登录连载04-最重要的Skill---一起吃透 Claude Code，告别 AI coding 迷茫
别再直接 Fork 别人的 Claude Skill：公开模板只是原材料，项目规则才是成品
AI Coding 系列第 05 篇 · 核心工具
我第一次批量导入公开 Skill 模板的时候，是真的以为自己走了捷径。
GitHub 上一堆 star 很高的仓库，code review、需求分析、文档编写、调研、拆任务，看起来什么都有。我当时的想法特别简单：既然别人已经把常见工作流整理好了，我直接 fork 一份，全量导入，不就能让 Claude 立刻更稳、更懂项目吗？
结果用了几天，我反而越来越不放心。
它每次都输出得很像那么回事。格式完整，措辞专业，检查项也不少。可真正让我在项目里反复吃亏的那几件事，它一次都没替我盯住。异步链里是不是又漏了 await，这次 migration 有没有回滚方案，新同学是不是又顺手写了 throw new Error()，数据库 schema 改了之后 Prisma 类型是不是也一起更新了。
它会提醒一堆“大家普遍都应该注意”的东西，却不懂“我们团队到底最怕什么”。
后来我才慢慢明白，问题不是 Skill 机制不好，而是我导入的根本不是自己的 Skill，只是别人整理好的经验。
这些经验当然有用，但它们解决的是共性问题，不会天然长成你项目里的“肌肉记忆”。
这篇文章就讲一件事：
怎么把公开模板当原材料，而不是成品；怎么从自己的项目里，提炼出一个真正会被反复复用、而且越用越准的 Skill。
如果你只想先记住一句话，那就是：
公开 Skill 模板是素材库，不是最终产品。
先给你一个判断框架
为了后面不绕，我先把最核心的判断放前面：
- 对所有任务都生效的规则，放
CLAUDE.md - 只对某一类任务生效的规则，做成
Skill - 只对这一次任务有效的约束，写进
Prompt - 只有“输入相对稳定、输出有共同模式、而且容易漏步骤”的任务，才值得沉淀成 Skill
- 第一个 Skill 不要选最关键的任务，先拿中等风险任务练手
如果你现在就卡在“这条到底该写哪”，后面大部分内容其实都可以用这五条往回推。
一、为什么很多公开 Skill 模板，一开始觉得香，后来却越用越别扭
我现在反而会对“看起来很全”的公开 Skill 模板保持一点警惕。
不是因为它们没用，而是因为它们太容易制造一种错觉：好像什么都覆盖到了，但真正最重要的东西其实没进去。
公开模板最常见的问题，不是方向错，而是下面这三种。
1. 太宽泛
它什么都管一点，但什么都不够深。
它会告诉你“注意异常处理”“注意性能”“注意安全”，这些当然没错。但这些话本身不构成你项目里的工作流。它不知道你们统一用的是 AppError，不知道你们数据库变更必须检查回滚，也不知道你们哪几个目录历史包袱最重。
2. 太嘈杂
50 行模板里，真正有价值的可能只有 5 行。
剩下的 45 行不是完全没用，而是在和那 5 行争夺 Claude 的注意力。对于 agent 来说，规则不是越多越强。很多时候，8 行写透项目约束的 Skill，比 50 行“样样都提一点”的模板更有用。
3. 太不像你的项目
这点才是最致命的。
公开模板知道“大家普遍应该注意什么”，但不知道“你们团队反复死在哪些地方”。而真正有价值的 Skill，恰恰应该把那些项目特有、团队高频踩坑的东西固化下来。
说得更直白一点：你把一个新同事扔进团队，给他一份行业通用培训材料，当然比什么都不给强；但如果你不告诉他“我们团队最容易出错的是哪三件事”，他依然干不好你最在意的活。
所以正确姿势不是“找一个最全的模板直接用”，而是：
先借鉴，再裁剪，最后只留下真正属于你项目的那几条。
