#Claude Skills

1周前

跟 Claude 学习怎么写 Prompt 来提升 UI 设计质量在 Claude 博客「Improving frontend design through Skills」中，详细讲述了如何利用 Claude Skills，突破 AI 生成前端代码时普遍存在的“平庸化”问题，构建出更具个性和专业感的用户界面，其中「Prompting for better frontend output」这个段落，值得重新看几遍，和 Claude 学习如何写出更能提升设计智能的提示词。 1. 底层逻辑：对抗“统计学上的平庸” · 现状：LLM 是基于概率预测下一个 Token 的。在海量的训练数据中，设计得平平无奇的网页数量远多于获得 Awwwards 大奖的网页。因此，当你要求智能体“写一个网页”时，它在概率上会自然滑向那个“最拥挤、最平庸的平均值”。 · Prompt 的战略意义：Prompt 的本质不仅仅是下指令，而是“通过约束条件，强制将智能体的预测分布推向边缘”。 · 你不能只说“要好看”，因为智能体对“好看”的定义是基于大众平均水平的。 · 你必须提供“离群值特征”，比如指定极简主义（Minimalism）、野兽派（Brutalism）或特定的艺术风格，迫使智能体放弃那些高概率但无聊的默认选择。 2. 视觉工程化：将“好品味”翻译成具体指令详细拆解了如何将模糊的“设计感”转化为智能体可执行的代码逻辑。高水准的 Prompt 需要覆盖以下具体的工程维度： A. 排版系统 (Typography)：从“能看”到“有性格” · 默认陷阱：智能体习惯使用单一字体族（如全站 Sans-serif），这很安全，但缺乏层次。 · 进阶 Prompt 策略： · 强制字体配对：明确要求“Header 使用衬线体（Serif）以传递权威感/优雅感，Body 使用无衬线体（Sans）以保证易读性，Code/Data 使用等宽字体（Mono）以体现科技感”。 · 微调参数：不仅选字体，还要控制字间距（Tracking）和行高（Leading）。例如，要求智能体“在标题上使用紧凑的字间距（tracking-tight），在正文使用宽松的行高（leading-relaxed）”，这种细节是区分业余与专业的关键。 B. 空间与布局 (Layout & Spacing)：用留白构建奢华感 · 默认陷阱：AI 生成的界面往往“太挤了”。它试图在有限空间内塞入所有信息，导致界面像 90 年代的门户网站。 · 进阶 Prompt 策略： · 留白即功能：指示智能体“将留白（Whitespace）视为一种设计元素，而不仅是间隔”。要求使用夸张的 Padding（如 Tailwind 的 p-12 或 py-24）。 · 网格的破坏与重建：鼓励智能体使用不对称布局（Asymmetrical Layouts）或错位网格（Bento Grids），打破死板的 12 栅格系统，创造视觉动线。 C. 色彩与深度 (Color & Depth)：拒绝纯色块 · 默认陷阱：直接使用高饱和度的纯色（如 # 0000FF）或者完全扁平化的设计。 · 进阶 Prompt 策略： · 物理质感：不要只定义颜色，要定义“光”。要求智能体使用微妙的渐变（Subtle Gradients）、**内阴影（Inner Shadows）和背景模糊（Backdrop Blur）**来模拟毛玻璃、金属或纸张的质感。 · 语义化色彩：定义一套基于 HSL 或 OKLCH 的色板，并明确用途（Primary, Muted, Accent, Destructive），确保配色和谐且符合无障碍标准。 3. 感性维度的参数化：Vibes 的精准描述文章中最具启发性的部分——如何让不懂审美的代码生成器理解“Vibe”。 · 问题：如果你告诉智能体“做一个复古网站”，它可能会做出一堆乱七八糟的像素画。 · 解决方案：你需要将形容词“翻译”为 CSS 属性的集合。文章提倡在 Skill 中建立一种“风格词典”： · 想要“赛博朋克”？ Prompt 应包含：霓虹绿/粉配色 + 黑色背景 + 故障艺术（Glitch）动效 + 等宽字体。 · 想要“高端SaaS”？ Prompt 应包含：深蓝/灰配色 + Inter字体 + 极细的边框（1px borders） + 微交互（Micro-interactions）。 · 智能体的角色转变：通过这种方式，智能体不再是一个单纯的“程序员”，而是一个配备了特定风格指南（Style Guide）的“UI 设计师”。 4. 为什么这不仅是“提示词”，而是“Skill”？文章强调将这些 Prompt 封装为 Skill，这意味着： · 复用性：你不需要每次都写几百字的排版要求。 · 上下文隔离：这个 Skill 就像是一个独立的插件。当需要写前端时，智能体调用这个 Skill，它的“大脑”中就临时加载了由 Anthropic 专家精炼过的 400 个 Token 的设计知识库。 · 工具链整合：这个 Skill 还可以强制绑定特定的技术栈（如 React + Tailwind + Lucide Icons + Shadcn UI）。这意味着智能体在设计时，已经知道它有这些高质量的组件库可以调用，从而避免了“重复造轮子”带来的粗糙感。总结深入来看，这揭示了 AI 辅助开发的未来方向：我们不再直接为最终结果编码，而是在为“产生结果的过程”编码。通过精心设计的 Prompt 和 Skills，我们将人类的高级审美偏好“注入”到智能体的生成过程中，从而打破概率的诅咒，让 AI 产出既有工业级代码质量，又具备人类设计师灵魂的界面。博客地址

