Claude 按注入指令执行任务]
    │
    └─ 任务完成后，技能状态释放（长会话内存优化，避免无限累积）

关键设计决策

决策1：为什么用"按需注入"而非"系统提示常驻"？

如果把所有技能都塞进系统提示词，一个中等规模的团队（20个技能 × 平均2000 Token/技能）会消耗约 40,000 Token 的常驻上下文——相当于每次对话的基础成本增加数十倍。按需注入使主上下文精简，90% 的任务无需加载任何技能。

决策2：为什么 SKILL.md 优先用 Markdown 而非结构化 JSON？

Markdown 对人类可读可写，支持自然语言描述复杂工作流——这正是 LLM 最擅长理解的格式。JSON 虽然机器友好，但描述"代码审查应关注的维度"等知识时极其繁琐。两者在可读性上存在 5-10 倍的效率差距。

决策3：为什么 Skill 可以内嵌可执行脚本？

纯提示词对"将 Excel 文件转换为指定格式"这类需要精确计算的任务，Token 生成本质上是概率采样，可靠性远低于确定性代码。内嵌脚本允许"Claude 负责理解意图和编排流程，脚本负责确定性执行"——这是 Anthropic 官方描述的"指令用于灵活指导，代码用于可靠执行"原则。

---

6. 高可靠性保障

高可用机制

• 版本固定：API 使用时可指定 "version": "1759178010641129" 锁定特定版本，避免技能升级引发行为变化；开发阶段用 "version": "latest"
• 上下文预算保护：当技能描述总量超过预算（2% 上下文窗口，兜底 16,000 字符），Claude Code 自动排除低优先级技能，并通过 /context 命令发出警告
• 实时变更检测：--add-dir 加载的技能目录支持热重载，编辑 SKILL.md 后无需重启会话

容灾策略

• Skill 加载失败：Claude 降级为无技能模式继续工作，不会中断整个会话
• 脚本执行失败：在 SKILL.md 中定义错误处理步骤（如 如果脚本执行失败，改用以下备选方案）
• 技能冲突：同名技能按优先级加载（项目级 > 用户级），明确的覆盖语义

可观测性

监控点	查看方式	正常状态说明
已加载技能列表	/context 命令	所有期望的技能均显示在 Skills 分组中
技能描述字符预算	/context 警告区	无 “skills excluded” 警告为正常
技能触发情况	Claude 的 chain of thought 输出	相关任务时可见技能名出现在推理过程
脚本执行结果	会话终端输出	bash 工具调用返回 exit code 0

SLA 保障手段

1. 将技能入 Git：.claude/skills/ 目录纳入版本控制，确保团队一致性和可回滚
2. 描述词精确化：description 字段是自动触发的决策依据，使用明确的触发条件（如 Use when user mentions PDF, form, or document extraction）而非模糊描述
3. 定期测试验证：对关键技能编写测试用例，在 CI/CD 中验证 Claude 是否在预期场景触发正确技能

---

7. 使用实践与故障手册

7.1 典型使用方式

场景1：创建企业代码规范技能

# 项目根目录
mkdir -p .claude/skills/team-standards

cat > .claude/skills/team-standards/SKILL.md << 'EOF'
---
name: team-standards
description: >
  Apply team coding standards and conventions.
  Use when writing, reviewing, or refactoring code for this project.
invocation: auto
---

# Team Standards Skill

## 命名规范
- 变量使用 camelCase，常量使用 UPPER_SNAKE_CASE
- React 组件使用 PascalCase
- 文件名使用 kebab-case

## 提交规范
遵循 Conventional Commits: feat/fix/docs/refactor/test/chore

## 测试要求
- 新功能必须附带单元测试，覆盖率不低于 80%
- 使用 Jest + React Testing Library

## 禁止项
- 不允许 console.log 进入主分支
- 不允许 any 类型（TypeScript）

详细规范参见 reference/coding_standards.md
EOF

场景2：通过 API 使用 Anthropic 官方技能（xlsx）

# 环境：Python 3.10+，anthropic SDK 最新版
import anthropic

client = anthropic.Anthropic()

response = client.beta.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=4096,
    betas=["code-execution-2025-08-25", "skills-2025-10-02"],
    container={
        "skills": [
            {"type": "anthropic", "skill_id": "xlsx", "version": "latest"}
        ]
    },
    messages=[{
        "role": "user",
        "content": "创建一份季度销售报告，包含图表和汇总公式"
    }],
    tools=[{"type": "code_execution_20250825", "name": "code_execution"}]
)

print(response.content)

