14种 Claude skills 设计模式

在 Agent Skills 的生态中，技能大致可以分为两类：​

​

​

​

​

50%

​

​

​

一类是任务型技能（通常设置 disable-model-invocation: true），对应一整套步骤化流程，比如部署、提交或安全审查，用户一般通过 /skill-name 直接触发。​

​

50%

​

​

另一类是参考型技能（用户不可直接调用），更像是背景知识，比如风格指南或领域术语，Claude 会在相关场景下自动应用。​

激活元数据模式（Activation Metadata pattern）​

​

​

但很多人把description当成「摘要」，写成类似“用于处理文档”这种模糊描述。结果就是：要么选错，要么干脆不用。​

​

💡

description 不是摘要，而是 Claude 做选择时最关键的信号。​

在会话开始时，Claude 只能看到每个技能的 name 和 description。​

​

Anthropic 的 skill-creator 甚至建议把 description 写得「更主动」一点，因为 Claude 本身有点「触发不够」的倾向。比如：“即使用户没有明确提到仪表盘，只要提到数据可视化或内部指标，就应该触发这个技能”。​

​

🐵

适用场景：所有技能都应该用这个模式。入口没做好，后面都没意义。​

权衡点：在开放的 Agent Skills 规范中，description 上限是 1024 字符；在 Claude Code 里，description 和可选的 when_to_use 一起最多 1536 字符。空间有限，每句话都要在「触发词、排除条件和领域关键词」之间做取舍。​

​

排除条款模式（Exclusion Clause pattern）​

你同时有一个「文档处理」和一个「代码生成」技能，如果它们都写成「处理所有文本相关任务」，Claude 很难判断该选哪个。正向触发是把它拉进来，排除条款是把它推出去。Ruben Hassid 把排除条款称为「description 里最关键的一行」，甚至比正向触发更重要。​

​

一个好的排除条款，通常会说清楚：​

​

• 哪些场景不适用​

• 哪些内容更应该交给其他技能​

• 哪些情况直接用 Claude 就够了​

​

比如：“不要用于博客文章、通讯邮件、推文或长篇内容。”​

​

还有一个容易被忽略的点：排除条款不是单独存在的，它需要和整个技能库一起考虑。否则就可能出现两个技能都说「我能做」，或者都说「我不做」。​

​

​

​

​

​

📍

适用场景：几乎所有技能，尤其是和其他技能有重叠的那些。​

权衡点：维护成本。技能一多，排除条款也需要跟着调整，否则很容易出现冲突或空白区。​

​

​

上下文预算模式（Context Budget pattern）​

很多技能喜欢从头解释一遍：什么是 PDF、什么是库、JSON 是怎么工作的——但这些 Claude 本来就知道。这种冗余一旦在几十个技能里重复出现，上下文窗口在用户开口之前就已经被占掉一大半。​

