项目详情

Anthropic Skills

Anthropic 官方把 Claude 的「可教技能」做成开放仓库与规范

GitHub 地址 16 个示例技能 Agent Skills 标准 Apache-2.0 / 源码可见

更新于 2026-07-08

项目速览

一句话定位

把 LLM 的「临时记忆」固化成可复用、可分发的技能单元

Skills 是一组指令、脚本与资源组成的文件夹，Claude 按需动态加载以提升专项任务表现。这个仓库既是 Claude 各类技能的生产级参考实现，也是开放规范 agentskills.io 的样板。适合想给 AI Agent 加「持久能力」、研究 prompt 工程最佳实践、或构建自有技能生态的开发者。

核心数据

仓库画像

165k

GitHub Stars

16

示例技能

4

生产文档技能

3

接入途径

三套资产：./skills 示例集、./spec Agent Skills 规范、./template 技能脚手架。docx/pdf/pptx/xlsx 四个文档技能驱动 Claude.ai 的「创建文件」功能，源码可见但非开源。

为什么存在

Skills 解决三个根本问题

能力不可累积

每轮对话从零教 Claude 同一套流程，团队经验无法沉淀。Skill 让流程变成可版本化资产。

上下文窗口浪费

把所有指令塞进 system prompt，挤占可用 token。Skill 按需加载，触发时才进上下文。

能力无法分享

个人调好的 prompt 无法复用给团队。Skill 是可分发、可安装的标准单元，支持插件市场。

🔥 核心架构

Skill 的三层结构

入口层 · 触发

SKILL.md

YAML frontmatter（name + description）+ Markdown 指令。description 决定何时触发，body 是 Claude 加载后的执行剧本。

SKILL.md

执行层 · 确定性

scripts/

把易出错的确定性逻辑写成可执行脚本，作为「黑盒」调用。避免大段代码污染上下文窗口。

scripts/*.py · *.sh

资源层 · 参考

reference / assets

规范文档、示例、模板、字体、主题包。按需 Read，不全量预载，控制 token 成本。

reference/*.md

设计哲学：LLM 负责「判断」，脚本负责「执行」，资源负责「参考」。三层解耦让技能可靠、可测、可演进。

快速上手

三种接入途径

Claude Code· Claude.ai· Claude API

# 1. 注册为 Claude Code 插件市场
/plugin marketplace add anthropics/skills

# 2. 安装技能包（二选一）
/plugin install document-skills@anthropic-agent-skills
/plugin install example-skills@anthropic-agent-skills

# 3. 直接用自然语言触发
"用 PDF skill 提取这份表单的字段"

Claude.ai 付费版已内置全部示例技能；API 通过 Skills API 上传自定义技能。三端共享同一套 SKILL.md 格式。

核心技能 · 创意与设计

让 Claude 从「能写」到「能创作

canvas-design

两阶段哲学创作：先生成「设计哲学 manifesto」(.md)，再用同版本把哲学「视觉化表达」成 .png/.pdf。使用场景：海报、艺术品、品牌视觉物料

algorithmic-art

canvas-design 的生成艺术变体。先写「算法哲学」，再用 p5.js 表达。强调种子随机、涌现行为、可控混沌。使用场景：流场、粒子系统、生成艺术

slack-gif-creator

GIFBuilder + PIL 原语 + 缓动函数库。给出 Slack 平台硬约束（128×128 emoji、≤3 秒、48-128 色）。使用场景：Slack 表情、消息动图

brand-guidelines / theme-factory

brand-guidelines 套用 Anthropic 官方品牌色（橙 #d97757 + Poppins/Lora 字体）；theme-factory 提供 10 套预设主题。使用场景：保持品牌一致性、批量样式应用

核心技能 · 开发与技术

工程化能力封装

webapp-testing

Playwright 自动化测试。核心模式「侦察后行动」：先 wait_for_load_state('networkidle') 再截图取选择器。使用场景：本地 Web 应用 E2E 测试、UI 调试

mcp-builder

四阶段构建高质量 MCP 服务（研究→实现→审查→评估）。推荐 TypeScript + Streamable HTTP + 无状态 JSON。使用场景：给 LLM 接外部 API、构建工具生态

skill-creator

元技能：用技能造技能。带 eval 评估闭环（量化指标 + 方差分析）+ description 优化器提升触发准确率。使用场景：开发自定义技能、迭代优化既有技能

web-artifacts-builder

React 18 + Tailwind + shadcn/ui 脚手架，bundle-artifact.sh 打包成单 HTML。明确反「AI slop」。使用场景：复杂有状态 artifact、需路由/组件库的 Web 应用

