Claude Code 团队内部把 Skill 沉淀成”操作手册+踩坑记录”,分 9 大类(库/API 参考 / 产品验证 / 数据获取 / 流程自动化 / 脚手架 / 代码质量 / CI-CD / 运维手册 / 基础设施),并提炼 11 条写 Skill 的心法——核心是”验证类技能最被低估 + 渐进式信息披露 + 给 AI 灵活度 + 踩坑记录含金量最高 + 自下而上分享管理”。
Skill = 预先写好的指令,告诉 AI 在具体场景下怎么做——可类比为”操作手册”,AI 拿到后遇到对应问题就知道怎么处理。9 大类技能涵盖库/API 参考、产品验证、数据获取、流程自动化、代码脚手架、代码质量审查、CI/CD 部署、运维手册、基础设施。
验证类技能的价值被严重低估——所有 Skill 中,验证类对 AI 输出质量提升最明显,值得花一整周专门打磨。与其花大量时间教 AI 写代码,不如花时间教它检查自己写的代码(录测试视频 + 程序化断言 + 状态校验)。核心反直觉:”验证”比”做”更能提升质量,日常工作中”做完不复盘”是常见浪费。
别说废话,只说 AI 不知道的——第一条写 Skill 建议。Claude 本来就会写代码,如果你写的 Skill 只是在重复它已经会做的事情,就是浪费上下文。真正有用的是把 AI 从惯性思维里拉出来的信息(如纠正 AI 的”审美默认值”——避免总是用 Inter 字体+紫色渐变)。
踩坑记录(Gotchas)是含金量最高的部分——Skill 中最有价值的部分来自 AI 在实际使用中反复犯的错误,且要持续补充。例子:”subscriptions 这张表是只追加的,你要找的是版本号最高的那一行,不是创建时间最新的那一行”;再如”这个字段在 API 网关里叫 request_id,在计费服务里叫 trace_id,其实是同一个值”。
渐进式信息披露 + 给 AI 灵活度——不要把所有信息堆在一个文件里,主文件只告诉 AI 有哪些子文件可参考,AI 需要时自己读,避免信息过载。同时不要把指令写得太死板太具体,Claude 严格遵守指令的特性让它在不该死板的时候也死板——这是”过度控制会扼杀创造力和应变能力”。
| 项 | 数字/范围 | 用途 |
|---|---|---|
| 技能九大类 | 9 类 | 库/API / 验证 / 数据 / 流程自动化 / 脚手架 / 质量 / CI-CD / 运维 / 基建 |
| 验证类技能投入 | 1 整周(1 名工程师) | 验证类价值最高 |
| 验证手段 | 录视频 / 程序化断言 / 状态校验 | 三种验证方法 |
| 触发表达 | “触发条件式”描述 | 写给机器看 |
| 信息分层 | 主文件 + N 个子文件 | 渐进式披露 |
| 记忆机制 | 日志文件追加 | 跨次执行对比 |
| 分享管理 | 小团队:仓库直接放 / 大团队:内部技能市场 | 自下而上 |
| 审批方式 | 不设委员会审批,试用区验证后上架 | 用数据说话 |
| 上架依据 | 钩子统计使用频率 | 数据驱动管理 |
| 起步方式 | 几行简单指令 + 一条踩坑记录 | MVP 起步 |