二、先把 Prompt、CLAUDE.md、Skill 这三件事分清楚
很多人不是不会写 Skill，而是一开始就把这三件事混在一起了。
判断方法其实很简单，只问一个问题的三个变体：
- 这个要求对所有任务都成立吗？如果是，放
CLAUDE.md - 这个要求只对某一类任务成立吗？如果是，做成
Skill - 这个要求只对这一次成立吗？如果是，写进
Prompt
举几个特别典型的例子：
“所有 throw 必须是 AppError”
这是全局规则。不管你是在写新功能、修 bug，还是做重构，都要遵守。它应该进 CLAUDE.md。
“代码审查时按固定顺序检查数据库、异步和错误处理”
这只在 code review 这种任务里才触发，它不是全局规则，而是任务模板，所以应该做成 Skill。
“这次先只分析原因，不要动代码”
这只对当前这次任务有效，应该写进 Prompt。
最容易搞混的是 CLAUDE.md 和 Skill。它们都能约束 Claude 的行为，但本质完全不同：
-
CLAUDE.md是永远生效的规则 -
Skill是遇到对应任务才触发的模板
如果要打个比方：
-
CLAUDE.md是交通规则 -
Skill是导航路线 -
Prompt是你这次上车前临时交代的一句话
这三层一旦分清楚，后面很多混乱都会自动消失。
三、什么时候一个任务值得被沉淀成 Skill
不是所有重复任务都值得沉淀。
我现在给自己的标准其实很克制，就一句话：
同一类任务做了三次以上，而且每次都要重新给 Claude 解释背景。
反过来说，如果某个任务每次背景和目的都完全不同，就不值得沉淀。比如“写文档”这个动作本身很常见，但公司文档、API 文档、用户手册的写法完全不同，它们应该是三个不同的 Skill，而不是一个叫“写文档”的通用模板。
在真正开始写之前，我会先做三个检查。
1. 输入是否稳定
“根据 Figma 设计稿生成 React 组件”这种任务，输入格式相对稳定，比较适合沉淀。
“根据 SQL 查询结果生成图表”这种任务，每次数据格式和图表类型都可能差很多，Skill 会很难写得稳。
2. 输出是否有共同模式
“写 Pull Request 描述”很适合，因为它天然就有固定框架：改了什么、为什么改、怎么测试。
但“和 AI 讨论技术方案”这种任务，每次深度、重点、结论都不同，就不太适合硬沉淀成一个模板。
3. 有没有容易漏掉的关键步骤
最值得沉淀成 Skill 的任务，通常不是“最复杂”的任务，而是那些不特别提醒就容易漏一步的任务。
Skill 最有价值的地方，不是让 Claude 变得更聪明，而是把你每次最容易忘的检查项，固化成默认动作。
所以一个任务如果同时满足下面三点：
- 输入相对稳定
- 输出有共同模式
- 总有一两步容易漏
它就很值得沉淀成 Skill。
四、一个真正好用的 Skill，内容层通常只需要四个部分
很多人一开始会把 Skill 写得很重，像在写规范文档。但实际用起来之后你会发现，真正好用的 Skill 通常很短。
它一般只需要四个部分。
1. 触发条件
什么时候用，一句话说清楚。
❌ 代码审查
✅ 当我提交 PR 前，检查我的实现是否符合项目约定
2. 执行步骤
按什么顺序做，列出来。尽量不要超过五步。
1. 读完整个改动的 diff
2. 检查是否用了禁用的库或模式
3. 检查异步操作的错误处理
4. 检查是否有 SQL 注入的风险
5. 给出修改建议
3. 输出格式
不要写“请清晰输出”。这种话几乎没有约束力。直接给模板。
❌ 用清晰的格式列出所有问题
✅ 给个模板：
Found 3 issues:
🔴 Critical: ...
🟡 Warning: ...
✅ Suggestion: ...
