16.1 Skills创建方式

创建 Skills 的基本流程#

Skills 的创建是一个结构化的过程，遵循标准的目录结构和文件格式。本节将详细介绍创建 Skills 的完整流程。

1. 规划 Skills#

定义目标和范围

在创建 Skills 之前，需要明确定义其目标和适用范围：

markdown
复制
## 目标定义
- **功能描述**：Skills 解决的具体问题
- **适用场景**：何时应该使用这个 Skills
- **预期输出**：使用后的结果和价值
- **限制条件**：Skills 的局限性和边界

分析需求

markdown
复制
## 需求分析
- **用户需求**：目标用户的使用场景
- **技术需求**：所需的工具和资源
- **性能需求**：响应时间和资源消耗要求
- **兼容性需求**：支持的平台和环境

2. 创建目录结构#

标准目录结构

bash
复制
# 创建 Skills 目录mkdir my-skill

# 进入目录cd my-skill

# 查看标准结构tree -a

预期结构：

bash
复制
my-skill/
├── SKILL.md          # 必需：核心指令文件
├── scripts/          # 可选：可执行脚本
│   └── helper.py
├── references/       # 可选：参考文档
│   └── api-docs.md
├── assets/           # 可选：静态资源
│   └── template.json
└── LICENSE           # 可选：许可证文件

目录命名规范

• 使用小写字母、数字和连字符
• 长度不超过64个字符
• 避免连续连字符或以连字符开头/结尾
• 目录名应与 SKILL.md 中的 name 字段一致

3. 编写 SKILL.md 文件#

文件结构

SKILL.md 是 Skills 的核心文件，必须遵循特定的格式：

markdown
复制
---
name: my-skill
description: Brief description of what this skill does and when to use it
---

# My Skill

## Overview

Detailed description of the skill's purpose and functionality.

## When to Use

Specific scenarios and conditions for using this skill.

## Instructions

Step-by-step guidance for the AI agent.

## Examples

Concrete examples of input and expected output.

前置元数据详解

必需字段

yaml
复制
---
name: pdf-processing
description: Extract text and tables from PDF files, fill forms, merge documents. Use when working with PDF files, forms, or document extraction.
---

• name: 唯一标识符，遵循命名规范
• description: 功能描述和使用时机，应包含关键词帮助 AI 发现

可选字段

yaml
复制
---
name: pdf-processing
description: Extract text and tables from PDF files, fill forms, merge documents.
license: Apache-2.0
compatibility: Designed for Claude Code (or similar products)
metadata:
  author: example-org
  version: "1.0"
allowed-tools: Read, Grep, Bash(python:*)
---

4. 添加支持文件#

脚本文件 (scripts/)

bash
复制
# 创建脚本目录mkdir scripts

# 添加 Python 脚本cat> scripts/process_data.py 'EOF'
#!/usr/bin/env python3
"""
数据处理脚本
"""
import sys
import json
def process_data(input_data):
    """处理输入数据"""
    # 处理逻辑
    return processed_data
if __name__ == "__main__":
    input_data = sys.stdin.read()
    result = process_data(input_data)
    print(json.dumps(result))
EOF
# 设置执行权限chmod +x scripts/process_data.py

参考文档 (references/)

bash
复制
# 创建参考文档目录mkdir references

# 添加 API 文档cat> references/api_reference.md 'EOF'
# API 参考文档
## 可用端点
### GET /api/data
获取数据列表
**参数：**
- `limit` (可选): 返回结果数量限制
- `offset` (可选): 偏移量
**响应：**
```json
{
  "data": [...],
  "total": 100
}
```
EOF

静态资源 (assets/)

bash
复制
# 创建资源目录mkdir assets

# 添加配置文件模板cat> assets/config_template.json 'EOF'
{
  "database": {
    "host": "localhost",
    "port": 5432,
    "name": "myapp"
  },
  "features": {
    "caching": true,
    "logging": true
  }
}
EOF

5. 编写指令内容#

结构化指令编写

markdown
复制
# My Skill Name

## 概述

[简要介绍 Skills 的功能和价值]