默认前提：Claude 是聪明的。​

这个模式的核心是：每一段话都要配得上它占用的 token。如果删掉一句话不会让一个「足够聪明的读者」困惑，那它大概率就是多余的。​

​

另外还有两个容易忽略的点：​

​

• 术语要统一：选一个说法就一直用，比如只用 field，不要来回切换 field / box / element​

• 避免时间敏感表达：像“2025 年 8 月之前”这种描述，很快就会过时。更好的做法是把这类信息放到「旧模式」的附录里​

​

​

​

​

​

​

⚽

适用场景：所有技能的基础要求，可以当作默认纪律。​

权衡点：如果你的技能要兼容多个模型，就要按最弱模型来决定细节程度——对 Sonnet 来说刚好的简洁，对 Haiku 可能就偏简略了。​

​

​

渐进式披露模式（Progressive Disclosure pattern）​

很多人会把所有内容一股脑塞进 SKILL.md：不管用户问什么，几百行甚至上千行内容一次性全加载。表格、API 文档、示例代码——不管用不用，都占着上下文。​

​

​

🏕️

核心思路是：把 SKILL.md 当成目录，而不是仓库。​

​

​

具体做法一般是：​

​

•

• 主文件尽量控制在 500 行以内​

•

• 把细节拆到不同文件（比如 FORMS.md、REFERENCE.md、reference/finance.md）​

•

• 只在需要的时候再加载这些文件​

​

​

​

​

​

​

🍰

适用场景：当 SKILL.md 超过 ~300 行时，基本就该考虑拆分了。​

权衡点：拆分带来的复杂度。文件多了之后，不仅作者更难把控全局，Claude 也需要做「下一步该加载哪个文件」的判断，一旦选错，就会多走几轮。​

​

​

控制调优模式（Control Tuning pattern）​

​

有些技能会把每一步都写死，结果一遇到需要灵活处理的情况，Claude 反而被卡住。反过来，如果指令太模糊，在那些「错一步就全错」的场景里，又很容易出问题。​

​

​

🎁

这个模式的核心是：根据任务的脆弱程度来决定指令该有多严格。​

​

​

可以一直问自己一个问题：这里能接受多大的偏差？​

​

• 高自由度（文本指令，比如“用你的判断”）：适合开放型任务，比如代码审查​

• 中自由度（伪代码、参数化步骤）：适合有流程但需要灵活调整的任务，比如部署​

• 低自由度（精确脚本、强约束，比如“不要修改”）：适合高风险操作，比如数据库迁移​

​

​

语气本身也是一个调节手段。比如在开头设定角色：“你是一个更关注正确性而不是风格的资深代码审查员”。这种设定会直接影响后面的判断标准，在参考型技能里很常见。​

​

​

​

​

​

🐵

适用场景：对每个步骤都问一句——这里允许多少偏差？​

权衡点：很多人会倾向于「写死一点更安全」，但其实只是把失败方式换了一种：从「做错」，变成「做不了」。​

​

​

解释原因模式（Explain-the-Why pattern）​

​

把规则写成一串 ALWAYS / NEVER / MUST，看起来很清晰，但其实缺少上下文。Claude 可能会按字面执行，却在边界情况里用错，或者在不该严格执行的时候也机械套用。​

​

​

Anthropic 的 skill-creator 甚至把这种全大写指令当作需要重构的信号。​

这个模式的核心是：先说规则，再说明原因。​

这样 Claude 不只是「照做」，而是能理解背后的逻辑，在规则没覆盖到的情况里也能自己做判断。​

比如：“使用构造器注入。字段注入会破坏可测试性，因为需要依赖 Spring 上下文来模拟字段。” 就比： “必须使用构造器注入，绝不使用字段注入。” 更稳一些。前者提供了推理依据，后者只是限制行为。​

​

​

​

​

​

​

📌

适用场景：当你开始写 MUST / ALWAYS / NEVER 这类强制性规则时，就应该考虑换成这种结构。​

权衡点：解释会消耗 token——对于那些真正「不能出错」的步骤（比如前面说的低自由度场景），直接命令式反而更合适；带原因的写法，更适合需要 Claude 自己做判断的地方。​

​

​

模板脚手架模式（Template Scaffold pattern）​

​

像报告、提交信息、API 请求、发布说明这类输出，只要结构很重要，Claude 每次生成的「形状」往往都不太一样。​

问题在于：结构其实藏在示例里，但技能本身没说清楚，所以每次都在重新「猜」。​

​

​

🎼

这个模式的做法很直接：给一个带占位符的模板，让它按结构填空。​

​

​

模板一般分两种：​

•

• 严格模板（“必须按这个结构来”）：适合数据契约、需要机器解析的场景​

•

• 灵活模板（“这是推荐结构，可以调整”）：适合需要一定发挥空间的文档类输出​

​

​

​

​

​

📍

适用场景：只要输出有固定结构，或者后面还要被解析（不管是人还是程序），就应该用模板。​

权衡点：模板越严格，越容易限制表达。在一些边缘情况里，反而可能不够用。所以如果不是给机器用，优先用灵活模板。​

​

​

技能内示例模式（In-Skill Examples pattern）​

​

光靠描述，很难把语气、格式和细节说清楚。常见情况是：结构对了，但风格不对——比如提交信息用了正确的 conventional commit 前缀，但语气跟团队不一致。​