4. 注意事项
说清楚边界。什么情况不适用，有哪些常见陷阱。
- 不适用于新增功能的初始实现，只适用于 PR 前的最终检查
- 不关注 UI 层细节
- 改动超过 500 行，先拆成多个 Skill 请求
Skill 不是规范手册，更不是把所有经验一次性塞进去。它本质上是一个高频任务的最小可执行模板。
五、真正落到 SKILL.md 文件层，哪些字段最值得你花心思
讲完“内容怎么提炼”，还得讲“文件怎么写”。
很多人第一次写 SKILL.md 会卡在另一个地方：字段太多，不知道哪些真有用，哪些只是“看起来高级”。
一个完整的 SKILL.md，通常会长这样：
---
name: code-review
description: 提交 PR 前的代码审查
when_to_use: 当用户要求 review 代码或提交 PR 前检查时
allowed-tools:
- Read
- Grep
- Glob
- Bash(git diff *)
argument-hint: "[PR 分支名或文件路径]"
arguments:
- target
---
# Code Review
## 步骤
1. 读取 ${target} 的改动 diff
2. 检查错误处理：所有 throw 必须是 throw new AppError()
3. 检查异步操作：Promise 链是否有遗漏的 await
4. 检查数据库查询：是否有 N+1 问题
## 输出格式
🔴 Critical: ...
🟡 Warning: ...
✅ 通过: ...
这里最值得你认真写的，其实是下面几个字段。
name
名字别太抽象。要让人一眼知道它是做什么的。
description
一句话说清这个 Skill 的用途，不要写成空泛口号。
when_to_use
这是最容易被低估的字段之一。它不是装饰，它直接影响 Claude 在什么场景下会想到这个 Skill。
allowed-tools
它决定这个 Skill 具备哪些能力。这个字段后面我会在源码部分展开讲，因为它比很多人想象的更“硬”。
arguments
让 Skill 接受参数，比如目标文件、目录、分支名。${target} 会在正文里被替换成你传进去的实际值。
还有几个很好用，但不是每次都要上的字段。
argument-hint
告诉调用者这个 Skill 期待什么参数。
model: haiku
简单任务可以指定更轻量的模型，直接省成本。像格式化、重命名、简单改写这类工作，很多时候没必要上更重的模型。
paths
让 Skill 只在某些路径下激活。适合模块边界明确的项目。
context: fork
高风险操作放进独立上下文，避免污染主会话。
大多数 Skill 根本不需要把字段填满。真正实用的思路不是“功能全”，而是“正好够用”。
如果一个 Skill 只是做常规代码审查，前四五个字段通常就够了。只有当你真的遇到参数化、模块隔离、上下文隔离这些需求时，再往上加。
六、如果只停在经验层，这篇其实还差半口气：我后来去翻了源码
前面这些判断，靠经验其实也能总结出来。
但我后来还是不太满足。因为有几个问题如果不看实现，心里总会悬着：
-
when_to_use到底是不是自动触发的关键？ -
allowed-tools到底只是提示，还是硬限制？ -
paths到底是真过滤，还是只是写给人看的说明？
我后来去翻了一遍源码，结论是：这些字段比我一开始以为的更“硬”。
1. Claude 只在启动时读 frontmatter，Skill 正文是懒加载的
loadSkillsDir.ts 里有一个函数 estimateSkillFrontmatterTokens，注释写得非常直接：
/**
* Estimates token count for a skill based on frontmatter only
* (name, description, whenToUse) since full content is only loaded on invocation.