场景3：使用 skill-creator 引导式创建新技能

# 在 Claude Code 会话中输入：
/skill-creator

# Claude 将交互式地询问：
# 1. 这个技能要解决什么问题？
# 2. 典型的触发场景是什么？
# 3. 需要哪些辅助文件？
# 并自动生成完整的 Skill 目录结构

关键配置项说明：

配置项	位置	默认值	风险说明
invocation: auto	SKILL.md frontmatter	无默认（需显式设置）	auto 模式下 description 描述不精确会导致误触发，消耗额外 Token
SLASH_COMMAND_TOOL_CHAR_BUDGET	环境变量	2% 上下文窗口（min 16000 字符）	设置过大会导致每次对话基础 Token 消耗显著增加
CLAUDE_CODE_ADDITIONAL_DIRECTORIES_CLAUDE_MD	环境变量	0（默认不加载）	设置为 1 时会加载 --add-dir 目录中的 CLAUDE.md，可能引入意外全局指令

7.2 故障模式手册

【故障1：技能不被自动触发】
- 现象：用户执行相关任务，Claude 没有加载对应技能
- 根本原因：SKILL.md frontmatter 中 description 描述与任务语义匹配度不足；
           或技能描述字符预算超限被排除
- 预防措施：在 description 中明确列出触发关键词（"Use when user mentions..."）；
           运行 /context 检查技能是否在可用列表中
- 应急处理：改用手动触发 /技能名；或优化 description 的语义精确度

【故障2：技能描述字符预算超限】
- 现象：/context 出现警告 "X skills excluded due to character budget"
- 根本原因：项目中技能总数 × 平均 description 长度 > 16,000 字符预算
- 预防措施：控制每个技能 description 在 200 字符以内；
           删除或合并低使用频率的技能
- 应急处理：通过环境变量 SLASH_COMMAND_TOOL_CHAR_BUDGET 临时扩大预算；
           或将低优先级技能移至 invocation: manual

【故障3：内嵌脚本执行失败】
- 现象：Claude 调用技能中的脚本时报错，任务中断
- 根本原因：脚本依赖的工具未安装；路径引用错误；权限问题
- 预防措施：在 SKILL.md 中添加 prerequisite 章节列出依赖；
           使用相对路径（相对 SKILL.md 所在目录）
- 应急处理：在 SKILL.md 中定义明确的 fallback 步骤："若脚本失败，改用以下手动步骤"

【故障4：技能在 API 使用时行为与 Claude Code 不一致】
- 现象：同一个 Custom Skill 在 Claude Code 中正常，通过 Messages API 调用时行为偏差
- 根本原因：API 调用需要显式提供 skill_id（通过 /v1/skills 端点管理）；
           Code Execution 沙箱环境与本地环境存在差异
- 预防措施：API 使用时通过 Console 管理技能版本，不依赖本地文件系统路径
- 应急处理：核查 beta headers 是否完整（code-execution-2025-08-25 + skills-2025-10-02）

【故障5：组织级技能与个人技能冲突】
- 现象：管理员部署的组织级技能与开发者本地自定义技能同名，行为不符合预期
- 根本原因：同名技能覆盖优先级不清晰
- 预防措施：组织级技能使用带命名空间的名称（如 company-code-review）；
           建立技能命名规范文档
- 应急处理：显式删除本地冲突技能，或重命名避免冲突

7.3 边界条件与局限性

• Skill 不是独立进程：技能只是注入 Claude 上下文的指令，不能监听事件、无法在后台持续运行
• 跨会话状态：Claude Code 每次会话重新加载技能，技能本身无法存储跨会话状态（需借助外部文件或数据库）
• 上下文窗口硬限制：即使按需加载，单个技能的内容如果极长（如 > 50,000 Token），仍可能造成上下文溢出——SKILL.md 应保持精简，详细内容放 Supporting Files
• API beta 限制：API 使用 Skills 目前处于 Beta 阶段，不在 Zero Data Retention（ZDR）合规范围内（截至 2026年初）
• 并发 Agent Teams 下的技能隔离：⚠️ 存疑——多 Agent 并行执行时技能状态隔离的具体机制尚未有官方详细文档