​

这个模式的做法是：在技能里放几个输入 / 输出示例，让它照着对齐。​

​

代码块​

Plain Text

Input: [用户输入示例] Output: [期望输出示例]​

​

和 few-shot 类似，给两到三个例子，通常比一大段说明更管用。Claude 会优先对齐示例，而不是从文字里自己猜。​

可以这么理解：模板（上一个模式）解决的是结构问题；示例解决的是风格问题。两者配合使用时效果最好：模板定结构，示例定风格。​

​

​

​

​

​

🎼

适用场景：既有结构要求、又有表达风格要求的输出，比如提交信息、发布说明、changelog、审查摘要等。​

权衡点：Claude 很容易「学例子」。如果示例里带了某种习惯，它会在所有输出里复现。所以示例要尽量覆盖不同情况，而不是只给一种写法。​

​

​

已知陷阱模式（Known Gotchas pattern）​

​

很多技能只覆盖「正常流程」，告诉 Claude 该怎么做，却没说哪些地方容易出错。​

一旦遇到真实环境里的边缘情况——字段不存在、命令在 macOS 能跑但在 Linux 失败、库悄悄返回空结果——Claude 没有参考，就容易自己「编一个修复」。这个模式的做法是：专门列出已知的陷阱。​

​

在 SKILL.md 里单独加一节，把常见失败情况写清楚，比如：​

​

• “扫描 PDF 可能返回空数组，需要先检查页码类型”​

• “页面旋转必须在列提取前设置 page.rotation = 0”​

在实战里，这一部分往往是一个技能最有价值的内容，因为它直接来自踩过的坑。​

​

​

​

​

​

​

🏖️

适用场景：已经在真实环境跑过一段时间的技能，可以根据实际问题不断补充。​

权衡点：这些「陷阱」是会变化的。库升级、API 改动之后，旧问题可能已经不存在，如果不更新，反而会误导 Claude 去排查一个已经不存在的错误。​

​

​

执行清单模式（Execution Checklist pattern）​

​

在多步骤流程里，常见问题不是做错，而是没做完：跳过验证、忘了当前进度，甚至提前宣布完成——「应该已经好了」，但其实只做到一半。​

​

​

🏕️

这个模式的做法是：把流程变成一份可勾选的清单。​

​

​

让 Claude 在对话中直接使用，比如：​

​

代码块​

Plain Text

步骤1：...- [ ] 步骤2：...- [ ] 步骤3：...​

​

每完成一步就勾掉，没完成的会一直留在那。​

关键点在于：未完成的项是「可见的」。​

清单会一直出现在对话里，不只是 Claude 自己知道，也让用户一眼就能看出进度。每一轮都要面对「还有哪些没做」，自然就更难提前收工。​

​

​

​

​

​

🌅

适用场景：超过三步的流程，尤其是那些「少一步就可能出问题」的场景。​

权衡点：清单每轮都会完整出现，长对话里 token 会明显增加。对于很短的流程，用这个模式反而有点重了。​

​

​

自纠正循环模式（Self-Correcting Loop pattern）​

​

在生成代码、编辑 XML、或者按规范写文档时，单次输出很容易留下问题——而这些问题，本来是技能可以发现的。问题不在于「怎么写对」，而在于：没有人检查它写得对不对。​