核心技能 · 企业与文档

协作与生产力场景

doc-coauthoring

三阶段协作写文档：上下文收集 → 逐节精炼结构 → 读者测试（用无上下文的新 Claude 找盲点）。使用场景：PRD、技术规范、决策文档、RFC

docx / pdf / pptx / xlsx

驱动 Claude.ai「创建文件」功能的四个生产级技能。源码可见非开源，作为复杂技能的参考实现。使用场景：生成 Word/PDF/PPT/Excel 文档

internal-comms

企业内部沟通文档撰写（全员邮件、变更通告、会议纪要）。按受众语气与渠道调整。使用场景：组织内部沟通标准化

claude-api

指导正确使用 Claude API 的参考技能，覆盖认证、模型选择、流式调用等。使用场景：API 集成、prompt 工程入门

🔥 Prompt 技巧 · ① 触发器推动

把 description 写得「有点 pushy」

官方观察到 Claude 倾向「欠触发」（该用时不用）。对策：description 不仅说做什么，还要列触发场景，甚至明示「即使用户没明确要求也要用」。

❌ 太被动

description: 构建展示内部数据的简单看板

✅ 推动式

description: 构建简单快速的看板展示内部数据。
每当用户提到看板、数据可视化、内部指标，
或想展示任何公司数据时务必使用此技能，
即使用户没有明确说「看板」。

要点：触发逻辑全放 description，不放 body。description 是主触发机制，body 是加载后的剧本。

🔥 Prompt 技巧 · ② 黑盒脚本

别让代码污染上下文窗口

webapp-testing 原文

"These scripts can be very large and thus pollute your context window. They exist to be called directly as black-box scripts rather than ingested into your context window."

核心约束：先 --help 跑通，别读源码。只有当黑盒不够用时才考虑定制。

何时用黑盒

脚本逻辑复杂、行数多
通用工作流（启服务器、打包）
确定性高、接口稳定

何时读源码

黑盒跑不通且需定制
排查 bug 要看实现
学习模式作参考

🔥 Prompt 技巧 · ③ 两阶段创作

哲学先于作品

canvas-design 与 algorithmic-art 共用同一套路：第一阶段生成「哲学 manifesto」，第二阶段让同一版本据哲学「表达」。把创作拆成可审查的两步。

命名运动→ 4-6 段哲学→ 同一版本接收→ 视觉/代码表达

反复强调工艺

哲学中必须反复出现「meticulously crafted」「master-level execution」。用 framing 抬高输出质量基线。

留创作空间

具体但不死板，给下一版本诠释余地。90% 视觉/算法 + 10% 必要文字。

🔥 Prompt 技巧 · ④ 决策树

用流程图消除歧义

webapp-testing 用嵌套决策树告诉 Claude「静态 vs 动态」「服务器是否在跑」该走哪条路。把复杂判断变成无歧义的分支。

用户任务 → 是静态 HTML 吗？
├─ 是 → 直接读 HTML 取选择器
│   ├─ 成功 → 写 Playwright 脚本
│   └─ 失败/不全 → 当动态处理 ↓
└─ 否（动态应用）→ 服务器在跑吗？
    ├─ 没跑 → python scripts/with_server.py --help
    └─ 在跑 → 侦察-后-行动：
        1. 导航并等 networkidle
        2. 截图或查 DOM
        3. 从渲染态找选择器
        4. 用发现的选择器执行

🔥 Prompt 技巧 · ⑤ 评估闭环

skill-creator 的迭代飞轮

写草稿→ 写测试用例→ 跑 eval→ 看量化指标→ 据反馈改写↺

量化评估

对客观可验证输出（文件转换、数据抽取）建测试用例，带方差分析，避免单次运气。

description 优化器

专门脚本优化触发准确率，独立于内容迭代。解决欠触发/误触发。

反 AI slop

web-artifacts-builder 明令禁止：居中布局、紫色渐变、统一圆角、Inter 字体。

适用场景 · 风险 · 潜力

综合判断

适合谁

给 Agent 加能力的工程师：学 SKILL.md 模式
Prompt 工程研究者：16 个生产级范本
构建技能生态的产品方：参考 spec 与插件市场

风险提示

强绑 Claude 生态：SKILL.md 规范跨厂商兼容性待观察
文档技能非开源：docx/pdf/pptx/xlsx 仅源码可见
示例≠生产：官方声明行为可能与展示不一致

潜力：Agent Skills 若成为跨厂商开放标准（agentskills.io），此仓库就是事实样板。165k stars 显示社区已用脚投票。

上一个
face_recognition

下一个
three.js