一、四者的关系Skill是你给AI的“工作手册”MCP模型上下文协议是AI连接外部世界的“万能插头”沙箱是AI的“安全活动区”而Harness工程则是把所有这些整合在一起的“AI工厂”流水线。二、skills的创建和使用1什么是skills其核心价值是什么skills的使用场景1.是什么Skills 是一套结构化的 AI 能力封装方案。通俗理解你把一段角色设定 执行步骤 输出格式写进一个SKILL.md文件放进指定目录AI 就能在需要时自动加载这套指令按你的要求执行任务。从本质上说Skills 可以理解为可复用的 AI 工作流模板——不只是固化提示词而是把AI 应该扮演什么角色、按什么流程处理、输出什么格式整套逻辑都固化下来形成一个可随时调用的数字助理模块。2.核心价值① 将方法论固化消除重复劳动以学习日记为例你每天记录学习内容然后让 AI 润色逻辑、回答疑问、给出建议——这是一个固定的反思→优化循环。如果没有 Skill你每次都要重新描述一遍需求。而有了 Skill你每天只需说一句用我的学习日记 Skill 处理今天的内容AI 就会自动按预设流程执行。② 渐进式披露节省上下文资源Skill 采用渐进式披露机制AI 先读取 Skill 的元信息name和description来判断是否需要调用该功能只有确认需要后才会加载完整的指令文件。这意味着你可以把很长的提示词、参考模板都放在 Skill 文件里日常对话时它们不会占用宝贵的上下文窗口只有被调用时才加载。③ 降低认知负担让习惯更容易坚持当一件事的启动成本足够低时你更可能长期坚持。每天写学习录后不用思考该用什么提示词直接一句话触发减少了决策摩擦。3.使用场景适合做成 Skill 的事情通常具备以下特征高频重复每周至少用 2-3 次如每日复盘、周报生成、会议纪要整理流程固定输入输出格式明确每次执行步骤差异不大提示词较长每次都要输入大段指令手动复制粘贴成本高需要角色扮演需要 AI 持续扮演某个特定角色如导师、代码审查员、写作教练不适合的场景一次性任务用完之后不会再碰流程高度随机每次需求差异极大对安全性要求极高不适合自动化的工作流2skills的创建1.skill的基本结构一个 Skill 本质上是一个文件夹里面至少包含一个SKILL.md文件。文件名必须叫SKILL.md注意大写这是 Claude Code 的硬性规范。SKILL.md的基本格式如下--- name: 你的技能名称 description: 简短描述帮助 AI 判断什么时候该用这个技能 --- # 这里是完整的指令内容 ## 你要扮演的角色 ## 你需要执行的步骤 ## 参考模板或格式要求name调用命令如name: planner→ 使用时输入/plannerdescriptionAI 根据它判断是否加载该 Skill指令内容角色设定 执行流程 输出规范2.存放位置项目级 vs 个人级类型路径生效范围能否自定义路径项目级你的项目根目录/.claude/skills/仅当前项目✅ 可以每个项目独立放置个人级C:\Users\你的用户名\.claude\skills\所有项目❌ 官方不支持修改如果你想切换到其他盘符比如D盘只需要在D:\MyProject\下创建.claude/skills/文件夹把 Skill 放进去即可。用 VS Code 打开D:\MyProject\时该 Skill 自动生效。 如果你担心C盘空间建议全部使用项目级路径不需要把 Skills 放在C盘。3.实操案例创建一个“学习规划”Skill第一步让AI帮你生成SKILL.md你可以给 AI 以下提示词让它帮你生成一个 Skill比如我给以下提示词我想一步一步地学习【主题】不跳过任何重要的基础。 请你扮演一位专家教师和技能教练把【主题】分解为5个清晰的难度级别从完全初学者到自信的实践者。 每个级别包括 1.级别名称 2.这个阶段我应该理解什么 3.在这个级别上“掌握”是什么样子 4.最需要重点关注的概念或技能 5.一个证明我可以进入下一级别的里程碑 6.一个动手练习或小型项目 7.这个级别的学习者常犯的错误 8.进入下一级别前的一个简单自测问题 按这个结构组织级别 - 级别1完全初学者 - 级别2基本理解 - 级别3实际使用者 - 级别4问题解决者 - 级别5自信的实践者 解释保持实用、对初学者友好专注于真正的进步。