*/
export function estimateSkillFrontmatterTokens(skill: Command): number {
const frontmatterText = [skill.name, skill.description, skill.whenToUse]
.filter(Boolean)
.join(' ')
return roughTokenCountEstimation(frontmatterText)
}
这段代码背后的意思非常重要。
Claude Code 启动时，主要只把每个 Skill 的 name、description、when_to_use 这些 frontmatter 信息算进上下文。Skill 正文不是一开始就全量塞进去，而是在你真正触发它的时候才加载。
这直接解释了两件事。
第一，when_to_use 写得越具体，自动命中的效果就越稳定。Claude 不是先把你整篇 Skill 读完再判断要不要触发，它先看的就是前面这几行。
第二，你有十个 Skill 还是三个 Skill，对启动时上下文的占用差距没你想的那么大。真正的成本在触发时才发生。
所以 when_to_use 不能写成“代码相关任务时使用”这种空话。它要写成“当用户要求 review TypeScript 后端代码或提交 PR 前做最终检查时”这种具体到能命中的描述。
这也是为什么我现在越来越重视 frontmatter。以前我会把心思都放在正文步骤上，后来才发现，前面几行写虚了，后面写得再好都不一定有机会被用上。
2. allowed-tools 是系统层权限，不是给 Claude 的礼貌性建议
这一点是我看源码之后感受最强的一处。
Skill 执行时，getPromptForCommand 会在返回内容之前把 allowedTools 写进工具权限上下文：
getAppState() {
const appState = toolUseContext.getAppState()
return {
...appState,
toolPermissionContext: {
...appState.toolPermissionContext,
alwaysAllowRules: {
...appState.toolPermissionContext.alwaysAllowRules,
command: allowedTools,
},
},
}
}
这说明 allowed-tools 不是“提醒 Claude 尽量这样做”，而是权限层的强制限制。
比如一个 code review Skill 只开放 Read、Grep、Glob 和 Bash(git diff *)，那它就不是“理论上不该写文件”，而是从架构上根本没有写文件的能力。Bash(git diff *) 这种写法也不是装饰，它真的只允许 git diff 开头的命令，其他 Bash 调用会被挡住。
这让我对 allowed-tools 的理解完全变了。它不是“不信任模型”，而是最小权限设计。就像你给数据库只读账号只开 SELECT 权限，不是因为你怀疑这账号会作恶，而是因为这个任务本来就不该拥有写权限。
3. paths 不是文档字段，它会把 Skill 放进条件激活区
这一点也比表面上看起来更硬。
源码里，带 paths 的 Skill 在加载时会被单独分流到一个 conditionalSkills Map：
// Separate conditional skills (with paths frontmatter) from unconditional ones
for (const skill of deduplicatedSkills) {
if (skill.type === 'prompt' && skill.paths && skill.paths.length > 0
&& !activatedConditionalSkillNames.has(skill.name)) {
newConditionalSkills.push(skill)
} else {
unconditionalSkills.push(skill)
}
}
// Store conditional skills for later activation when matching files are touched
for (const skill of newConditionalSkills) {
conditionalSkills.set(skill.name, skill)
}
// 最后只返回无条件的 Skill
return unconditionalSkills
这段逻辑的含义是：带 paths 的 Skill，根本不会像普通 Skill 一样直接进入启动时上下文。它会先待在一个“条件激活区”里，只有当你在会话里碰到了匹配路径的文件，它才会被真正激活。
这点对复杂项目非常有价值。
比如你给支付模块写一个 paths: src/payment/** 的 Skill，在你处理用户系统、文章系统、管理后台时，这个 Skill 对 Claude 几乎是隐身的。只有当你真的进入 src/payment/ 相关文件，它才“出现”。
