正如子智能体一样，Skills 也是一个全新的概念。它的核心本质，是将软件工程中历经验证的经典智慧，迁移并适配到 AI Agent 的知识架构之中。
1. 关注点分离（Separation of Concerns）
Skills 将解决问题的方法、步骤与经验沉淀为可复用的结构化资产，而非仅提供一次性答案。这使得 Agent 从依赖“临时灵感”转变为能够稳定复现高质量工作流。
三层架构职责划分如下。
CLAUDE.md：全局规则（项目背景、通用规范）。
Skills：专业工作流（特定领域的复杂逻辑封装）。
子智能体：任务执行（动态规划与实时操作）。
工程师警示：严禁将所有逻辑塞入 CLAUDE.md。如同在软件开发中将所有代码写在 main 函数中一样，这会导致上下文冗余、维护困难且难以扩展。
2. 依赖倒置（Dependency Inversion）
核心机制：面向接口编程，而非面向实现编程。
Claude 不直接依赖 Skill 的具体内部实现（如具体的脚本或 Prompt 细节），而是依赖其抽象接口（即 description 和输出契约）。只要保持接口契约不变，开发者可以随时替换、重构或升级 Skill 的内部逻辑。对 Claude 和用户来说，这种变化是完全透明的，极大地降低了系统的耦合度。
3. 缓存优化与惰性加载
核心策略：渐进式披露=按需加载
”渐进式披露“是一种典型的惰性加载（Lazy Loading）策略。系统不在启动时预加载所有知识库，而是在首次需要特定技能时才加载相关资源。
这与 Web 开发中的代码分割（Code Splitting）和数据库中的延迟加载的思想异曲同工：在正确的时间加载正确的资源，从而最小化初始开销，提升响应速度。
4. 最小权限原则
安全基石：allowed-tools 是最安全经典在 AI 领域的直接映射
仅授予 Skill 完成其职责所恰好足够的权限，不多也不少。如同 Linux 操作系统中使用 hmod 精确控制文件读写执行权限、AWS 中使用 IAM Policy 精确限定服务访问范围。
明确”不能做什么“比定义”能做什么“更能保障系统安全，防止恶意代码或幻觉导致的越权操作。
5. 开放标准
生态愿景：声明式、自包含、知识本体。
Anthropic 将 Skills 作为 Agent Skills 的开放标准（agentskills.io）规范推广。自 2025 年 12 月发布以来，已有超过 27 个 Agent 平台（包括 OpenAI Codex CLI、Google Gemini CLI、Cursor、GitHub Copilot 等）提供原生支持。
Skills 成功的三大本质属性如下：
声明式（Declarative）：纯 Markdown 格式，任何大模型均可读取和理解，无黑盒二进制。
自包含（Self-contained）：一个文件夹即包含全部所需，复制即按照，无需复杂的依赖管理。
知识本体（Knowledge-Centric）：核心价值在于内容本身而非特定格式，不绑定单一平台。
开发者在 Claude Code 中精心设计的 Skill，理论上可以无缝迁移至任何支持该标准的 AI 平台，真正实现了“一次编写，到处运行”。
这不仅仅是一个关于产品特性的故事，而是一个关乎行业标准的故事。你所学到的，不只是“如何在 Claude Code中配置某项功能”，而是“如何为 AI Agent 生态构建标准化的知识包”。
原文链接
《Claude Code 实战：Harness工程之道》「3.12 从软件工程看 Skills」；
本文由 shenhuanjie 原创，采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
