技能创造者人类

人工智能 社区

技能解读

当前原文的自动摘译,尚未人工审校。

关于技能

技能是模块化、独立的包,通过提供专业知识、工作流程和工具来扩展 Claude 的能力。将它们视为特定领域或任务的“入门指南”——它们将 Claude 从通用智能体转变为配备了任何模型都无法完全拥有的程序知识的专业智能体。

提供什么技能

专业工作流程 - 针对特定领域的多步骤过程 工具集成 - 使用特定文件格式或 API 的说明 领域专业知识 - 公司特定的知识、模式、业务逻辑 捆绑资源 - 用于复杂和重复任务的脚本、参考和资产

简洁是关键

上下文窗口是一种公共物品。技能与 Claude 需要的其他所有内容共享上下文窗口:系统提示、对话历史记录、其他技能的元数据以及实际的用户请求。默认假设:克劳德已经非常聪明了。只添加克劳德还没有的上下文。挑战每一条信息:“克劳德真的需要这个解释吗?”和“这一段是否证明其代币成本合理?”

设置适当的自由度

将特异性水平与任务的脆弱性和可变性相匹配: 高自由度(基于文本的说明):当多种方法有效、决策取决于上下文或启发式指导方法时使用。中等自由度(伪代码或带参数的脚本):当存在首选模式、某些变化可接受或配置影响行为时使用。低自由度(特定脚本、很少参数):当操作脆弱且容易出错、一致性至关重要或必须遵循特定顺序时使用。

技能剖析

每个技能都包含必需的 SKILL.md 文件和可选的捆绑资源: SKILL.md(必需) 每个 SKILL.md 都包含: Frontmatter (YAML):包含 name 和 description 字段(必需),以及可选字段,如 license、metadata 和 compatibility。克劳德只会读取name和description来确定技能何时触发,所以要清楚和全面地了解技能是什么以及何时应该使用它。 compatibility字段用于记录环境要求(目标产品、系统包等),但大多数技能不需要它。

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
人工智能
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
88 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@lawve-ai · 未声明许可证
上下文用量评级
中等消耗
接入复杂程度
需简单配置
是否需要外部接口密钥
不需要
兼容的系统
未声明(默认跨平台)
运行环境要求
Python
检测到的文件与系统行为
  • 只读
  • 允许写入 / 修改
  • 命令执行
网络行为
仅限本地
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

01
第一步:通过具体例子理解技能

仅当已经清楚地了解技能的使用模式时才跳过此步骤。即使使用现有技能,它仍然很有价值。要创建有效的技能,请清楚地了解如何使用该技能的具体示例。这种理解可以来自直接的用户示例,也可以来自通过用户反馈验证的生成示例。例如,在培养图像编辑技能时,相关问题包括:

02
第二步:规划可重复使用的技能内容

要将具体示例转化为有效的技能,请通过以下方式分析每个示例: 考虑如何从头开始执行示例 确定重复执行这些工作流程时哪些脚本、引用和资源会有所帮助 示例:当构建`pdf-editor` 技能来处理“帮我旋转此 PDF”之类的查询时,分析表明:旋转 PDF 需要每次重新编写相同的代码

03
第三步:初始化技能

此时,是时候实际创建该技能了。仅当正在开发的技能已经存在并且需要迭代或打包时,才跳过此步骤。在这种情况下,请继续执行下一步。从头开始创建新技能时,请始终运行`init_skill.py`脚本。该脚本可以方便地生成一个新的模板技能目录,该目录自动包含技能所需的所有内容,从而使技能创建过程更加高效和可靠。

04
第四步:编辑技能

编辑(新生成的或现有的)技能时,请记住该技能正在创建供另一个 Claude 实例使用。包括对克劳德有益且非显而易见的信息。考虑哪些程序知识、特定领域的细节或可重用资产可以帮助另一个 Claude 实例更有效地执行这些任务。学习经过验证的设计模式 根据您的技能需求查阅这些有用的指南:

05
第 5 步:打包技能

技能开发完成后,必须将其打包到可分发的 .skill 文件中以与用户共享。打包过程首先自动验证技能,以确保其满足所有要求: 可选输出目录规范:打包脚本将: 自动验证技能,检查:YAML frontmatter 格式和必填字段

06
第 6 步:迭代

测试技能后,用户可以请求改进。通常,这种情况会在使用该技能后立即发生,并提供该技能如何执行的新背景。迭代工作流程:在实际任务中使用该技能 注意困难或效率低下 确定应如何更新 SKILL.md 或捆绑资源

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。