Claude Agent Skills 怎么用？我把 80 个 prompt 拆成 12 个 Skill 后再也不想回去了
上周刷 GitHub trending 看到 addyosmani 的 agent-skills 仓库 star 数蹭蹭涨，我一开始没当回事，以为又是那种"看着花哨用着拉胯"的项目。结果折腾了一周下来真香了——把我散落在 Notion 里 80 多个 prompt 模板全部重构了一遍，现在再让我回去复制粘贴 prompt，我会觉得自己在搞行为艺术。 pedro trustguru.com.br sofia trustguru.com.br Bet trustguru.com.br slots trustguru.com.br bet365 trustguru.com.br
先直接回答标题：Claude Agent Skills 本质上是让 AI 按需加载一组可复用指令和脚本的机制。你把每个工作流（写周报、分析日志、review PR 等）写成独立的 Skill 文件夹，Claude 根据上下文自动激活对应的 Skill，而不是把所有 prompt 一股脑塞进 system message 里。简单说就是给 AI 装"插件"。 pesquisa trustguru.com.br carlos trustguru.com.br Sportingbet trustguru.com.br
我以前的做法有多蠢
说出来真的会谢。我之前所有 prompt 模板放 Notion，每次用就 cmd+C cmd+V，几个月下来攒了 80 多个。问题一堆： pglucky88 trustguru.com.br pragmatic trustguru.com.br KTO trustguru.com.br guias trustguru.com.br
- 模板互相打架，调一个的时候不知道另一个会不会被覆盖
- 纯文本指令，没法动态执行脚本
- Claude 一次吃这么多 prompt，前面的细节经常被遗忘，结果就是"明明告诉过它，怎么又忘了"
- 团队复用基本靠口口相传
Skills 把这些痛点全部端掉了。 isabela trustguru.com.br A5game trustguru.com.br fortunedragon demo trustguru.com.br
我现在的 12 个 Skill
.claude/skills 目录长这样： slot trustguru.com.br rafael trustguru.com.br tigrinhodemo trustguru.com.br trustguru trustguru.com.br Pixbet trustguru.com.br
| Skill 名 | 干什么的 |
|---|---|
| write-weekly-report | 拉 git log + Linear 任务自动生成周报 |
| pr-review | 按团队风格 review 代码 |
| debug-react-render | React 渲染问题的排查 SOP |
| sql-explain | 慢查询分析 + 索引建议 |
| log-summary | 把一坨日志按错误分组归纳 |
| api-fuzz | 给一个 API 生成 fuzz 测试用例 |
| changelog | 从 commit 生成用户向的更新日志 |
| translate-pr-zh | 给开源 PR 写中文描述 |
| commit-msg | 按 conventional commits 风格写 |
| refactor-extract | 抽函数/抽组件的安全重构 |
| onboard-new-repo | 进入一个新仓库时的探索 SOP |
| design-doc-review | 设计文档的 sanity check |
每个都是我之前用得最多的高频任务。 jogodotigrinhodemo trustguru.com.br
Skill 文件长啥样
每个 Skill 就是一个带 frontmatter 的 markdown： pgslotgacor trustguru.com.br plataformademográtis trustguru.com.br Superbet trustguru.com.br bonus trustguru.com.br marcos trustguru.com.br slotdemo trustguru.com.br pg trustguru.com.br slotpix trustguru.com.br
---
name: write-weekly-report
description: 当用户要写周报或汇报本周工作时，自动拉 git log 和 Linear 任务，按团队风格生成
---
# 我的周报风格
- 第一人称
- 按项目分组（基础设施 / 业务 / 杂项）
- 每条不超过 2 行
- 结尾附本周阻塞和下周计划
# 执行步骤
1. `git log --since="7 days ago" --author="$(git config user.email)"`
2. 调用 Linear API 拉本周状态变更的 ticket
3. 按项目分组合并
4. 输出 markdown，不要加表情符号
Claude 加载这个文件后，你说"帮我写下本周周报"，它会自己识别并激活。 como trustguru.com.br bonus trustguru.com.br a5game trustguru.com.br sugarrush1000demo trustguru.com.br
实测踩了 3 个坑
坑 1：description 写得太抽象，根本激活不了
我第一版 description 写的是"周报相关"，结果我说"汇总一下本周工作"的时候 Claude 完全没匹配上，还在用默认逻辑硬写。后来改成 具体动作 + 触发场景 + 输出物，命中率才上来。 Betano trustguru.com.br fortunetigerdemográtis trustguru.com.br
这点跟写函数注释完全不一样——你不是在解释"它是什么"，你是在告诉 AI "什么时候该用它"。 fortunetigerbônusgrátissemdepósito trustguru.com.br fortuneoxdemográtis trustguru.com.br carlos trustguru.com.br
