第1步: 创建目录

mkdir -p .claude/skill/your-skill-name
cd .claude/skill/your-skill-name

第2步: 创建 SKILL.md

---
name: your-skill-name
description: Brief description with trigger keywords and scenarios
---

# Your Skill Title

## When to Use This Skill

- User asks to [specific scenario]
- User mentions "[keyword]"

## How It Works

1. Step 1: [Action]
2. Step 2: [Action]

## Examples

**Input**: User request
**Output**: Expected result

第3步: 测试

在对话中使用 description 中的关键词触发
观察 Claude 是否正确执行
根据效果调整

核心原则

1. 保持简洁

只添加 Claude 不知道的新知识:

✅ 项目特定的工作流程
✅ 特殊的命名规范或格式要求
✅ 自定义工具和脚本的使用方法
❌ 通用编程知识
❌ 显而易见的步骤

示例对比:

# ❌ 过度详细
1. 创建 Python 文件
2. 导入必要的库
3. 定义函数
4. 编写主程序逻辑

# ✅ 简洁有效
使用 `scripts/api_client.py` 调用内部 API。
请求头必须包含 `X-Internal-Token`(从环境变量 `INTERNAL_API_KEY` 获取)。

2. 设定合适的自由度

自由度	适用场景	编写方式
高	需要创造性、多种解决方案	提供指导原则,不限定具体步骤
中	有推荐模式但允许变化	提供参数化示例和默认流程
低	容易出错、需严格执行	提供详细的分步指令或脚本

判断标准:

任务是否有明确的"正确答案"? → 低自由度
是否需要适应不同场景? → 高自由度
错误的代价有多大? → 代价高则用低自由度

3. 渐进式披露

将复杂内容分层组织:

SKILL.md (主文档, 200-500行)
├── reference.md (详细文档)
├── examples.md (完整示例)
└── scripts/ (可执行脚本)

规则:

SKILL.md 超过 500行 → 拆分子文件
子文件超过 100行 → 添加目录
引用深度 ≤ 1层

文件结构规范

YAML Frontmatter

---
name: skill-name-here
description: Clear description of what this skill does and when to activate it
---

字段规范:

字段	要求	说明
`name`	小写字母、数字、短横线,≤64字符	必须与目录名一致
`description`	纯文本,≤1024字符	用于检索和激活

命名禁忌:

❌ XML 标签、保留字(anthropic, claude)
❌ 模糊词汇(helper, utility, manager)
❌ 空格或下划线(用短横线 -)

Description 技巧:

# ❌ 过于泛化
description: Helps with code tasks

# ✅ 具体且包含关键词
description: Processes CSV files and generates Excel reports with charts. Use when user asks to convert data formats or create visual reports.

# ✅ 说明触发场景
description: Analyzes Python code for security vulnerabilities using bandit. Activates when user mentions "security audit" or "vulnerability scan".

目录组织

基础结构(简单 Skill):

skill-name/
└── SKILL.md

标准结构(推荐):

skill-name/
├── SKILL.md
├── templates/
│   └── template.md
└── scripts/
    └── script.py

命名和描述规范

Skill 命名

推荐格式: 动名词形式 (verb-ing + noun)

✅ 好的命名:
- processing-csv-files
- generating-api-docs
- managing-database-migrations

❌ 不好的命名:
- csv (过于简短)
- data_processor (使用下划线)
- helper (过于模糊)

Description 编写

必须使用第三人称:

# ❌ 错误
description: I help you process PDFs

# ✅ 正确
description: Processes PDF documents and extracts structured data

4C 原则:

Clear (清晰): 避免术语和模糊词汇
Concise (简洁): 1-2句话说明核心功能
Contextual (上下文): 说明适用场景
Complete (完整): 功能 + 触发条件

内容编写指南

"When to Use" 章节

明确说明触发场景:

## When to Use This Skill

- User asks to analyze Python code for type errors
- User mentions "mypy" or "type checking"
- User is working in a Python project with type hints
- User needs to add type annotations

模式:

直接请求: "User asks to X"
关键词: "User mentions 'keyword'"
上下文: "User is working with X"
任务类型: "User needs to X"

工作流设计

简单线性流程:

## How It Works

1. Scan the project for all `.py` files
2. Run `mypy --strict` on each file
3. Parse error output and categorize by severity
4. Generate summary report with fix suggestions

条件分支流程:

## Workflow

1. **Check project type**
   - If Django → Use `django-stubs` config
   - If Flask → Use `flask-stubs` config
   - Otherwise → Use default mypy config

2. **Run type checking**
   - If errors found → Proceed to step 3
   - If no errors → Report success and exit

Checklist 模式(验证型任务):

## Pre-deployment Checklist

Execute in order. Stop if any step fails.