---

8. 性能调优指南

性能瓶颈识别

技能相关的性能问题通常表现为：

1. 首次响应延迟增加：技能加载 + 上下文构建耗时
2. Token 消耗异常增大：技能内容过长或频繁误触发
3. 描述预算溢出：大量技能导致部分技能无法加载

调优步骤（按优先级）

1. 优化 description 精确度（高优先级，零成本）

   • 目标：将误触发率降至 < 5%
   • 验证：在 10 个不相关任务中测试，确认技能未被意外加载

2. 控制 SKILL.md 正文长度（高优先级）

   • 推荐：SKILL.md 主体 < 2,000 Token（约 1,500 中文字符）
   • 超出部分移至 Supporting Files，由 SKILL.md 引用

3. 合理设置 invocation 模式（中优先级）

   • 高频常用技能：auto；低频专项技能：manual
   • 目标：auto 技能数量 × 平均 description 长度 < 8,000 字符

4. 技能数量管理（中优先级）

   • 建议单项目 auto 模式技能 ≤ 10 个
   • 运行 /context 确认无技能被字符预算排除

调优参数速查表

参数	默认值	推荐值	调整风险
description 字段长度	无限制	≤ 200 字符	过长消耗预算；过短误触发
SLASH_COMMAND_TOOL_CHAR_BUDGET	16,000 字符（或 2% 上下文窗口）	视技能数量调整	设置过大增加基础 Token 消耗
SKILL.md 正文长度	无限制	≤ 2,000 Token	超出影响上下文利用率
Supporting Files 单文件大小	无官方限制	≤ 5,000 Token	过大时按需加载优势消失

---

9. 演进方向与未来趋势

已确认的近期方向

1. 企业级组织部署（已于 2025年12月18日落地）

管理员可在 Workspace 层面统一部署技能，实现：

• 自动更新（无需每个开发者手动同步）
• 集中管控（统一安全审核）

实际影响：平台工程团队可以将公司级规范（安全扫描、代码标准、文档模板）一次性推送给所有成员，消除"本地配置漂移"问题。

2. Agent Skills 开放标准（跨平台可移植性）

Anthropic 已将 Agent Skills 发布为开放标准（类比 MCP），并公开与生态系统成员的合作推进。

实际影响：为特定平台编写的技能，未来有望直接在其他支持该标准的 AI 工具中复用，降低技能创作的平台绑定风险。

3. 简化技能创建工作流 + Agent Teams 深度集成

社区路线图显示正在推进：多 Agent 并行执行时的技能感知协调；技能市场（anthropics/skills GitHub 仓库已初步建立）。

---

10. 面试高频题

【基础理解层】（考察概念掌握）

Q：Claude Code Skills 和 MCP Server 的核心区别是什么？
A：Skills 是"知识/工作流注入层"，解决的是"Claude 不知道怎么做"的问题，
   通过向上下文注入 Markdown 指令实现；MCP Server 是"工具能力扩展层"，
   解决的是"Claude 没有访问外部系统的能力"的问题，通过提供新工具（API调用）实现。
   两者互补而非竞争——MCP 让 Claude 能做，Skills 让 Claude 做得好。
考察意图：区分"知识"与"能力"的边界，判断候选人对 Agent 架构扩展模式的理解深度。

Q：SKILL.md 的 invocation 字段设置为 auto 和 manual 分别适合什么场景？
A：auto 适合高频、高语义辨识度的技能（如文档生成类，触发场景明确）；
   manual（/技能名 调用）适合低频专项任务（如年度报告模板）或需要明确用户意图的操作（如
   生产环境数据库迁移）。auto 模式下 description 的精准度直接决定触发准确率，
   描述不清会导致误触发并浪费上下文 Token。
考察意图：考察候选人对技能触发机制的理解，以及对 Token 成本的工程意识。

【原理深挖层】（考察内部机制理解）

Q：解释 Skills 的"渐进式披露"（Progressive Disclosure）机制，以及它解决了什么问题。
A：启动时，Claude Code 只将所有技能的 name + description 加入上下文（轻量级摘要层）；
   触发技能时，才通过 bash 读取 SKILL.md 完整内容注入上下文；
   SKILL.md 中引用 Supporting Files 时，再次读取相关文件。
   这种分层加载避免了"将所有专业知识常驻内存"的问题——假设 20 个技能每个 2000 Token，
   全量加载 = 40,000 Token 基础成本，而渐进式加载可将未触发技能的成本降至 ~10 Token/技能。
考察意图：考察候选人对上下文窗口管理原理的理解，以及对 LLM 推理成本的量化意识。