AI生成的SKILL.md文档如下--- name: phased-learning-planner description: 当用户想系统学习某个新领域时生成一个5个级别的分阶段学习路线图从零基础到自信实践者。 --- # 角色与目标 你是一位专家教师和技能教练帮助用户将学习目标分解为5个清晰的难度级别。 # 级别结构 请为每个级别包含以下8个要素 1. 级别名称 2. 这个阶段应该理解什么 3. “掌握”是什么样子 4. 最需要重点关注的概念或技能 5. 可以进入下一级别的里程碑 6. 一个动手练习或小型项目 7. 这个级别的学习者常犯的错误 8. 进入下一级别前的一个自测问题 # 级别定义 - 级别1完全初学者 - 级别2基本理解 - 级别3实际使用者 - 级别4问题解决者 - 级别5自信的实践者 # 交互流程 1. 先询问用户想学什么领域 2. 追问当前基础和时间安排 3. 确认后生成完整5级路线图保持实用、对初学者友好第二步根据实际需求迭代修改AI 生成的第一个版本可能不完全符合你的需求。比如你希望生成的路线图自动保存为 Markdown 文件而不是每次手动复制保存。那就直接修改SKILL.md在交互流程中增加一步## 第三步保存为 Markdown 文件必须执行 生成完路线图后自动执行以下操作 1. 在当前工作区创建 learning-roadmaps/ 文件夹 2. 将路线图保存为 [领域名称]-learning-roadmap.md 3. 告知用户文件路径 4. 在对话中再展示一遍完整内容修改后的完整SKILL.md如下所示--- name: phased-learning-planner description: 当用户想系统学习某个新领域时生成一个5个级别的分阶段学习路线图从零基础到自信实践者并自动保存为Markdown文件。 --- # 角色与目标 你是一位专家教师和技能教练帮助用户将学习目标分解为5个清晰的难度级别并自动将生成的路线图保存到本地。 # 交互流程 ## 第一步信息收集 在生成路线图之前先向用户确认以下信息如果用户已主动提供则直接跳过 1. **学习领域**想学什么如 PyTorch、机器学习、Docker、Rust 等 2. **当前基础**在这个领域完全零基础还是有一些接触 3. **时间安排**每天大概有多少时间投入希望多久完成 ## 第二步生成5级路线图 根据用户输入按照以下结构生成完整的路线图。 ### 级别结构必须全部包含 每个级别必须包含以下8个要素 1. **级别名称**简洁有力的名称 2. **这个阶段应该理解什么**核心学习目标 3. **“掌握”是什么样子**该阶段的能力标准 4. **最需要重点关注的概念或技能**1-3个核心知识点 5. **里程碑**证明可以进入下一级别的标志性成果 6. **动手练习或小型项目**可执行的实践任务 7. **常见错误**该级别学习者容易踩的坑 8. **自测问题**进入下一级别前问自己的一个问题 ### 级别定义 | 级别 | 名称 | 定位 | |------|------|------| | 级别1 | 完全初学者 | 从未接触过从安装配置开始 | | 级别2 | 基本理解 | 能看懂文档和示例代码 | | 级别3 | 实际使用者 | 能独立完成常见任务 | | 级别4 | 问题解决者 | 能调试、优化、处理非标准场景 | | 级别5 | 自信的实践者 | 能独立完成完整项目并能指导他人 | ### 风格要求 - 保持实用、对初学者友好 - 避免学术化术语堆砌用平实的语言 - 每个级别的说明不要过于冗长但信息量要足 - 如果用户没有指定具体领域先询问而不是自己猜测 ## 第三步保存为 Markdown 文件必须执行 **生成完路线图后必须自动执行以下操作** 1. 在当前工作区根目录下创建 learning-roadmaps/ 文件夹如不存在 2. 将刚才生成的完整路线图写入该文件夹 3. 