如果您比较喜欢看文字版可以往下面看。这是Claude Code如果你让它开发一个“美观”的博客网站它给你的结果可能是这样的这一点也不美观对吧于是你告诉它1、不要使用蓝紫渐变色2、不要使用emoji图标而要使用SVG图标。3、顶部使用导航栏使用磨玻璃半透明效果4、Hero区域使用图片作为背景半透明5、一级标题使用xxx字体6、按钮使用xxx颜色7、文章使用卡片式布局上半部分是封面图······把上面这一堆要求告诉Claude Code再让他重新给你开发一个“美观”的博客网站这一次情况就要好很多了。那么问题来了我不想每次开发项目的时候都啰里啰嗦的写这么一大段能不能让Claude Code“记住”我的这些要求我不用每次都叮嘱呢Claude Code 提供了一个方法我们可以把这一大段要求放到一个单独的文件中以markdown格式书写。后续我们在让Claude Code干活的时候他就把这个文件一起带上发给AI了这样就不用每次都要写一遍了。但这样有一个新的问题如果我只是在Claude Code里面聊聊天提问题反正不是开发网站它也要把这一堆内容发给AI这不是白白浪费token吗能不能简化一下这个流程只有当真正需要用到这个文件的时候Claude Code才把它发给AI呢我们可以这样做给这个文件取个名字和描述放在文件最开始的地方同样还是以markdown格式书写。这两个字段简单介绍了这个文件叫啥是干啥用的。然后Claude Code在与AI沟通的时候它告诉AI我这里有个文档它的名字和描述是这样的如果你有需要可以问我要具体内容。后面AI收到用户的指令发现是要开发网站这时候再告诉Claude Code把这个文件给我发来就可以了。 经过这样一通改造就避免了每次都要把这个文件传给AI浪费token的问题了。你发现这一招还挺好使于是如法炮制写了一堆不同的文档比如《SVG动画制作.md》用来详细指导AI如何制作网页SVG动画、《PPT制作.md》用来详细指导AI如何制作美观的PPT、《日报生成.md》用来详细指导AI如何书写符合你们公司风格规范的工作日报。Claude Code与AI交互的时候只需要把这些文档的名字和描述信息作为一个目录告诉AI就像它当初把MCP服务清单发给AI那样AI根据用户的提示词自行决定动态加载哪些文档。同样的ClaudeCode同样的AI大模型因为有了这一堆文档的加持你手里的这一套比别人多了很多技能它更擅长做出好看的网站UI、更擅长做SVG动画、更擅长做PPT、更擅长写日报完美而刚刚这套技术有一个闪亮的名字Agent Skills这一个个文档就是一个个的Skill也就是一个个的技能。简单理解的话这些个Skill就是一个个技能手册ClaudeCode和AI根据这些手册就能完成特定的工作。为了规范管理ClaudeCode通过文件夹的形式来管理这些Skill并且把每个Skill的主文件都统一命名为Skill.md。回到我们这个网站UI设计的Skill随着你不断的迭代这个markdown文件也变得越来越长。因为好看的UI样式实在太多了各种各样的风格层出不穷你很难用一个单一的markdown文档来全部写完。而且就算你能全部写在里面但实际上AI只能用到其中一部分其他大部分用不上的内容又白白浪费了上下文token了。于是你打算把每一种风格单独拎出来写一个文件然后在原来这个主文件里面做一个汇总里面写上如果要做简约风网站就读取《简约风.md》如果要做科技风网站就读取《科技风.md》如果要做小清新风格网站就读取《小清新.md》这样一来当你让ClaudeCode做一个科技风的网站的时候AI发现要先读取网站UI设计这个Skill在读取这个主markdown文档之后再根据需要进一步读取《科技风.md》这个文档。这样按需渐进式加载极大节省了token让AI只有在必要的时候才读取相应的内容。再后来你发现需要对网站UI做更精细化的控制比如按钮、段落、图标、配色、图表等等用这样的单个文档方式也不太好维护。你决定技术升级把这些细粒度的UI内容全部用数据表来进行管理为了简单起见你选择了用CSV表格文件来管理。然后你希望AI在开发网站的时候按照下面这一套工作流来确定最终选择的样式为了让AI知道如何搜索上面的每一步你都写了详细的文字说明你还专门编写了一个Python脚本并告诉AI如何执行这个脚本来从这一堆CSV文件里面进行搜索。现在AI大模型在Claude Code的配合下在拿到你这个Skill.md文档之后就按照你写的流程一步步执行里面的操作执行Python脚本完成检索最后拿到完整的UI设计信息开始为你开发网站。