- [ ] Run tests: `npm test` (must pass)
- [ ] Build: `npm run build` (no errors)
- [ ] Check deps: `npm audit` (no critical vulnerabilities)

示例和模板

输入-输出示例:

## Examples

### Example 1: Basic Check

**User Request**: "Check my code for type errors"

**Action**:
1. Scan for `.py` files
2. Run `mypy` on all files

**Output**:
   
   Found 3 type errors in 2 files:
   src/main.py:15: error: Missing return type
   src/utils.py:42: error: Incompatible types

脚本集成

何时使用脚本:

简单命令 → 直接在 SKILL.md 中说明
复杂流程 → 提供独立脚本

脚本编写规范:

#!/usr/bin/env python3
"""
Brief description of what this script does.

Usage:
    python script.py <arg> [--option value]
"""

import argparse

DEFAULT_VALUE = 80  # Use constants, not magic numbers

def main():
    parser = argparse.ArgumentParser(description=__doc__)
    parser.add_argument("directory", help="Directory to process")
    parser.add_argument("--threshold", type=int, default=DEFAULT_VALUE)

    args = parser.parse_args()

    # Validate inputs
    if not Path(args.directory).is_dir():
        print(f"Error: {args.directory} not found")
        return 1

    # Execute
    result = process(args.directory, args.threshold)

    # Report
    print(f"Processed {result['count']} files")
    return 0

if __name__ == "__main__":
    exit(main())

关键规范:

✅ Shebang 行和 docstring
✅ 类型注解和常量
✅ 参数验证和错误处理
✅ 清晰的返回值(0=成功, 1=失败)

最佳实践

Do:

✅ 提供可执行的命令和脚本
✅ 包含输入-输出示例
✅ 说明验证标准和成功条件
✅ 包含 Do/Don't 清单

Don't:

❌ 包含 Claude 已知的通用知识
❌ 使用抽象描述而非具体步骤
❌ 遗漏错误处理指导
❌ 示例使用伪代码而非真实代码

质量检查清单

核心质量

name 符合命名规范(小写、短横线、≤64字符)
description 包含触发关键词和场景(≤1024字符)
名称与目录名一致
只包含 Claude 不知道的信息
没有冗余或重复内容

功能完整性

有"When to Use"章节,列出 3-5 个触发场景
有清晰的执行流程或步骤
至少 2-3 个完整示例
包含输入和预期输出
错误处理有指导

结构规范

脚本和模板

脚本包含使用说明和参数文档
脚本有错误处理
避免魔法数字,使用配置
模板格式清晰易用

最终检查

通读全文,确保流畅易读
使用实际场景测试触发
长度适中(200-500行,或已拆分)

常见问题

Q: Skill 多长才合适?

最小: 50-100行
理想: 200-500行
最大: 500行(超过则拆分)

Q: 如何让 Skill 更容易激活?

在 description 中使用用户会说的关键词
说明具体场景("when user asks to X")
提及相关工具名称

Q: 多个 Skill 功能重叠怎么办?

使用更具体的 description 区分
在"When to Use"中说明关系
考虑合并为一个 Skill

Q: Skill 需要维护吗?

每季度审查一次,更新过时信息
根据使用反馈迭代
工具或 API 变更时及时更新

快速参考

Frontmatter 模板

---
name: skill-name
description: Brief description with trigger keywords
---

基础结构模板

# Skill Title

## When to Use This Skill
- Scenario 1
- Scenario 2

## How It Works
1. Step 1
2. Step 2

## Examples
### Example 1
...

## References
- [Link](url)

create-skill-file

Claude Agent Skill 编写规范

目录

快速开始

3步创建 Skill