为什么你的AI总是不够准？Skill设计的三层设计才是关键

写 Prompt 的水平，决定了 AI 上限。

这话听着像老生常谈对吧？但我见过太多人，花大把时间调模型参数，却不愿意多花半小时研究怎么写好一个 Skill。

Skill 不是说明书，是 AI 的「肌肉记忆」

很多人以为 Skill 就是塞一堆指令给 AI。错。真正好的 Skill，像给 AI 长出一块专门处理某类任务的肌肉——它不需要每次都从零推理，而是直接调用经过验证的工作流。

Anthropic 官方出的 skill-development，就是教你怎么做这件事的。

它讲什么？

这个 Skill 来自 Claude Code 官方插件开发库，核心解决两个问题：什么时候该写 Skill，以及怎么写才真正有效。

什么时候该写 Skill？

当同一段上下文你写了三遍以上，就应该抽象成 Skill。比如每次写代码都要强调「先看现有结构」「不要重复造轮子」——与其每次手动加这段话，不如写进一个叫 code-review-habit 的 Skill 里，AI 每次遇到代码审查任务自动触发。

怎么写才有效？

Skill 的骨架是 SKILL.md，但真正拉开差距的是三层设计：

第一层：metadata——name 和 description，决定 AI 什么时候调用你。只用第三人称写，具体到用户会怎么开口，比如「用户说’帮我看看这段代码有没有 bug’」而不是「用于代码审查」。

第二层：SKILL.md 正文——1500-2000 字，核心流程和禁忌。记住用祈使句，别用「你应该」「你可以」，AI 读多了会困惑。

第三层：references/、examples/、scripts/——具体参考资料、示例代码、自动化脚本。这里放细节，正文保持干净。

一个具体例子

比如你想做一个「PRD 写作助手」Skill，不要在 SKILL.md 里塞一整篇 PRD 模板。把模板放到 references/prd-template.md，正文只写「什么任务触发 → 参考哪个文件 → 输出格式要求」三件事。AI 读到的信息量一样少，但执行质量稳定得多。

这个 Skill 适合谁？

如果你经常需要 AI 处理重复性强的专业任务——写代码、审文档、做数据分析——都应该给自己做一套 Skill 库。它比调模型参数见效快，而且积累下来是你的私有资产，换什么模型都能用。

GitHub 链接收好：
https://github.com/anthropics/claude-code/tree/main/plugins/plugin-dev/skills/skill-development

stars: 65.5k | installs: 70+

GitHub: https://github.com/anthropics/claude-code/tree/main/plugins/plugin-dev/skills/skill-development