我写了三个月 Skills，今天发现官方最佳实践的核心只有一条——这件事把 Prompt 工程师的价值全变了

上个月我装了 12 个 Skills，今天只留了 3 个——不是它们不好，是我终于读完了 Anthropic 官方那篇 Skills 写作指南，发现大多数人的 Skills 从根上就写错了。

问题在哪？

大多数 Skills 写得像个说明书。背景、原理、使用步骤，一条条列出来，生怕 AI 看不懂。但官方最佳实践的核心原则只有一个：简洁。

官方文档里说得很直接——上下文窗口是公共资源，Token 有限，每多一个不必要的信息，模型就少一个理解你真实需求的位置。这不是我拍脑袋想的，是 Anthropic 自己在 Skills 官方指南里写的。

举两个例子：

错误示范：

# 我的 React Skill
这个 Skill 用于 React 项目开发。首先你要了解 React 是一个用于构建用户界面的 JavaScript 库...
（后面还有 500 字背景介绍）

正确示范：

---
name: react-best-practices
description: Use when working with React components or hooks
allowed-tools: Read,Grep,Write
---
# React Best Practices
- Always use functional components
- Prefer composition over prop drilling
- Handle side effects in useEffect

区别在哪？第一个把 AI 当学生，第二个把 AI 当同事。

为什么这条原则突然重要了？

因为 Skills 的工作方式和你想的不一样。AI 不是在对话开始时加载整个 Skill 的——它只在判定”这个 Skill 和当前任务相关”时才读取，而且只读 SKILL.md 本身，最多再读一个附加文件。也就是说，你的 Skill 文档越长，AI 实际用到的比例反而越低。

这不是猜测。我装了 12 个 Skills，每次让 Claude Code 做事，它主动调用的只有 2-3 个。剩下那些不是没装上，是太长了，AI 懒得读完。

三句话核心原则

1. 只写 AI 不知道的。API 用法、框架概念这些，AI 训练数据里本来就有，你写的越多越稀释有效信息。
2. 只写和项目强绑定的。代码规范、目录结构、团队约定，这些才是通用模型不知道的。
3. 优先结构化，其次自然语言。Frontmatter 定义 scope，正文用清单式写法，AI 读起来比段落更容易定位。

怎么判断自己的 Skills 写对了？

拿给你旁边一个工程师看，如果他看完说”这写的不是废话吗”——那就对了。这个 Skills 里的每一行，都应该是 AI 不知道的、或者你确定它会理解错的。

下一步行动

打开你的 ~/.claude/skills/ 目录，找一个你写了 300 字以上的 SKILL.md，数数里面有多少是”背景介绍”。砍到 100 字以内，再让 Claude Code 跑一次同样的任务，对比一下结果。

这不是在教你怎么写 Skills，这是 Prompt 工程师这个岗位在 AI 时代的新坐标——从”写出能跑的 Prompt”变成”写出 AI 真正会读的 Prompt”。少即是多，在 Token 有限的世界里，这条原则从来没有这么值钱过。