PyTorch 团队出的 skill-writer：手把手教你写出能被 Claude 触发的 Skill

写过 Skill 吗？是不是经常遇到”明明写好了但 Claude 就是不触发”的尴尬？

PyTorch 团队最近在他们的主仓库里悄悄放了一个 Skill，叫 skill-writer——专门教你怎么正确写 Skill。有点元：用 AI 工具本身来教你做 AI 工具。

这个 Skill 解决什么问题

Claude Code 的 Skill 机制本质上是给 AI 写一份”能力说明书”，告诉它遇到什么情况该用什么姿势处理。但 Skill 的格式规范相当多：name 字段要全小写加连字符、description 要同时包含触发词和文件类型、allowed-tools 限制对于只读 Skill 至关重要……一个细节不对，Claude 就当这个 Skill 不存在。

skill-writer 把整个流程拆成了 6 个可操作步骤：确定 Skill 的 scope、判断是个人用还是项目用、搭建目录结构、编写 YAML frontmatter、填充 SKILL.md 内容、最后本地验证。

核心内容一览

第一步：确定 scope。Skill 要”小而专”，一个 Skill 只解决一个问题。比如”PDF 表单填写”可以，”文档处理”就太宽了。guideline 里明确列出好坏示例。

第二步：选安装位置。个人级 Skill 放 ~/.claude/skills/，项目级放 .claude/skills/。位置选错了，团队其他人就用不了。

第三步：文件结构。SKILL.md 是必须的，可选的有 reference.md、examples.md，以及 scripts/ 和 templates/ 目录。

第四步：写 frontmatter。这里坑最多。name 最多 64 字符、全小写、必须和目录名一致；description 要同时说清楚”做什么”和”什么时候用”，而且要包含具体的触发词和文件类型——”处理文档”不行，”读取并分析 .pdf 文件，在用户要求总结报告时触发”才及格。

第五步：allowed-tools 限制。如果你的 Skill 是纯只读的，加一行 allowed-tools: [Read] 能让用户更安心——他们知道这个 Skill 不会动他的文件。

第六步：本地验证。Skill 写完不等于能用。guideline 里给了调试清单：Claude 为什么忽略了这个 Skill？是 description 写得太模糊？还是 name 和目录名不一致？

使用方式

npx -y skills add pytorch/pytorch --skill skill-writer --agent claude-code

装完直接跟 Claude 说：”帮我写一个处理 Excel 数据分析的 Skill”，它就会按 skill-writer 的流程引导你一步步完成。

适合谁用

如果你经常给团队造 Claude Code Skill，或者想把自己的工作流封装成可复用的 Skill，这个 skill 就是一个带验证逻辑的 checklist——照着走，少踩坑。

GitHub：https://github.com/pytorch/pytorch

GitHub: https://github.com/pytorch/pytorch