读 Claude Code 源码发现 Skills 才是 Agent 真正的灵魂

其实 LLM 应用发展这几年，绕来绕去最后都回到同一个问题：能力怎么沉淀？

最开始大家比的是谁聊天聊得好，拼 prompt 工程，后来有了函数调用，再后来有了 MCP 协议统一工具调用。直到 Claude Code 推出 Skills 机制，才算是把这个问题答得比较漂亮。

今天读了 Claude Code 开源出来的源码，发现 Skills 设计里有很多值得品的细节，分享给做 Agent 开发的朋友。

一 从零散 prompt 到可复用能力包

LLM 开发这几年走了四步，每一步都在解决能力沉淀的问题。

刀耕火种时代，所有人都在琢磨怎么把需求指令约束塞进一句话，还诞生了专门的 prompt 工程师。这个阶段知识完全碎片化，换个任务就得重新写，模型一更新很多技巧又失效了。

后来有了函数调用，模型终于能结构化调用外部工具，让模型决定做什么和怎么做分离。prompt 不用硬编码所有逻辑，只需要描述意图，执行丢给工具就好。这算是打开了工程化的思路，但沉淀还是做得不够。

Skills 本质就是把解决某类任务的最佳实践整个打包起来。从说明文档，到执行脚本，再到参考资料全塞一个文件夹里，模型要用的时候整个加载进来，用完就扔，不占上下文。

其实说白了，Skills 就是把沉淀做透了。

打个比方，函数调用像是给你一口锅一把铲一些调料，炒什么菜自己琢磨步骤去。Skills 直接给你一本菜谱再加全套工具，你说要做土豆丝，照着来就行，新手炒出来味道也不会差太远。

一个标准 Skill 文件夹里必须有三样东西

SKILL.md 是自然语言写的说明书，告诉模型什么时候用这个 Skill，该做什么，要注意什么。脚本就是实际要执行的代码，AI 需要动手的时候就跑这些脚本。还有资源文件，比如模板参考配置这些，执行的时候可以查。

所以 Skills 其实就是高阶 prompt 加工具调用的结合体，配上包管理平台，就有了分发版本管理，之前遇到的问题基本都解决了。

二 加载阶段的设计细节挺有意思

Skill 的本质就是把磁盘上的 SKILL.md，在调用瞬间编译成模型能吃的 prompt 块，注入上下文。所以整个流程分加载和调用两大块，我们先看加载。

启动顺序都有讲究

从命令行敲入 claude 开始，流程就启动了。源码里 initBundledSkills() 必须放在 getCommands() 之前做，因为这一步就是把内嵌技能 push 到数组里，不到 1ms，但是顺序错了技能就丢了。这个细节挺有意思，说明工业级代码就是要抠这种小事。

搜索路径和优先级

Claude Code 会搜好几个地方找 Skills，优先级从高到低定死了

企业策略目录优先级最高，然后是用户全局技能，再是项目级技能，然后是额外添加的目录，兼容旧格式命令，最后才是代码内嵌技能和第三方插件。

同名技能遇到怎么办？先到先得，深度深的覆盖浅的，realpath 去重，保证不会乱。

这里有个设计很实用，条件技能。如果一个 Skill 带 paths 配置，只有当你操作的文件路径匹配模式时，才会自动激活，不匹配就不占坑。比如 React 组件开发助手，只有你改 src/components 下的文件时它才出来，很干净。

为什么要延迟加载

有意思的一个设计：启动的时候只解析 frontmatter，SKILL.md 的正文内容不加载，靠闭包捕获着，什么时候调用什么时候再编译。

这么做的权衡很清楚，启动只需要拿到技能列表展示，正文占体积，大多数技能启动后未必会调用，延迟加载能让启动速度快很多。而且有些技能里面要跑 shell 命令拿最新结果，每次调用动态生成才准。

动态发现也做了

如果你在会话过程中，往项目里加了新 Skill， Claude Code 能在你读写文件的时候，顺着路径向上搜，发现新的 Skill 目录，加载进来，清掉缓存就能用，不用重启会话。这个体验细节做得挺到位。

三 调用链路有九个入口

Skills 加载完就等着被调用，源码梳理下来，总共有九个不同入口能触发 Skill 调用，覆盖了各种使用场景。

用户敲 /skill-name 斜杠命令是最常用的，今天就说这一种。整条调用链路从 REPL 组件的 onSubmit 开始，一层层往下走，先判断是不是立即执行的命令，Skill 一般走正常排队，然后找到匹配的 Command，接着拿到 Skill 对象，执行 getPromptForCommand 拿到编译后的 prompt，注入上下文，就可以让模型干活了。

整个链路不复杂，但每个环节都处理了边界情况，比如权限检查，参数校验，不同上下文的处理。

四 为什么 Skills 是 Agent 的灵魂

其实 Agent 发展到现在，大家都在说，Agent 不是能调工具就行。很多 Agent 能列工具，但遇到问题还是不知道该怎么一步步解决。

Skills 把解决一类问题的过程知识沉淀下来了，告诉模型第一步做什么，第二步用什么工具，输出要符合什么规范。人把最佳实践写进 SKILL.md，模型只管照着执行，这才是把人的经验复用到无数次任务里。

这和传统的函数调用还不一样，函数只管执行，不管流程。Skills 管了流程，还管了知识，还带了工具，这才是完整的能力单元。

现在各家都在做自己的 Skill 生态，OpenClaw 也有了 clawhub 能分发技能。这个方向走下去，未来会不会真的出现 Skill 集市，大家卖卖写好的最佳实践？挺值得观察的。

至少从 Claude Code 的实现来看，这条路方向是对的，把能力沉淀下来，Agent 才能真的干活，而不是天天陪你聊天。

关于我：混迹各大厂多年的老派程序猿一枚，爱健身、懂理财，既痴迷专研各类新鲜技术，也乐于沉淀思考、分享架构路上的点滴心得，如果觉得这篇分享对你有帮助，欢迎加我微信交流～～

🔥 小龙虾星球 开放招募！每天 N 篇超实用 AI 工具 + 一手行业资讯SKILL 技能包｜AI 副业玩法｜效率神器 不间断更新从入门到变现，一站式喂饱你对 AI 的所有需求告别信息差，抢先抓住 AI 时代红利