Claude Skills系统发布引发AI行业新变革· 66 条信息

#AI UI设计 #Prompt工程 #Claude Skills #设计风格迁移 #前端代码生成

2周前

如果有人敢在抖音讲 claude skills，大体分为三种情况 1. 为了让小白听懂，大量使用修辞手法，以至于信息压缩极其严重，根本无法把整个事情完全讲清楚 2. 讲的很专业，但是播放量极差 3. 既有深度，又有流量，这是真高手

#抖音 #Claude Skills #信息压缩 #专业性 #流量

2周前

Claude Skills 全解析：模块化构建高效智能体的「技能」，跟提示词、项目、MCP、子智能体有什么区别？ Claude Skills「技能」作为模块化工具，能显著提升 AI 在复杂工作流中的效率与一致性。Anthropic 最新博客客观比较了技能与提示、项目、MCP 和子智能体，帮助用户精准选择工具来构建智能体。核心观点是：技能不是一次性指令，而是动态加载的“专业手册”，特别适合重复性任务和领域专长。技能是什么？技能是一个包含指令、脚本和资源的“文件夹”，Claude 会根据任务相关性自动发现并加载。它像一本专属培训手册： · 品牌指南技能可自动应用公司颜色、字体和排版规则； · 数据分析技能则内置 Excel 公式、PDF 处理技巧等。技能适用于三类场景： 1. 组织工作流：如合规检查、文档模板，确保团队输出标准化。 2. 领域专长：如研究方法、代码模式，提供专业知识。 3. 个人偏好：如笔记系统、搜索习惯，定制 AI 行为。技能如何工作？技能采用“渐进式披露”机制，高效利用上下文窗口： 1. 元数据预加载（~100 token）：快速判断是否匹配任务。 2. 完整指令加载（若相关，<5000 token）：提供核心指导。 3. 资源按需加载：脚本或文件仅在必要时引入。这种设计让 Claude 能同时处理多个技能而不超载，并自动应用最相关项。比如，在研究任务中，Claude 可加载“竞争分析”技能，指导它从 Google Drive 检索最新文档、过滤文件并引用来源。技能因此更像“主动顾问”，而非被动工具。实际示例与益处（两个案例） · 品牌指南技能：内置调色板、字体、布局规范，用于生成演示文稿或报告，确保风格统一。 · 竞争分析技能：定义文件夹结构、命名规则和搜索最佳实践，帮助 Claude 高效导航云存储，进行跨文档对比。主要效果包括： · 一致性：重复任务无需重述规则，减少错误。 · 效率：动态加载节省资源，支持大规模部署。 · 可扩展：GitHub 上有开源技能库（），支持自定义与共享。 · 整体提升：结合其他工具，可构建强大工作流，如研究智能体用技能分析数据、子智能体执行编码任务。与其他组件的区别特别澄清技能的定位，避免工具混用： · 提示：临时、对话式指令，适合一次性查询；技能更持久、主动，建议将重复提示转化为技能。 · 项目：静态知识库（如上传文档），提供“知道什么”（事实）；技能教“如何做”（过程）。 · MCP：连接外部数据（如 Google Drive）；技能则指导如何使用 MCP 处理数据（如按日期过滤）。 · 子智能体：独立智能体，带自定义工具，适合复杂任务分解；技能是共享专长，可被任何智能体调用。例如，一个完整研究智能体可能：项目存战略文件、MCP 拉取实时数据、技能定义分析框架、子智能体处理编码、提示做最终调整。这种模块化设计是技术亮点，适用于开发、生产力和企业级应用。博客地址