## 使用时机

[明确说明何时应该使用这个 Skills]
- 场景1：具体的使用情况
- 场景2：另一种使用情况

## 详细说明

### 步骤1：准备工作
[具体的执行步骤]

### 步骤2：主要处理
[核心处理逻辑]

### 步骤3：结果验证
[验证和确认结果]

## 示例

### 示例1：基本用法
**输入：**
```
用户请求示例
```

**执行步骤：**
1. 解析输入
2. 处理数据
3. 生成输出

**输出：**
```
预期结果
```

### 示例2：高级用法
[更复杂的示例]

## 注意事项

### 限制条件
- [已知限制]
- [不支持的场景]

### 错误处理
- [常见错误及解决方法]

### 性能考虑
- [性能特征和优化建议]

## 相关资源

- [API 文档](references/api_reference.md)
- [配置模板](assets/config_template.json)

6. 测试和验证#

本地验证

bash
复制
# 验证 SKILL.md 格式python -c "
import yaml
import os
# 检查文件存在
assert os.path.exists('SKILL.md'), 'SKILL.md not found'
# 读取并解析
with open('SKILL.md', 'r', encoding='utf-8') as f:
    content = f.read()
# 分离元数据和内容
parts = content.split('---', 2)
assert len(parts) >= 3, 'Invalid SKILL.md format'
metadata = yaml.safe_load(parts[1])
assert 'name' in metadata, 'Missing name field'
assert 'description' in metadata, 'Missing description field'
print('SKILL.md format validation passed')
"

功能测试

bash
复制
# 测试脚本执行python scripts/process_data.py  test_input.json

# 验证输出格式python scripts/process_data.py  test_input.json | jq .data

7. 部署和发布#

本地部署

bash
复制
# 复制到个人 Skills 目录cp -r my-skill ~/.claude/skills/

# 或复制到项目 Skills 目录cp -r my-skill .claude/skills/

团队共享

bash
复制
# 添加到版本控制gitadd my-skill/
git commit -m "Add my-skill for data processing"
# 推送到远程仓库git push origin main

插件发布

bash
复制
# 创建插件结构mkdir my-plugin
cd my-plugin

# 添加 Skills 到插件cp -r ../my-skill skills/

# 创建插件配置文件cat> package.json EOF
{
  "name": "my-plugin",
  "version": "1.0.0",
  "skills": ["skills/my-skill"]
}
EOF

创建最佳实践#

1. 从简单开始#

• 从解决单个具体问题开始
• 避免一开始就设计过于复杂的 Skills
• 基于实际使用场景逐步扩展

2. 编写清晰的描述#

yaml
复制
# 好的描述示例
description: Analyze Excel spreadsheets, create pivot tables, and generate charts. Use when working with Excel files, spreadsheets, or .xlsx files.

# 不好的描述示例
description: Helps with data

3. 提供丰富的示例#

• 包含多种使用场景的示例
• 展示输入输出格式
• 解释每一步的目的

4. 测试驱动开发#

• 在编写过程中持续测试
• 验证在不同场景下的表现
• 收集反馈并改进

5. 遵循命名规范#

• 使用描述性的名称
• 保持一致的命名风格
• 避免名称冲突

使用 skill-creator 辅助创建#

Anthropic 提供了官方的 skill-creator Skills，可以帮助用户快速创建新的 Skills。这个 Skills 提供了完整的创建流程指导，从需求分析到最终打包。

skill-creator 概述#

skill-creator 是 Anthropic 官方提供的 Skills，专门用于指导和辅助创建其他 Skills。它的主要功能包括：

1. 理解需求：通过分析具体示例来理解 Skills 应该实现的功能
2. 规划内容：识别可重用的脚本、参考文档和资源文件
3. 生成结构：自动创建 Skills 的标准目录结构
4. 编写文档：帮助编写 SKILL.md 和相关文档
5. 打包验证：验证并打包 Skills
6. 迭代优化：基于实际使用改进 Skills

