Anthropic 的文档技能也开源了,值得拆开的不只是提示词

让 AI 写一段报告正文，和让它交付一份排版正确、表格能用、修改可追踪的 Word 文件，中间还隔着不少工程细节。

你可能已经遇到过这些问题：文字没错，表格宽度却跑了；修订看起来删干净了，列表里还留下一个空项目；生成文件以后，没人真正打开看过它长什么样。

这些经验能不能放进一个可以反复使用的地方？

anthropics/skills 给出了一个具体样本：把任务说明、辅助脚本和参考资源放进技能文件夹，让 Claude 在需要时加载。最近，这个仓库里的四套文档技能还发生了一次值得留意的许可证变化。

项目为什么今天火

先说明今天选到它的依据。

2026 年 11 月 10 日北京时间约 07:29 抓取时，GitHub Trending 日榜将 anthropics/skills 列在第 1 位，显示总 stars 190,897，当日新增 1,052。 这是当时页面的快照，后续会变化；“stars today”沿用 GitHub 的统计口径，不等于我们自行计算的北京时间自然日增量。

项目由 Anthropic 组织维护，仓库名为 Skills，公开描述是 Agent Skills 仓库。主要语言为 Python；主页当时显示 Python 占比 82.3%，不过它的使用入口也包括 Markdown 指令和其他语言的脚本。

榜单只能说明关注度，不能证明大家今天为什么关注它。我们能核实的一条近期变化是：主分支最新提交 2c5958e，时间为 2026-11-06 22:32 UTC，即北京时间 11 月 7 日 06:32，主题是将 Office 技能迁移到 Apache 2.0。

具体涉及 skills/docx、skills/pdf、skills/pptx、skills/xlsx。我们检查了四个目录各自的 LICENSE.txt，它们当前均为 Apache License 2.0。README 也把此前的“源码可见、非开源”说明改成了开源说明。不能再照搬旧文章，把这四套技能一概称为专有许可。

这不是今天刚发布的版本公告，也不能据此断言它导致了今天的排名。截至抓取时，仓库没有已发布的 GitHub Releases；本文分析的是上述提交对应的主分支内容。

它解决什么问题

在不少 AI 工作流里，做事的方法仍然散落在对话中。

“表格列宽别自动猜”“改完以后检查修订”“输出文档要转成图片看一遍”——这些要求第一次要解释，换个任务又要补一遍。把提示词复制到下一次对话，能解决一部分问题，却未必能把执行工具、格式约束和检查方法一起带过去。

Skills 的组织方式很直接：一个技能就是一个文件夹，里面用  写清什么时候用、怎么做，也可以配套脚本与资源。

README 中最基本的元数据只有两项：name 和 description。前者标识技能，后者说明用途和适用场景。文件正文再写步骤、例子和约束。

对开发者而言，值得借鉴的是这层结构：任务触发条件、操作方法、已知坑点和验证方式可以放在一起维护。遇到新的失败案例，就有地方补充，而不必每次在聊天窗口里临时提醒。

这种结构也给团队复用提供了起点。比如，团队可以参考它整理自己的文档生成规则；但能否稳定执行，仍取决于实际使用的模型、宿主工具、依赖和测试。

核心能力

第一，文档技能给出了可以拆解的操作流程。

仓库将 Word、PDF、PowerPoint 和 Excel 放在四个独立目录，插件清单里的 document-skills 也明确包含这四套技能。它们是文档处理技能集合，不是一个脱离模型就能独立工作的 Office 桌面软件。

以我们实际阅读的 docx/SKILL.md 为例，它先根据任务区分路径：新建文档、编辑现有文档和读取内容，并不全部交给同一种操作方法。

它也记录了一些很具体的排版约束，例如表格要同时设置表格列宽和单元格宽度，列表应使用编号配置而不是直接插入圆点字符。这些内容的价值在于把文件格式的细节带进生成过程；本文没有运行生成任务，不能据此承诺输出一定正确。

第二，它把“检查交付物”写进了流程。

DOCX 技能要求生成后渲染文档并查看图片；编辑已有文档时，还提供结构校验路径。对带修订的文件，它进一步说明如何检查改动是否真正包含在修订标记里。

一个很有代表性的细节是“删除段落后留下空列表项”：技能解释了 Word 的段落标记与不同转换工具之间可能出现的差异。只读提取出来的文字，容易漏掉这类问题。

对需要把文件交给真实同事使用的人来说，这比“内容生成成功”更接近交付要求。

第三，同一个仓库也展示了开发与设计任务的技能写法。

example-skills 插件包含前端设计、MCP 构建、网页测试、内部沟通等示例。我们查看的 webapp-testing 技能，会先区分静态页面与动态应用，再决定如何观察页面、选择定位方式和执行操作；它还提供管理本地服务生命周期的辅助脚本。