这也是我现在很认同的一种团队实践：不要在根目录堆一个什么都想管的大 Skill 集合，而是让复杂模块在自己的目录附近维护自己的 Skill。
4. Skill 发现是沿目录向上找的，而且离文件越近优先级越高
还有一个很容易被忽略，但工程上非常实用的机制：Claude Code 会从当前文件所在目录一路向上寻找 .claude/skills。
源码大概是这样：
// Walk up to cwd but NOT including cwd itself
while (currentDir.startsWith(resolvedCwd + pathSep)) {
const skillDir = join(currentDir, '.claude', 'skills')
// ...check if exists, then load
currentDir = dirname(currentDir)
}
// Sort by path depth (deepest first) so skills closer to the file take precedence
return newDirs.sort((a, b) => b.split(pathSep).length - a.split(pathSep).length)
这里最关键的是最后一行：deepest first。也就是说，越靠近当前文件的 Skill，优先级越高。
这意味着你放在 src/auth/.claude/skills/ 里的 Skill，可以自然覆盖根目录下更通用的同名 Skill。对 monorepo 或大仓库来说，这个机制非常好用：
-
packages/api/.claude/skills/可以放 API 专属 Skill -
packages/web/.claude/skills/可以放前端专属 Skill - 根目录只保留真正的全局规则
如果把上面四点放在一起看，设计 Skill 的顺序其实会变得很清楚：
- 先把 frontmatter 写准，再去打磨正文步骤
- 先按最小权限收紧
allowed-tools，再考虑要不要给更多能力 - 只有模块边界明确时再上
paths，不要为了“高级”硬加 - 多目录项目优先做“离代码更近”的局部 Skill，而不是维护一个大而全的总模板
七、完整案例：把一个通用 code review 模板，提炼成你项目真正需要的 Skill
上面说了这么多抽象原则，不如走一遍完整例子。
假设你们团队每周都做后端代码审查，而且总在重复盯这几件事：
- 有人改一个功能，顺手动了三个不相关模块
- 新同学不知道项目里统一用
AppError，直接throw new Error() - Promise 链里漏了
await - 数据库查询没有索引，或者潜在 N+1 没被看出来
这就是非常典型的“该沉淀 Skill 的信号”。
第一步：先确认痛点到底是什么
这一步别着急写模板，先把“你们到底在反复出什么问题”说清楚。
很多团队的问题不是“没有 code review”，而是每次 review 的注意力都被分散了。真正高频出错的点，永远是那几类项目特有的约束。
所以要沉淀的不是“代码审查”这四个字，而是你们团队在代码审查里最容易漏掉的那几类检查。
第二步：从公开模板里提取真正有用的部分
这时候公开模板就有用了，但它的用途不是直接上生产，而是当素材库。
假设你找到一个 50 行的通用 code review 模板。你真正该提取的，可能只有下面这几类东西：
- 逻辑正确性，尤其是异步操作
- 项目约定的遵守，比如
AppError、错误处理模式 - 数据库相关的风险，比如 N+1、索引、查询范围
- 改动范围是否聚焦，不要顺手改不相干文件
剩下那些跟你们项目关系不大的部分，就应该果断删掉。
第三步：把它压缩成一个真正能用的 Skill
最后落地出来的 Skill，应该更像这样：
# Code Review Skill
## When to use
在提交 PR 前，请 Claude 做最后的 code review。只用于 TypeScript 后端代码。
## Steps
1. 读 diff，确认改动是否只涉及这个 PR 的范围（不要顺手改无关文件）
2. 检查错误处理：所有 throw 都必须是 throw new AppError()，不能 throw new Error()
3. 检查异步操作：Promise 链是否有遗漏的 await，错误是否被正确 catch
4. 检查数据库查询：是否有 SELECT * 的懒惰写法，是否明显的 N+1 查询，关键查询是否 explain 过
## Output Format
Issues found (Critical → Warning → Info):
🔴 **Line 45**: Missing `.select()` in Prisma query - this will fetch unnecessary columns
🟡 **Line 67**: Potential N+1: loop inside `posts.map()` should use `Promise.all()`
✅ **No AppError violations** — all errors properly handled
Summary: 1 critical issue to fix before merge.