事情发展到这里这份Skill不仅是提供简单的文字信息给AI作参考还能指定工作流还能提供程序让ClaudeCode来执行完成更加复杂的工作了。上面介绍的这个Skill不是我虚构的而是一个真实存在的Skill它在GitHub上面已经收获了16K的Star通过这个Skill我们可以让Claude Code这样的编程智能体开发出UI更美观的产品。而这个Skill背后的原理正如我们前面介绍的那样。最后让我们来梳理一下整个的过程。首先每个Skill都需要一个Markdown文件并且在文件的最开始有名字和描述两个字段这属于这个Skill的元数据Meta Data。Claude 在启动时加载这些元数据并将它们包含在系统提示词中因为这两个字段本身内容比较短所以一般不会占据太多token。第二每个Markdown文件除了前面元数据之后的正文内容叫做指令它本质上就是一段提示词用来指导 Claude 如何做特定的事情。只有当AI需要使用这个Skill的时候才会加载它。官方称之为触发时加载。第三资源和代码。Skill相关的其他文件和代码脚本只有当AI在使用Skill的过程中需要用到的时候才会动态加载。官方称之为按需加载。以上就是Anthropic推出的Agent Skills技术了扒掉这些晦涩的名词概念它其实就是一项提示词工程技术的应用和之前的MCP技术也有很多类似之处如果你还不知道MCP是什么欢迎观看下面这个视频Agent Skills也好MCP也好本质上都属于提示词工程只不过是符合特定规范相对复杂的提示词而为了规范管理和各种工程设计考虑引入了一堆技术名词而已。好了以上就是今天的全部内容了如果觉得有帮助别忘了点赞收藏转发哦。如何学习AGI大模型作为一名热心肠的互联网老兵我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。因篇幅有限仅展示部分资料需要点击下方链接即可前往获取**一、2025最新大模型学习路线一个明确的学习路线可以帮助新人了解从哪里开始按照什么顺序学习以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛没有明确的学习路线可能会导致新人感到迷茫不知道应该专注于哪些内容。我们把学习路线分成L1到L4四个阶段一步步带你从入门到进阶从理论到实战。L1级别:AI大模型时代的华丽登场L1阶段我们会去了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理关键技术以及大模型应用场景通过理论原理结合多个项目实战从提示工程基础到提示工程进阶掌握Prompt提示工程。L2级别AI大模型RAG应用开发工程L2阶段是我们的AI大模型RAG应用开发工程我们会去学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。L3级别大模型Agent应用架构进阶实践L3阶段大模型Agent应用架构进阶实现我们会去学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造我们自己的Agent智能体同时还可以学习到包括Coze、Dify在内的可视化工具的使用。L4级别大模型微调与私有化部署L4阶段大模型的微调和私有化部署我们会更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握而L3 L4更多的是通过项目实战来掌握大模型的应用开发针对以上大模型的学习路线我们也整理了对应的学习视频教程和配套的学习资料。二、大模型经典PDF书籍书籍和学习文档资料是学习大模型过程中必不可少的我们精选了一系列深入探讨大模型技术的书籍和学习文档它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。书籍含电子版PDF三、大模型视频教程对于很多自学或者没有基础的同学来说书籍这些纯文字类的学习教材会觉得比较晦涩难以理解因此我们提供了丰富的大模型视频教程以动态、形象的方式展示技术概念帮助你更快、更轻松地掌握核心知识。四、大模型项目实战学以致用当你的理论知识积累到一定程度就需要通过项目实战在实际操作中检验和巩固你所学到的知识同时为你找工作和职业发展打下坚实的基础。五、大模型面试题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我们将提供精心整理的大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。因篇幅有限仅展示部分资料需要点击下方链接即可前往获取