Claude Skills系统发布引发AI行业新变革· 66 条信息

#Claude Skills #模块化智能体 #AI效率提升 #技能与提示对比 #智能体工作流

2周前

Skills explained: How Skills compares to prompts, Projects, MCP, and subagents Claude Skills 不就是把提示词存个文件夹吗？看了两篇关于 Skill 的好文章，做下阅读笔记。很多人初次看到 Claude 的 Skills 功能，第一反应是：这不就是把提示词存成文件吗？这个判断其实低估了它的意义。 Anthropic 专门写了篇长文解释 Skills 与 Prompts、Projects、MCP、Subagents 的区别。这篇文章值得关注，因为它不只是介绍功能，而是在说明 AI 应用开发的底层逻辑转变。从第一性原理看，Skills 的存在有其必然性。大语言模型需要上下文才能工作，但上下文窗口有限是物理约束，重复输入相同信息显然低效。面对这个矛盾，合理的解决方案就是建立按需加载的知识模块系统。官方给出了清晰的定位：Prompts 是即时指令，Skills 是可复用流程，Projects 提供知识库，Subagents 是专职助手，MCP 负责连接外部系统。这五个组件各有分工，配合使用才能发挥完整价值。举个实际例子。你可以创建一个代码审查的 Subagent，只给它 Read、Grep、Glob 这些只读权限，不给 Write 和 Edit 权限。当你修改代码时，Claude 会自动委派这个 Subagent 做安全检查，既保证了审查流程，又避免了误改代码的风险。再配合 Skills 里定义的安全审查标准，整个流程就能自动运行。这里有三个关键点值得注意。第一，Skills 不是功能增强，而是范式转变。过去用 AI 是即兴发挥，现在可以系统沉淀工作方法。第二，五个组件需要配合使用。单独用 Skills 只有 30% 效果，配合 Projects 的背景知识、MCP 的数据连接、Subagents 的任务分工，才能构建出生产级的工作流。第三，未来的护城河不在于调用哪个模型，而在于你积累了多少精心设计的 Skills。这跟 npm 生态类似，先发优势会越来越明显。对做 AI 产品的人来说，现在可能是时候从写花式提示词，转向设计可复用工作流了。

Claude Skills系统发布引发AI行业新变革· 66 条信息

#Claude Skills #AI应用开发 #工作流 #subagents #范式转变

3周前

Claude Skills 的潜力被大大低估了。其实只靠一个 claude skill，就能取得非常好的 AI Partner 对话效果（可以看图对比） ——甚至说一个 Skill 就可以是一个 AI 产品受益于 Claude Code 的 Agent 框架基础，以及 Kimi K2 thinking 的多轮工具调用能力，Agent 的记忆上限被大幅提升我做了一个 AI Partner Skill 能够自主多步检索相关记忆 → 重建记忆逻辑 → 自主更新人格与用户画像，指导推理风格最终给到极度拟人效果与深刻洞察～这个「AI Partner Chat」Skill 也已经在 Github 上开源了，教程见公众号

