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。
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
实践 Skills 的建议包括识别高频复用场景、明确触发条件、建立快速测试闭环、保持单一职责
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
相比训练模型或微调，编写 Skills 的门槛更低，因为它本质上仍是自然语言提示词
ChatGPT Sites 中的外部 API 集成通过 Skills（技能）机制实现，开发者提供 API 及密钥后系统自动创建技能模块
Trae Code 通过导入自定义渗透测试 Skill 包（技能包）实现自动化渗透测试工作流
作者将建模流程封装成了包含15个步骤、136个子模块的Skills库，涵盖问题分析、数据处理、模型选择、优化预测评估及获奖概率评估
通过设置 DisableModelInvocation: true 标志可以将 Skill 设为仅手动调用模式
分阶段设计使每个中间产物都可以被人工检查和修正，在自动化效率和质量可控之间取得平衡
系统将一句需求描述'游客可以浏览商城、查看商品详情、添加购物车、收藏商品、尝试下单时引导登录'拆解为8个独立的测试用例
还有 17 条时间轴事件
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Claude Code通过Skill机制将开发经验沉淀为可复用技能
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%待验证Hooks和Skills的核心区别在于：Skill是模型主动调用的拉模式（Pull），Hook是外部系统被动触发的推模式（Push）
85%待验证Skills只在被调用时才加载完整内容，平时仅加载描述信息，上下文成本很低
85%待验证从 Claude Code 2.1.3 版本开始，斜杠命令和 Skills 已统一合并
85%待验证每个Skills的定义描述在激活时会注入上下文，即便该Skill在当前任务中未使用，其描述文本仍占据token空间
85%待验证MCP负责连接工具（能力层），Skill负责教会Claude如何使用工具（知识层），两者搭配使用效果翻倍
70%待验证Skills文件通常包含YAML前置元数据（用于触发条件判断）和Markdown正文（用于定义工作流和输出规范）
60%待验证Skill功能必须依赖支持Function Call的大模型才能使用
60%待验证多个 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
50%待验证相比训练模型或微调，编写 Skills 的门槛更低，因为它本质上仍是自然语言提示词
50%待验证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
50%待验证实践 Skills 的建议包括识别高频复用场景、明确触发条件、建立快速测试闭环、保持单一职责
50%待验证ChatGPT Sites 中的外部 API 集成通过 Skills（技能）机制实现，开发者提供 API 及密钥后系统自动创建技能模块
50%待验证Trae Code 通过导入自定义渗透测试 Skill 包（技能包）实现自动化渗透测试工作流
50%