这些都是仓库提供的示例与方法。不要把“仓库中存在一套技能”直接等同于某项工作已经经过自动验收。

快速上手

最省事的入口，是在 Claude Code 的交互界面注册这个仓库的插件市场。下面保持官方 README 原文：

/plugin marketplace add anthropics/skills

这是 Claude Code 内的斜杠命令，不是在终端执行的 Shell 命令。

接下来可以按 README 的菜单步骤操作：选择 Browse and install plugins，找到 anthropic-agent-skills，再选择 document-skills 或 example-skills，最后安装。

README 也给出了直接安装的写法：

/plugin install document-skills@anthropic-agent-skills/plugin install example-skills@anthropic-agent-skills

这两行对应两套插件；只想尝试文档任务，可以选择第一套，不必为了处理 PDF 把示例集合也装上。

安装后，README 给出的使用方式是直接在请求中点名技能，例如请它用 PDF 技能提取某个 PDF 的表单字段。第一次应使用不含敏感信息、结果容易人工核对的小文件。

如果目标是学习怎么写自己的技能，可以直接阅读仓库的 template 目录和已有 SKILL.md。先挑一个明确任务，把触发条件、步骤和检查方式写清楚，比一开始覆盖全部办公流程更容易验证。

还要留意执行环境。DOCX 技能列出了 docx、pandoc、LibreOffice 和 Poppler 等依赖；其中“预装”描述不能直接套用到你的电脑。安装技能也不代表本机自动拥有所有转换工具。

以上是按官方 README 整理的上手路径，本文没有实际安装插件或执行文档转换。

适合谁

经常让 AI 生成或修改文件的开发者。 如果你的目标包括可编辑 Word、带公式的表格、幻灯片或 PDF，值得看看这些技能怎样组织操作和检查步骤。

在做内部 Agent 工具的团队。 可以参考它，把已有规范、脚本和失败经验放在同一个任务目录里，并逐步建立自己的验证样例。它提供组织方式，业务规则仍要由团队补齐。

想学习技能写法的人。 同时阅读一个短模板和一个真实文档技能，能看到最小格式与复杂任务之间的差距：复杂度通常来自工具边界、文件结构和验证要求。

如果只是偶尔让 AI 润色一段文字，未必需要安装整套文档插件。先判断自己需要的是文本回答，还是最终文件。

局限与风险

示例不是效果保证。 README 明确说明这些技能用于演示与教育，Claude 产品中的实际实现和行为可能与仓库不同，关键任务要在自己的环境中测试。我们没有验证生成质量、成功率、执行时间或模型费用。

许可证要按目录和依赖核对。 本次确认的是四套文档技能已使用 Apache 2.0，README 也说明仓库许多其他技能采用这一许可。仓库元数据没有给出统一的根许可证标识，不宜把所有文件、依赖和模型服务条款混成一项。本文记录许可证事实，不代表已经完成你的项目分发审查。

会执行的脚本应先看清楚。 技能可以引导 Agent 调用转换工具、编辑文件和运行辅助脚本。第一次试用应保留原文件并使用副本，特别是批量修改、接受修订或重新打包文档的任务。技能说明本身不能保证每一步操作都正确。

敏感文件要先确认处理路径。 仓库开源并不说明实际使用的模型服务在本地运行。把客户文档、内部数据交给 Agent 前，需要确认所用宿主和服务的权限与数据处理方式；本文没有核验各平台的数据留存政策。

跨工具不能只看文件名相同。 README 特别说明这里是 Anthropic 面向 Claude 的技能实现，Agent Skills 标准另有说明。本文展示的插件命令适用于 Claude Code，不能直接推定其他 Agent 工具具有相同的安装入口和执行行为。

总结

anthropics/skills 最值得拆开的地方，是它怎样把做事的方法整理成文件：什么时候用、调用什么工具、容易在哪里出错、最后怎样检查。

这次四套文档技能改用 Apache 2.0，让开发者有了更明确的开源材料可以阅读和研究。尤其是文档任务，格式细节与交付检查往往比第一轮生成更费心；把这些经验放进可维护的工作流，才有机会在后续任务里反复使用。

如果你想从一个位置开始看，可以先读 skills/docx/SKILL.md，留意它如何把生成、编辑和验证串起来，再回到自己的业务里，找一个最常重复出错的小任务做对照。

项目地址：anthropics/skills。文中能力与命令依据官方仓库及 README 整理；数据为抓取时快照，没有声称亲测效果。