Skills
Skills（技能模块）是人工智能或自动化系统中的可复用能力单元，用于封装特定任务的执行逻辑，使系统无需重复训练或配置即可调用已定义的功能。其核心特征包括：模块化设计、可复用性以及与主系统的解耦性。Skills广泛应用于AI助手、机器人流程自动化及大语言模型平台中，支持能力的标准化管理与组合调用。
核心事实
时间轴 (近 90 天)
Connectors允许Claude连接外部数据源或服务（如Google Drive、Notion），Skills是预配置的专项能力包
该 Skills 中包含辅助工具 ask-matt，当用户不知道该用哪个 Skill 时可告诉其应调用哪个
该方法论强调每实现一个任务就新建一个上下文窗口，以避免上文污染并节省 token 和时间
该 Skills 通过 npx 命令即可完成安装，前提是已安装 Node 环境，安装时可选择项目级或全局位置
Matt Pocock 的这套 Skills 本质是把用 AI 开发软件的最佳实践写成 Agent 可执行的工作流，即一组预先准备好的提示词文件
作者提供的是模板而非成品项目，成熟度、代码质量和文档完善程度需要使用者自行评估，直接用于生产环境前建议充分测试
第二阶段测试点提取会自动跳过文档说明和概述性内容，聚焦真正需要测试的功能章节
记忆应分层：短期记忆存任务状态，长期记忆沉淀用户偏好，MCP解决工具怎么接入，Skills解决任务按什么流程干
Skills 的设计哲学与 Anthropic、OpenAI 等主流厂商推动的工具生态高度一致
多个 Skills 组合起来可以构成 AI Agent 的完整能力图谱，每个 Skill 是独立、可测试、可复用的能力单元
还有 33 条时间轴事件
全部知识事实 (20)
Claude Code的Skills体系本质上是对其工具调用机制（Tool Use）的封装与定制化
90%已验证Claude Code的Skills核心载体是CLAUDE.md文件，放置在项目根目录或特定目录下
80%已验证Codex桌面版支持自定义Skills创建功能，用户可以让Codex为其定制专属的技能模块
80%已验证Claude Code的Skill机制通过在项目的.claude/目录下放置Markdown配置文件来定义Claude的行为模式和输出风格
80%已验证Skill与普通提示词的区别在于Skill是可复用、可积累的结构化能力单元
80%已验证Skills本质上是结构化的系统提示词（System Prompt）集合，通过标准化接口注入到AI代理的上下文中
80%已验证Skills不是MCP的竞争者而是MCP的上层：MCP负责连接工具标准化外部服务接口，Skills负责打包封装完整的任务执行能力
80%已验证该自动化测试用例生成方案将流程分为三个阶段：需求文档拆分与审查、测试点提取、测试用例生成与导出。
75%已验证业界通行的测试用例包含用例编号、所属模块、标题、前置条件、测试步骤、预期结果、优先级(P0/P1/P2)和测试类型等字段
70%已验证Skills文件可以纳入Git版本控制系统，实现提示词迭代的diff记录、提交信息和分支历史管理
70%已验证Skills的渐进式加载机制首先只加载元数据，根据当前任务判断结果决定是否加载完整文件
70%已验证Claude Code通过Skill机制将开发经验沉淀为可复用技能
65%已验证每个提取的测试点采用统一JSON格式，包含所属模块章节、测试点标题、测试状态与操作步骤、预期结果、优先级和测试设计方法
65%已验证Claude的技能功能允许用户将满意的操作标准化为可重复执行的流程，并可安装他人分享的技能
65%已验证Claude Code的智能体架构由四大核心模块组成：Agent Loop、Tool System、Skills和Memory
65%已验证Anthropic在2024年10月发布了关于Skills的技术博客，提出了一种全新的AI任务组织范式
65%已验证Skills采用渐进式披露设计，平时只向模型提供技能的名称和描述，具体执行规则在需要时才加载
65%已验证Skills通过渐进式披露机制实现按需加载专业知识，只在任务真正需要某类专业知识时才将其加载到上下文中
65%待验证Skills仓库包含GrillMe、GrillWithDocs、TDD、Improve Code-Based Architecture、Diagnose、To PRD等AI Agent技能
95%待验证Matt Pocock的Skills仓库副标题是「Skills for Real Engineers」，强调工程实践而非Vibe Coding
95%