夜雨聆风
Anthropic最近发了一本手册，33页，免费的。
名字叫《The Complete Guide to Building Skills for Claude》。
（可加文末小助手领取）
讲的是怎么给Claude构建"技能包"：把某类工作的流程、知识、资源打包，让AI遇到这类任务时能自动调用。
33页手册
社区有人评价说：这是会悄悄改变builder的最佳实践指南
没有过多理论，只有实打实的落地方法。
本质
这本手册的第一个重要结论是：
Skills本质上就是文件夹。
不是复杂的代码框架，不是配置系统，就是一个文件夹，里面放了工作流说明、脚本和参考资料。
文件夹结构本身就定义了技能的边界和能力。
文件夹结构
通常我们觉得"技能"是很复杂的东西，需要训练模型，需要微调。
但Anthropic告诉你：不需要。
你只需要把文件放对位置。
这对于不懂技术的普通人意味着什么？
你真的可以给AI建一个"技能包"。
比如你是做财务的，可以把报销流程做成一个Skill；
你是做HR的，可以把入职流程做成一个Skill。
AI遇到这类任务，自动调用，不用每次重新解释。
Prompts才是瓶颈
手册里有一句话，被很多人截图分享：
这里的意思是，routine是更高层次的prompts。Claude这个模型本身已经很强了，能执行复杂任务。
真正的瓶颈不是模型本身，而是我们能不能把任务描述清楚。
就像你有一个很能干的助手，但每次都要从零开始解释你是干什么的、你喜欢怎么处理事情、这件事之前是怎么做的。
这个解释过程，才是真正的瓶颈。
prompt与模型的关系
三个原则
手册里还提到一个有意思的数据：
有人测试了30个routines（可以理解为技能的执行单元），最后只有9个存活下来。
存活率30%。
那死掉的21个做错了什么？
分析发现，它们都违反了这三个原则中的至少一个：
第一：描述要具体。 "帮我处理工作"这种描述太模糊，AI不知道什么时候该调用这个Skill。"每周五下午帮我总结本周工作报告"就清晰多了。
第二：先解决一个问题。 不要一上来就建一个大而全的系统，先从最痛的那一步开始，把它做好，再扩展。
第三：渐进式披露。 不要把一万字的背景说明一股脑给AI，用到什么给什么，省token，也减少干扰。
这三个原则看起来简单，但它们是真实场景里踩坑踩出来的。
宝贵经验
Skill三原则
可以自动构建技能的技能
手册里还介绍了一个功能：Anthropic做了一个可以自动构建Skills的Skill。
流程很简单：
你描述你想要的工作流，Skill自动帮你生成文件、自动写测试、自动运行评估、自动修复失败、自动迭代直到成功。
不需要写代码。
不需要调prompt。
描述你要什么，得到一个能用的Skill。
这听起来很夸张，但如果它真的奏效，任何人都可以拥有自己的AI技能库，不需要懂技术。
AI技能自动构建
普通人能怎么用
如果你用Claude Code，有几个立即可用的方向：
第一：建自己的Skill。 比如你经常要写某种类型的报告，可以把结构固化成一个Skill，下次直接调用。
第二：用官方的免费课程。 Anthropic配了这本手册出了一套免费课程叫"Introduction to Agent Skills"，30分钟左右可以过一遍。
第三：理解"Prompts才是瓶颈"这个逻辑。 这个认知比任何具体技能都重要：你花时间把需求说清楚，比你换更贵的模型更有价值。
值得关注
这本手册的核心价值，不是告诉了某个具体技巧，而是揭示了一个正在发生的转变：
AI编程正在从"怎么让AI写代码"，变成"怎么让AI理解我的工作流"。
模型能力的差距在缩小，但工作流表达的差距在拉大。
谁能更好地把业务逻辑翻译给AI，谁就能更好地用AI。
说到底，这是表达问题，不是技术问题。
懂问题比懂语法更重要，又一次被验证了。
普通人与AI技能包
参考
Anthropic官方PDF：The Complete Guide to Building Skills for Claude Twitter社区讨论：@sairahul1, @Mnilax, @eng_khairallah1