Claude Skills系统发布引发AI行业新变革· 66 条信息

#Claude Skills #AI Partner #Agent框架 #kimi k2 #开源

饼干哥哥AGI（2.0）

3周前

n8n已死！我用Kimi跑通了Claude Skills，直接替代工作流🧵 昨天的图，是我用Kimi在Claude Code一句话生成的： ``` 搜索kimi 今天发布的 kimi-k2-thinking的信息，以及网友对它的测评效果，然后调用`infopic-skill`做一个信息图 ``` 效率比工作流高10 倍怎么用 Kimi 新建、安装、使用Claude Skills⬇️

Claude Skills系统发布引发AI行业新变革· 66 条信息

#Kimi #Claude Skills #工作流替代 #效率提升 #信息图

1个月前

不走寻常路：Claude Skills 的官方用法是“可组合的能力包”，但是我把 Skills 当作软编排（Soft Orchestration）来用。核心：把流程 SOP、分工边界、工具白名单写进 Skill，由主会话/Task 工具按 SOP 显式拉起并串/并行调度 sub-agents，文件传递上下文。完整工程化方法论 + 可运行 Demo 正在路上。

Claude Skills系统发布引发AI行业新变革· 66 条信息

#Claude Skills #软编排 #流程 SOP #分工边界 #工具白名单

1个月前

[开源推荐] Anthropic 开源了最新发布的 Claude Skills，有 14 个示例直接复制来用，创意设计、开发构建、文档处理和企业沟通都有。先复习一下 Skills 的概念 Skills (技能) 包含指令、脚本和资源的文件夹，Claude 可以动态加载这些内容，以提高在专业任务上的表现。简单来说，Skills 就是教会 Claude 以可重复的方式完成特定任务的"教程包"。开源项目目的 · 示例展示 - 展示技能系统的各种可能性 · 学习参考 - 为开发者提供创建自定义技能的灵感和模式 · 技术规范 - 提供标准的技能格式定义 Skills 分类项目包含 14 个示例技能，分为以下几类：创意设计类 · algorithmic-art：使用 p5.js 创建生成艺术 · canvas-design：设计视觉艺术（PNG/PDF 格式） · slack-gif-creator：创建适合 Slack 的动画 GIF 开发构建类 · artifacts-builder：构建复杂的 HTML artifacts · mcp-server：创建 MCP 服务器集成外部 API · webapp-testing：使用 Playwright 测试 Web 应用企业沟通类 · brand-guidelines：应用品牌规范 · internal-comms：撰写内部沟通文档 · theme-factory：为 artifacts 应用专业主题文档处理类 · docx、pdf、pptx、xlsx：处理各类办公文档技术架构技能的结构非常简洁： · 每个技能就是一个文件夹 · 必须包含一个 SKILL. md 文件 · 文件包含 YAML 前置数据（元数据）和 Markdown 内容（具体指令）工作原理 · 用户通过自然语言提及技能名称 · Claude 在技能注册表中查找匹配 · 加载对应的 SKILL. md 文件 · 按照文件中的指令执行任务开源地址：