文件命名规则 - 使用领域名称的小写形式单词间用连字符连接 - 例如pytorch-learning-roadmap.md、machine-learning-roadmap.md、docker-learning-roadmap.md - 格式[领域名称小写连字符]-learning-roadmap.md 4. 在对话中告知用户文件已保存的完整路径 5. 最后在对话中再展示一遍完整的路线图全文方便用户即时阅读 # 输出格式 对话中展示时使用清晰的Markdown格式 markdown # [领域名称] 学习路线图5级进阶 ## 级别1完全初学者 ### 这个阶段应该理解什么 ... ### “掌握”是什么样子 ... ### 重点关注的概念或技能 ... ### 里程碑 ... ### 动手练习/小型项目 ... ### 常见错误 ... ### 自测问题 ... 以此类推直到级别5核心思路是先让AI生成一个能跑的版本再根据使用体验逐步完善不需要一次性做到完美。4.安装到你的工具里如果你用 Claude CodeVS Code 插件项目级在项目根目录下创建.claude/skills/把 Skill 文件夹放进去个人级放到~/.claude/skills/如果你用 CodexVS Code 插件项目级在项目根目录下创建.agents/skills/个人级放到~/.agents/skills/验证是否安装成功在 VS Code 中重启窗口或输入/help刷新如果 Skill 被正确加载在对话中输入/时应该能看到它的名字出现在下拉列表中。5.成果展示3skill的使用1.调用方式在对话中输入/加上 Skill 的name即可触发/phased-learning-planner实际使用示例/phased-learning-planner 我想系统学习机器学习目前有Python基础也用过sklearn做一些简单模型但理论不太扎实每天能学2小时左右。Skill 会自动按照预设的流程执行收集信息→生成5级路线图→保存为.md文件→在对话中展示。2.关于调用名称调用命令取决于SKILL.md中的name字段而不是文件夹名建议name起得短一些如planner、review方便输入如果忘了名称在对话中输入/即可看到所有可用 Skill 的列表3.不用/命令也能触发如果你的 Skill 数量不多可以直接用自然语言描述需求AI 也能识别并执行帮我把学习机器学习的过程分成 5 个级别从零基础到能独立做项目每个级别要包含里程碑和练习项目。这种方式不需要记住任何 Skill 名称但前提是 AI 能从上下文中理解你的意图。4.网页版能用 Skill 吗能用但有限制。网页版如 claude.ai、chat.deepseek.com没有文件读写权限所以✅ 你可以把SKILL.md的全部内容复制粘贴到对话中AI 会按指令执行❌ 无法自动保存文件需要手动复制内容到本地.md文件中建议日常高频使用的 Skill用 VS Code 插件更顺手网页版适合临时测试或偶尔使用。目前市面上有很多好用且成熟的skill,可以自己去搜索。5.成果展示三、延伸MCP、工作流和Harness 本节内容是理论探讨我还没有完全实操验证记录在此作为后续探索的方向。在跑通Skill的创建和使用之后我产生了一个延伸想法如果Skill生成的计划文档能直接同步到桌面待办软件自动按时间段添加待办事项那效率还能再提升一大截。顺着这个想法我了解到了几个概念MCP模型上下文协议、工作流Workflow和Harness工程。它们之间的关系大致如下概念作用在我的场景中对应什么Skill让AI“知道要做什么”phased-learning-planner生成学习计划MCP让AI“能操作外部软件”把计划里的任务写入待办软件如Todoist工作流把多个步骤串成一个完整流程生成计划 → 人工确认 → 同步待办Harness工业级AI应用的全套基础设施工具注册、技能挂载、沙箱隔离等Skill是你给AI的“工作手册”MCP是AI连接外部世界的“万能插头”沙箱是AI的“安全活动区”而Harness工程则是把这些整合在一起的“AI工厂”流水线。下一步计划这个方向我还没有实际动手接下来打算先从最简单的开始试用MCP把一个测试任务写入Todoist把“桥”先搭通再考虑完整工作流的自动化。以下是deepseek对于我提问的回答仅供参考