【技术深度】从零剖析Skill架构：AIAgent的模块化能力封装之道

2024年初，我第一次尝试让ClaudeCode处理一个涉及数据库迁移的复杂任务。结果令人沮丧：AI能够理解需求，但在数据校验规则、事务处理顺序、异常回滚机制这些专业细节上频繁出错。这促使我开始研究如何给AI补充领域知识——最终找到了Skill这个解法。

一、Skill本质：超越SystemPrompt的能力封装

SystemPrompt本质上是一次性指令，仅在当前对话生效。Skill则完全不同：它是持久化的可复用行为约束，将专业知识、操作流程和工具调用封装为模块化单元。

核心公式：Skill=专业知识+操作流程+工具调用。这三者缺一不可。专业知识提供判断标准，操作流程定义执行顺序，工具调用实现自动化执行。

二、三级加载机制：上下文窗口的精准管理

Skill采用按需加载设计，避免上下文窗口浪费。第一级是name和description，约100词，始终保持在上下文中，用于AI判断何时触发。第二级是SKILL.md正文，小于5000词，在Skill被触发后才加载。第三级是scripts、references、assets等资源，在AI判断需要时才读取，大小无限制。

这种设计的精妙之处在于：AI随时知道有哪些Skill可用，但只有真正需要时才"打开"具体内容。

三、SKILL.md结构规范：五要素缺一不可

每个SKILL.md由五要素构成。Metadata包含name和description，其中description必须写得清晰全面，说明什么场景使用、用户会说什么触发词。Context定义适用场景和前提条件。Process是步骤化工作流，可包含checklist。Constraints明确禁止行为和必须遵守的原则。OutputFormat规定结果呈现方式和格式。

编写要点：用祈使句开头，"运行脚本"、"读取文件"，正文控制在500行以内，细节放到references目录。

四、三类可选资源：提升Skill能力的利器

scripts目录存放确定性脚本，适合旋转PDF、解密音频、分析日志等反复执行的任务。优势是不占用上下文即可执行，节省token。

references目录存放AI需要参考但不必常驻上下文的知识，如数据库表结构、API文档、公司政策。设计原则是按领域拆分独立文件，用户问销售数据时只加载sales.md，不加载finance.md。

assets目录存放模板、静态文件，包括前端模板、PPT模板、品牌Logo、checklist模板等。

五、创建Skill完整流程：六步构建专业能力包

第一步明确使用场景：用户会说什么触发词？期望完成什么任务？有哪些典型输入输出？第二步规划可复用资源，识别每次任务都需要重写或重查的内容。第三步初始化Skill目录结构。第四步编写SKILL.md和资源文件，description是触发机制要写得清晰。第五步打包发布，校验YAML格式和必填字段。第六步在真实任务中使用，观察AI表现并迭代优化。