Claude Skills系统发布引发AI行业新变革· 66 条信息

#Anthropic #Claude Skills #开源 #技能系统 #教程包

1个月前

Claude Skills可能走对路了前天Anthropic发布了Claude Skills，这是一种让AI获取新能力的全新机制。很不错的设计，包含了软件两个最主要的组成部分：程序和资源，还没有什么别的复杂性。架构看起来很合理，虽然要实际用用才能感觉出来是不是真的好用，但初步从架构设计看，感觉Claude Skills在方向上可能走对路了，整个AI行业可能走对路了。简洁的力量：程序+资源就够了 Skills的核心概念非常简单：一个Skill就是一个文件夹，包含指令、脚本与资源。具体来说，每个Skill包含三样东西：指令(Instructions)告诉Claude该做什么、脚本(Scripts)执行具体任务、资源(Resources)提供模板和辅助内容。因为自然语言也是代码，指令和脚本其实是分不清的，都属于程序。这种设计的合理之处在于它抓住了软件的本质。软件不就是程序和资源吗？程序负责逻辑，资源负责数据和素材。Skills把这两者有机结合，又没有引入什么别的复杂性。更重要的是Skills的按需加载机制。Claude只会在Skill与当前任务相关时才会调用，并且采用渐进式披露：先加载元数据(约100词)，再加载主体(也比较小)，最后才是具体的资源文件。这种设计既高效又节省token，体现了对成本和性能的深度考量。 AI能力扩展的演进：从Plugin到Skills 要理解Skills的价值，需要回顾OpenAI和Anthropic在AI能力扩展上的探索历程。 OpenAI的Plugin是第一次尝试，但看起来是不成功的尝试。Plugin主要依赖API调用，虽然概念不错，但实际体验并不理想，很快就被弱化了。后来推出的GPTs允许用户定制AI的知识和行为，但本质上仍然是基于提示词工程的定制，缺乏真正的能力扩展。最新的Apps则希望把第三方的界面直接嵌进来，感觉步子迈得有点大。让AI直接操作第三方应用的界面，这种computer use式的方案虽然听起来很酷，但实际可控性和可靠性都面临巨大挑战，而且第三方应用也不愿意被嵌入的这么深。百度很多年前想做框计算，目的是类似的，并没有成功。 Anthropic自己推出的MCP(Model Context Protocol)走的是另一条路，主要通过API调用已有服务的能力，和Skills的定位不同。MCP更多是为了连接外部系统和服务，而Skills则是为Claude赋予新的原生能力。相比之下，Skills找到了一个更优雅的平衡点。它用Markdown这种人人都能理解的格式来描述能力，可以包含详细的使用说明和示例。开发者创建一个Skill，就像是"给Claude写一份入职手册"。而且Skills可以打包分享，形成开放的生态系统，这大大降低了开发门槛。 Anthropic一口气开源了20多个Skills，涵盖创意设计、开发技术、企业应用等各个领域。这种开放的姿态，很可能会推动一个繁荣的Skills生态的形成。资源的例子很好理解：Canvas-fonts包含很多字体文件，这样Claude在生成设计时就能直接调用。仍需改进的地方当然，任何新技术都不可能完美。Skills目前也存在一些明显的不足。首先是技术门槛问题。虽然Skills用Markdown编写降低了理解难度，但官方的一些Skills仍然依赖于apt-get这样不够亲民的指令，至少对大多数Windows的用户这一步就直接挂了。普通用户希望的是一个软件包一装就灵，而不是还要装一大堆依赖。如何让Skills的创建和使用更加大众化，是Anthropic需要继续优化的方向。其次，Skills看起来不容易拥有自己的存储和数据库。这在处理需要持久化状态的任务时可能会成为限制。比如，如果我想创建一个帮我跟踪工作进展的Skill，它需要记住之前的任务状态和历史数据，但现在的Skills架构似乎不太支持这种场景。不过或许可以在Skill里调用sqlite这样的数据库命令来实现这一点？结语 Claude Skills的发布，为AI能力扩展提供了一个简洁而优雅的解决方案。相比OpenAI的Plugin、GPTs和Apps等尝试，以及Anthropic自己的MCP，Skills在易用性、可控性和生态开放性之间找到了更好的平衡。它避免了过度工程化的陷阱，用最小的复杂度实现了核心价值。在AI原生应用的探索中，我们都在寻找那个平衡点：既要充分发挥AI的能力，又要保持用户体验的简洁流畅；既要提供强大的功能，又要避免不必要的复杂性。Skills在这个平衡上做出了有价值的尝试，值得我们这些AI产品从业者认真研究和借鉴。

Claude Skills系统发布引发AI行业新变革· 66 条信息

#Claude Skills #AI能力扩展 #Anthropic #AI原生应用 #技术生态