## Caveats
- 不审查 UI 层代码（只关心后端逻辑）
- 不关注代码风格（那是 prettier 的事）
- 如果一个改动涉及多个不相关功能，分别提交 PR 再 review
你会发现，到这一步之后，Skill 就不再是“通用模板的中文版”了，而是你们项目真正有用的一个局部工作流。
50 行公开模板，最后可能只剩下 4 个真正属于你项目的核心关注点。但恰恰是这 4 个点，才决定它到底值不值得用。
第四步：在真实使用里继续迭代
Skill 从来不是一次写完的。
比如你用了两周之后，又发现一个常见问题：改了数据库 schema，但忘记更新 Prisma 类型。那就把它加进去：
4.5. 检查 Prisma 类型：如果改了数据库，Prisma schema 和生成的 types 是否都已更新
这时候你会发现，Skill 真正的价值不是“第一次写出来”，而是在真实工作里被持续打磨。
八、Skill 的维护节奏，比第一次写出来更重要
Skill 不是写好就扔。
如果你写完之后三个月不看，它很快就会从“项目经验”重新退化成“历史遗留文档”。
我更推荐一个很轻的维护节奏：
第一个月
高频使用，快速迭代。每次用完就问自己三个问题：步骤是不是太复杂？输出是不是太啰嗦？有没有漏掉今天刚踩到的新坑？
之后每个月
回顾一次。看看最近有没有经常被遗漏的步骤，有没有新的痛点需要加入。
每个季度
系统清理一次。把已经不再是问题的注意事项删掉，把那些已经变成全局共识的规则移进 CLAUDE.md。
Skill 应该越用越精炼，而不是越写越臃肿。
九、一个特别反直觉，但很重要的经验：第一个 Skill，故意别写最重要的任务
这条我非常想单独拿出来讲。
因为很多人第一次沉淀 Skill，会本能地想挑一个最关键的任务，比如“生产环境发布前检查”“数据库迁移前审查”“支付流程改动 review”。
但工程上更稳的做法，其实正好相反。
大多数人写的第一个 Skill，质量都不会太高。触发条件偏模糊，步骤偏啰嗦，输出格式也不够稳定。这很正常，因为你第一次做这件事时，对“什么是好的 Skill”还没有直觉。
如果你一开始就把它用在最关键的任务上，一旦写得不够好，伤害会非常直接：要么关键场合出问题，要么你从此对这套机制失去信心。
更好的策略是：先拿一个重要程度中等、容错率比较高的任务练手。
比如：
- 写周报
- 生成 PR 描述
- 做一次常规 code review
先跑两周，迭代两三次，等你对 Skill 的节奏有感觉了，再去沉淀真正关键的流程。
第一个 Skill 的目的，不是直接解决最大的问题，而是让你学会怎么写 Skill。
十、如果你今天就想开始，可以直接做这三个动作
别先想着搭一整套系统，直接从最小动作开始：
任务一：列任务
列出你最近一个月里重复做过三次以上的任务。
任务二：做分类
用“三问判断法”确认它该放进 CLAUDE.md、Skill 还是 Prompt。
任务三：先写一个 5 到 10 行版本
先写触发条件、执行步骤、输出格式、注意事项。不要追求完美，先拿去用一次，再立刻改第一轮。
真正好的 Skill，几乎都不是第一次就写对的，而是在实际使用里慢慢长出来的。
下篇预告
第 06 篇：Sub-agents 实战——什么时候应该拆任务，怎么设计子任务边界
单个 Claude 实例有上下文上限，复杂任务拆成多个子任务让 Sub-agents 并行处理，理论上能大幅提速。但什么时候值得拆？拆错了会有什么代价？下一篇会拆开 Sub-agents 的真实适用场景，以及最常见的过度设计陷阱。
写在最后
公开 Skill 模板当然有用，但它的价值更像脚手架，而不是成品。
真正管用的 Skill，不是 star 最多的那个，也不是字段最全的那个，而是最贴近你项目真实工作流的那个。
你不需要一个很复杂的 Skill 系统。
你需要的，往往只是把团队最容易反复犯错的那几件事，提前写下来，让 Claude 每次都替你盯住。
这才是 Skill 真正应该发挥的作用。
如果你已经开始写 Skill 了，我反而建议你先检查一个问题：
你现在最卡住的，到底是“写不出规则”，还是“根本没分清哪些该放 CLAUDE.md、哪些该做成 Skill”？
这两个问题看起来很像，但解法完全不同。
AI Coding 系列持续更新。用别人的 Skill 模板是起点，不是终点。真正管用的 Skill，只有你自己的项目才能提炼出来。