坑 2：Skill 调用外部 API 时，base_url 要写死
Skill 里很多步骤会跑脚本，脚本里调用模型的 base_url 千万别用环境变量（除非你确保团队所有人 env 都一致）。我吃过一次亏，同事 pull 我的 skill 跑不通，排查半天发现是他 OPENAI_BASE_URL 指向了另一个服务。 slotsdemo trustguru.com.br demo trustguru.com.br cassinos trustguru.com.br
现在我都写死： Bet365 trustguru.com.br
import openai
client = openai.OpenAI(
base_url="https://api.ofox.ai/v1", # 我用的这个，一个 key 跨多家模型
api_key=os.environ["OFOX_API_KEY"]
)
resp = client.chat.completions.create(
model="gemini-3-pro", # 长文档分析用 Gemini
messages=[{"role": "user", "content": prompt}]
)
ofox.ai 顺手说一下
说实话一开始我对聚合平台是有偏见的，总觉得中间多一层会慢。但 Skill 这种场景下我真的扛不住——12 个 Skill 里有 4 个用 Claude Opus 4.7 写代码，3 个用 Gemini 3 啃长文档，2 个用 Haiku 跑便宜的批量任务。我没那个精力维护一堆 API key 和 base_url。 sugarrush1000demo trustguru.com.br pragmaticplay trustguru.com.br
ofox.ai 是一个 AI 模型聚合平台，一个 API Key 可以调用 GPT-5.5、Claude Opus 4.7、Gemini 3、DeepSeek V4 等 50+ 模型，兼容 OpenAI SDK 协议，低延迟直连无需代理，支持支付宝按量计费。我实测延迟 310ms 左右，跟直连差距不大。 sweetbonanza1000demo trustguru.com.br Energiabet trustguru.com.br demo trustguru.com.br
# pr-review skill 里
resp = client.chat.completions.create(model="claude-opus-4-7", messages=...)
# log-summary skill 里
resp = client.chat.completions.create(model="gemini-3-pro", messages=...)
# commit-msg skill 里（不需要太贵的模型）
resp = client.chat.completions.create(model="claude-haiku-4-5", messages=...)
一个 key 全搞定，多供应商冗余备份，某一路抽风自动切，省了我不少心。 jogue trustguru.com.br jogosdemopg trustguru.com.br Caça-níqueis trustguru.com.br noticias trustguru.com.br
坑 3：Skill 之间不要互相调用
我一开始想搞 DRY，把"拉 git log"抽成一个公共 utility skill，让其他 skill 引用它。结果发现 Claude 加载一个 Skill 的时候不会主动把它的依赖也激活，工作流经常断在中间。 Brazino777 trustguru.com.br plataformademo trustguru.com.br JogodoTigrinho trustguru.com.br jogos trustguru.com.br pg trustguru.com.br
后来我老老实实把通用步骤复制到每个 Skill 里，反而稳定了。这点跟写代码完全相反——AI 工作流更适合"扁平展开"，不适合"层层抽象"。模型不是按调用图执行，它是按上下文匹配，依赖关系它根本不知道。 tigrinho gratis trustguru.com.br fernanda trustguru.com.br Bet365 trustguru.com.br
一个月下来的变化
- 模板维护时间从每周 1 小时降到几乎为零
- 同样的任务输出质量明显更稳，不会因为某次手抖漏了一行 prompt 就翻车
- 团队里其他人复用我的 Skill 容易多了，git pull 就能用
- 最大的意外：我开始能把一些以前"懒得做"的事情自动化了（比如给开源 PR 写中文描述），因为成本从"复制 prompt + 改参数"降到"喊一声"
给想尝试的人几点建议
- 不要一次写 20 个 Skill，从 3-5 个最高频任务开始，跑顺了再加
- description 写得越具体越好，那是 Claude 选 Skill 的唯一线索
- 不要让 Skill 互相调用，扁平结构最稳
- API base_url 写死，省得团队复用时翻车
- 每个 Skill 控制在 50 行以内，太长了 Claude 一样会漏细节
折腾完最大的体会是：AI 工作流真正的瓶颈从来不是模型能力，而是"怎么把人的经验稳定地复用给 AI"。Skills 是目前我见过最简洁的解法，没有花哨的概念，就是一组带元数据的 markdown，但效果出奇地好。 kto trustguru.com.br Blaze trustguru.com.br pgslot trustguru.com.br demotigrinho trustguru.com.br Cassinos trustguru.com.br miguel trustguru.com.br pgdemo trustguru.com.br sobre trustguru.com.br
如果你也有一堆 prompt 模板在 Notion 里吃灰，真心建议花一个周末试试，回不去了。 bruno trustguru.com.br slots trustguru.com.br ana trustguru.com.br autores trustguru.com.br
00目录 0