Claude Code Skills：为你的 AI 编程助手构建自定义工作流

关键要点

• Claude Code 技能（Skills）是 Markdown 文件，可将团队规则、规范和命令模板直接注入到 Agent 的上下文中。
• 一个技能可以简单到只有一段说明，也可以复杂到包含示例和环境变量引用的多步骤模板化工作流。
• 技能取代了旧的自定义命令目录，为你提供了一种统一的方法：只需教给 Agent 一次，即可在多个会话中重复使用。
• 当你将技能固定到特定的模型版本时，token 成本和输出质量将变得可预测；在选择生产环境模型之前，请先在 TokenLab 模型目录和 Anthropic 定价页面上对比各模型。

---

了解 Claude Code 技能

技能是纯文本 Markdown 文件，位于项目内的 .claude/skills/ 目录（或全局目录 ~/.claude/skills/）中。当你调用某个技能时，Claude Code 会将该文件的内容直接注入其系统提示词（system prompt）中，指示 Agent 首先遵循这些特定的准则。

这种注入意味着你可以精确控制 Agent 的行为。技能文件可以列出禁止的模式、所需的库、输出格式或完整的架构检查清单。由于这些指令与你的代码一起进行版本控制，因此每个团队成员都能自动获得相同的护栏（guardrails）。

受益于专用技能的常见场景包括：

• 强制执行严格的 TypeScript 类型，而非使用通用对象。
• 标准化 API 响应结构。
• 自动化数据库迁移生成。
• 在提交代码前运行测试套件。

通过将这些工作流定义为技能，你可以防止 Agent 产生幻觉命令或使用过时的库。这在处理高级编码模型时特别有用。如果你正在为开发流水线选择不同的 LLM，可以阅读我们关于 2026 年最佳编码 AI 模型的指南，了解 Claude Sonnet 5 与 Kimi K2.7 Code 或 DeepSeek V4 Pro 等替代方案的对比。

---

如何构建自定义技能

创建技能非常简单。你只需编写一个 Markdown 文件，将其保存在正确的目录中，然后在 Claude Code 会话期间引用它。让我们通过构建一个强制执行整洁架构并运行测试套件的技能来演示整个过程。

首先，在项目根目录下创建本地目录：

mkdir -p .claude/skills

接下来，在该目录下创建一个名为 verify-and-test.md 的文件。此文件将指示 Claude Sonnet 5 审查代码库、使用 Vitest 编写单元测试，并运行测试套件以验证更改。

# 验证与测试技能

你是一位专家级软件工程师。你的任务是审查代码更改，编写全面的单元测试，并运行测试套件。

## 指令

1. 审查代码：分析修改后的文件。确保它们没有使用已弃用的 API。
2. 编写单元测试：在 `tests/` 目录下创建一个测试文件。使用 Vitest。
3. 运行测试：执行 `npm run test` 以验证所有测试是否通过。
4. 报告：提供测试结果摘要及发现的任何问题。

## 示例

如果用户要求你验证一个新的工具函数：
- 查找 `src/utils/math.ts`。
- 创建 `tests/math.test.ts`。
- 运行 `npm run test`。

保存此文件后，Claude Code 会自动检测到它。你可以通过要求 Agent “对最新更改运行 verify-and-test 技能”或在提示词中直接引用技能名称来调用它。

要了解不同模型如何处理这些复杂的、多步骤的 Agent 工作流，你可以查看我们的 OpenRouter 对比，以评估不同 API 提供商的延迟和可靠性。

---

管理 Token 成本与模型选择

当你运行 Claude Code 时，你注入的每个技能都会增加你的输入 token 计数。由于技能会被附加到系统提示词中，包含大量示例的长技能文件会迅速增加你的 API 账单。

根据 Anthropic 定价页面（2026-07-07 观察），输入 token 和输出 token 具有不同的成本结构。例如，Claude Sonnet 5 对每百万输入 token 有特定的费率，对每百万输出 token 的费率则更高。如果你在每个提示词上都运行技能，这些输入 token 就会累积。

为了保持开发成本可控，请考虑以下策略：

• 保持技能简洁：避免在技能文件中添加庞大的代码库作为示例。请使用简短、具有代表性的代码片段。
• 使用全局与本地技能：将项目特定的规则放在 .claude/skills/ 中，将通用偏好设置放在 ~/.claude/skills/ 中，以避免弄乱你的上下文。
• 对比替代模型：虽然 Claude Sonnet 5 非常适合复杂的编码任务，但你可能希望将更简单的任务路由到成本更低的模型。你可以查看 定价对比指南，了解不同提供商如何对其输入和输出 token 进行定价。

---

Claude Code 技能的最佳实践

为了充分利用你的自定义工作流，请遵循以下实用指南。

实践	描述	收益
版本控制	将 .claude/skills/ 提交到你的 Git 仓库。	确保整个团队使用相同的编码标准。
定义输入	明确技能期望的变量或文件。	减少歧义，防止 Agent 进行猜测。
提供负面示例	在 Markdown 中包含“不要做什么”的部分。	防止模型重复过去常见的错误。
测试增量更改	先对小的代码更改运行技能。	使调试技能指令变得更加容易。

编写技能时，请将其视为代码。如果技能未能产生预期的输出，请优化提示词、添加更清晰的示例或限制指令的范围。如果你的工作流需要生成代码以外的资产（如 UI 原型或宣传媒体），你可以探索 2026 年最佳 AI 图像模型 API 或 2026 年最佳 AI 视频模型 API，以找到适合这些任务的 API。

---

常见问题解答

我应该将 Claude Code 技能存储在哪里？

你可以将它们本地存储在项目根目录的 .claude/skills/ 中以用于项目特定规则，或者全局存储在 ~/.claude/skills/ 中，以便在机器上的所有项目中应用这些规则。

我可以在 Claude Code 中使用其他模型吗？

Claude Code 是由 Anthropic 设计的，主要用于其自家的模型，如 Claude Sonnet 5。不过，你可以在 TokenLab 模型目录中对比各种模型的功能和定价，查看它们在编码基准测试中的表现。

如何在会话期间禁用技能？

如果你不希望 Claude Code 使用某个特定技能，可以将该 Markdown 文件移出 .claude/skills/ 目录，或者重命名文件扩展名，这样 Agent 就不会将其识别为活动技能。

---

开始使用 TokenLab

准备好优化你的 AI 开发工作流了吗？找到性价比最高的合适模型对于扩展你的应用程序至关重要。探索 TokenLab 代码模型分类，对比最新模型，分析 token 定价，并为你的编码 Agent 找到完美的 LLM。