Q：为什么 Skills 的设计选择文件系统目录而不是数据库或 API 端点？
A：三点核心原因：
   1. Git 原生兼容：技能即代码，天然支持 PR review、版本回滚、diff 对比；
   2. 开发者体验：创建技能 = 新建文件夹 + 写 Markdown，无需额外服务或 SDK；
   3. 与 Claude 工具链对齐：Claude 已有 bash 工具，读取文件是零成本操作，
      无需引入新的 I/O 机制。
考察意图：考察候选人对工程设计权衡的理解，以及是否能从"开发者体验"视角分析架构决策。

【生产实战层】（考察工程经验）

Q：你负责的团队有 30 名开发者，想通过 Skills 统一代码规范执行。
   描述你的完整落地方案，包括组织形式、更新机制和潜在风险。
A：落地方案：
   1. 技能目录纳入公司主 Git 仓库（monorepo）的 .claude/skills/ 路径
   2. 通过 December 2025 发布的企业级组织部署功能，由管理员统一推送，
      确保所有成员使用同一版本（消除本地漂移）
   3. 技能更新走正式 PR 流程，代码审查 + 自动化测试验证触发行为是否符合预期
   4. 关键技能使用 invocation: manual 而非 auto，避免高风险操作（如数据库变更）的误触发
   潜在风险：
   - 技能字符预算超限（30+ 技能需严控 description 长度）
   - 技能间指令冲突（命名空间规范 + 定期冲突扫描）
   - API Beta 阶段合规风险（ZDR 范围外，敏感数据处理需额外评估）
考察意图：考察候选人将技术特性落地到团队级工程实践的能力，以及对合规、安全维度的关注。

Q：如何为一个现有的 MCP Server 配套设计 Skills，以提升整体交付质量？
A：核心思路是"MCP 解决能做什么，Skills 解决做得多好"：
   1. 分析 MCP Server 提供的工具（如 Sentry MCP 提供错误数据查询工具）
   2. 设计对应 Skills，描述"拿到数据后的处理工作流"（如"收到 Sentry 错误后，
      先分类、再定位代码位置、最后生成修复方案"）
   3. 在 description 中声明与 MCP 的配合关系，如
      "Use in combination with Sentry MCP to analyze and fix detected bugs"
   这种组合已有现实案例：Sentry 官方发布了与其 MCP Server 配套的 code-review skill。
考察意图：考察候选人对 Agent 技术栈整体设计能力，以及理解工具能力与知识能力分层的架构思维。

---

11. 文档元信息

验证声明

本文档内容经过以下验证：
✅ 核心特性与官方发布博客一致性核查：
   https://claude.com/blog/skills（2025年10月16日）
   https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview
✅ API 使用方式与官方文档一致性核查：
   https://platform.claude.com/docs/en/build-with-claude/skills-guide

⚠️ 以下内容未经本地环境验证，仅基于文档和逆向分析推断：
   - 第5节"技能加载时序"中的内部工具调用细节
     （参考来源：第三方逆向分析 https://mikhail.io/2025/10/claude-code-skills/）
   - 第6节"并发 Agent Teams 下的技能隔离"标注为存疑
   - 第8节部分 Token 预算数值（2% 上下文窗口为官方文档描述，具体字节数未独立验证）

知识边界声明

本文档适用范围：
  Claude Code（2025年10月 Skills 特性发布后的版本）
  API：skills-2025-10-02 beta + code-execution-2025-08-25 beta
  Claude.ai：Pro、Max、Team、Enterprise 计划（需启用 Code Execution）

不适用场景：
  - 2025年10月前的 Claude Code 版本（Skills 特性不存在）
  - API Skills Beta 的 Zero Data Retention（ZDR）合规场景
  - 第三方基于 Claude 构建的应用（Skills 行为可能由平台决定）

参考资料

官方文档：
- Claude Code Skills 文档：https://code.claude.com/docs/en/skills
- Agent Skills 概述：https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview
- API 技能使用指南：https://platform.claude.com/docs/en/build-with-claude/skills-guide
- 官方发布博客：https://claude.com/blog/skills

深度技术分析：
- 逆向分析 Skills 内部机制：https://mikhail.io/2025/10/claude-code-skills/
- Claude Code 2025年功能演进时间线：https://claudelog.com/claude-code-changelog/

社区资源：
- Skills 开放标准讨论：https://github.com/anthropics/claude-code/issues/9959
- 官方 Skills 构建指南（PDF）：
  https://resources.anthropic.com/hubfs/The-Complete-Guide-to-Building-Skill-for-Claude.pdf
- Anthropic Skills 市场（社区）：https://github.com/anthropics/skills

---