使用 skill-creator 创建新 Skills#

步骤1：准备示例

在使用 skill-creator 之前，需要准备一些具体的使用示例：

markdown
复制
## 示例准备
- **场景描述**：用户请求和预期行为
- **输入输出**：具体的输入数据和期望结果
- **执行流程**：手动执行时的步骤
- **特殊情况**：边界条件和错误处理

步骤2：调用 skill-creator

在 Claude Code 中使用 skill-creator：

bash
复制
# 直接使用 skill-creatorclaude --skill skill-creator

# 或在对话中使用"请使用 skill-creator 帮助我创建一个处理 PDF 文件的 Skills"

步骤3：提供需求描述

向 skill-creator 提供详细的需求信息：

markdown
复制
## 需求描述
- **功能目标**：创建一个处理 PDF 文件的 Skills
- **具体任务**：
  - 提取 PDF 中的文本内容
  - 识别表格数据
  - 合并多个 PDF 文件
- **使用场景**：
  - "请从这个 PDF 中提取表格数据"
  - "合并这些 PDF 文件"
- **技术要求**：
  - 支持中文文本
  - 处理扫描版 PDF
  - 输出结构化数据

步骤4：跟随指导创建

skill-creator 会提供分步指导：

1. 需求理解：分析提供的示例和工作流程
2. 资源规划：识别需要创建的脚本和文档
3. 结构初始化：生成标准的 Skills 目录结构
4. 内容编写：帮助编写 SKILL.md 和实现脚本
5. 测试验证：验证 Skills 的功能和格式
6. 打包发布：创建可分发的 Skills 包

步骤5：迭代优化

基于实际使用情况进行优化：

bash
复制
# 测试 Skillsclaude --skill my-pdf-skill --test

# 收集反馈并改进"这个 Skills 在处理中文 PDF 时有问题，请帮我优化"
# 重新打包skill-creator 会指导重新打包和发布

skill-creator 的优势#

1. 结构化指导

• 提供完整的创建流程
• 确保遵循最佳实践
• 避免常见错误

2. 自动化生成

• 自动创建目录结构
• 生成模板文件
• 验证配置正确性

3. 质量保证

• 内置验证机制
• 提供测试指导
• 确保文档完整性

4. 学习辅助

• 解释每个步骤的目的
• 提供示例和模板
• 帮助理解 Skills 设计原则

适用场景#

适合使用 skill-creator 的情况：

• 新手创建者：第一次创建 Skills 的用户
• 复杂功能：需要多个组件配合的 Skills
• 标准化需求：需要遵循最佳实践的项目
• 团队协作：多人协作开发 Skills

不适合使用 skill-creator 的情况：

• 简单脚本：只需几个命令的简单任务
• 已有模板：基于现有成熟模板的 Skills
• 高度定制：需要完全自定义结构的特殊需求

最佳实践#

1. 准备充分的示例

• 提供多样化的使用场景
• 包含边界条件和错误情况
• 描述预期的输出格式

2. 遵循指导逐步执行

• 不要跳过任何步骤
• 仔细阅读每个指导说明
• 如有疑问及时寻求 clarification

3. 充分测试和验证

• 在创建过程中进行测试
• 验证所有功能正常工作
• 检查文档和示例的准确性

4. 基于反馈持续改进

• 收集实际使用中的问题
• 根据用户反馈进行优化
• 定期更新和维护 Skills

常见问题和解决方案#

文件格式问题#

问题：YAML 前置元数据格式错误 解决：使用 YAML 验证工具检查语法

路径引用问题#

问题：相对路径引用不正确 解决：确保所有路径都是相对于 Skills 根目录的

权限问题#

问题：脚本文件没有执行权限 解决：使用 chmod +x 设置执行权限

编码问题#

问题：文件编码导致的解析错误 解决：统一使用 UTF-8 编码保存文件

总结#

创建 Skills 是一个系统化的过程，需要仔细规划、规范编写和充分测试。通过遵循标准结构和最佳实践，可以创建出高质量、可维护的 Skills，为 AI 代理提供强大的专业能力扩展。