​

🐵

这个模式的做法是：引入一个显式的循环。​

​

​

流程很简单：生成 → 验证 → 失败则修复 → 再验证​

验证可以是：​

​

• 脚本（比如 python validate.py fields.json）​

• 或规则检查（比如重新对照 STYLE_GUIDE.md 一条条过）​

​

​

​

​

​

​

🍰

适用场景：对质量要求高、且可以验证的任务，比如代码生成、配置文件、结构化输出等。​

权衡点：可能不收敛。如果验证不够严格，或者 Claude 一直在同一个地方出错，就会反复循环。实际使用中需要设置重试上限，并在失败时回退给用户处理。​

​

​

计划-验证-执行模式（Plan-Validate-Execute pattern）​

​

对于批量或高风险操作——比如批量改表结构、数据迁移、整篇文档重写——如果直接「上来就做」，一旦出错，很容易一路错到底。等你发现问题时，修改可能已经应用完了，回滚成本很高。​

​

​

✏️

这个模式的做法是：在「理解任务」和「执行操作」之间，加一层可验证的中间产物。​

​

​

通常是一个结构化的计划（比如 JSON），流程变成：计划 → 验证 → 通过后再执行​

​

📍

关键点是：所有验证都发生在副作用之前。​

​

这和前面的自纠正循环不一样——那是在结果出来之后反复修，这里是在真正动手之前，把问题提前挡住。Claude 可以在「计划」阶段反复调整；只有当计划通过验证后，才允许执行真实操作。​

​

​

​

​

​

🦄

适用场景：批量操作、不可逆操作，或者一旦出错代价很高的任务。​

权衡点：流程更重。对于简单任务（比如改两个字段），这套流程本身的成本可能比任务还高。所以更适合那些「做错了很难补救」的场景。​

​

​

实用工具包模式（Utility Bundle pattern）​

​

如果每次都让 Claude 临时写验证脚本、PDF 解析器或者数据处理逻辑，不仅慢，还不太稳定，而且这些「临时代码」也在白白消耗 token。很多时候，其实是在反复写同一套逻辑，只是细节有点不一样。​

​

🎉

这个模式的做法是：把这些确定性的能力提前做成脚本，放到 scripts/ 里。​

​

之后让 Claude 通过 bash 调用，而不是每次都现写一遍。好处是：进入上下文的只有脚本输出，而不是实现过程。​

​

这些脚本本身也有几个基本要求：​

​

​

• 能自己处理常见错误，而不是把问题再丢回给 Claude​

• 要么给出合理默认（比如自动创建缺失文件），要么快速失败并说明原因​

• 常量要写清楚用途（比如「30s 超时是为了覆盖慢连接」），避免魔法数字​

如果不确定哪些逻辑值得抽出来，可以简单看一下：跑几次技能，翻翻日志——哪些辅助逻辑反复被「重新写」，就应该提到 scripts/。​

​

​

​

​

​

​

📌

适用场景：确定性强、经常重复、值得单独测试的操作。​

​

​

自主校准模式（Autonomy Calibration pattern）​

​

如果一个技能默认拿到一整套工具，它理论上什么都能做：写文件、跑 shell、调外部服务——哪怕它的任务其实只是读点数据。​

​

比如一个带 Write 和 Bash 权限的安全审计技能，就算 SKILL.md 写得再严格，本身也是个隐患。​

​

​

🏕️

这个模式的做法是：在 YAML 里把 allowed-tools 写清楚，只给它真正需要的能力。​

​

比如：​

​

• 安全审计：Read, Grep, Glob​

​

​

​

​

​

​

🎼

适用场景：只需要少量能力的技能，尤其是安全、审计、分析这类任务。​

权衡点：很容易误用。如果 allowed-tools 写得太宽，其实是在放大权限；而且很多人会把「预批准」当成「已经限制」。需要严格控制时，一定要配合权限策略一起用。​

​

​

总结​

这 14 个模式，基本覆盖了技能设计里最容易出问题的几个关键点。​

description 决定技能会不会被用到；渐进式披露决定它会占多少上下文；解释原因和已知陷阱，决定 Claude 在边界情况下能不能做出正确判断；计划-验证-执行和自主校准，则是在出问题时，把风险控制在可接受范围内。​