1. 为什么你的 Claude Code 需要一个专属 SkillClaude Skills 是 Anthropic 给 Claude 系列助手加的一套「技能包」机制本质是把一段可复用的角色设定、工作流程和资源文件打包成一个目录让 Claude 在特定任务里自动按你的规矩办事。它能做的事很具体把「帮我写篇博客」这种模糊指令变成「按我的选题方法、大纲模板、排版规范走一遍」的确定性流程。适合谁适合已经在用 Claude Code 写代码、写文档但每次都要重复贴一大段提示词的人也适合想把团队规范固化下来、让 AI 输出保持一致性的开发者。我自己的痛点是每次让 Claude 审查代码都要重新说明「关注性能、关注安全、给具体示例」说三遍它就忘三遍。后来把要求写进 Skill调用时只写一句「用代码审查技能看下这个文件」输出质量立刻稳定了。但这里有个绕不开的前置问题——Skill 本身不解决模型通道你得先有一个能稳定调用 Claude 的 API 入口。这就是本文把 TaoToken 放在第二步的原因先用统一 Key 把通道打通再谈技能开发否则你连验证都跑不起来。这一节先把场景讲透。Skill 的目录结构长这样你可以先有个印象~/.claude/skills/ ├── code-reviewer/ │ ├── SKILL.md # 核心定义必须有 │ ├── about-me.md # 角色身份 │ ├── user-personas.md # 目标用户 │ └── content/ │ └── checklists/ │ └── review.md └── writing-assistant/ ├── SKILL.md └── ...SKILL.md是入口Claude 启动时会扫描~/.claude/skills/下每个子目录读取其中的SKILL.md里的 YAML frontmattername和description把技能注册进可用列表。当你输入的内容匹配到 description 描述的场景它就会加载对应技能。理解这个加载逻辑很关键后面排障时你会用到。很多人卡在第一步不是不会写 Markdown而是不知道 Skill 和普通提示词的区别在哪。普通提示词是「一次性」的对话结束就没了Skill 是「持久化」的写在磁盘上每次启动都在。所以 Skill 适合放那些长期不变的东西你的代码规范、你的写作风格、你的审查清单。变化的部分留给对话输入。这个边界划清楚你的 Skill 才不会写成一个大杂烩。2. TaoToken 前置统一 Key 与 API 通道准备在写第一个 Skill 之前先把模型调用通道准备好。TaoToken 在这里扮演的角色是「统一 Key 统一 API 入口」你不需要为不同模型分别管理密钥一个 Key 就能在 Claude Code、Cline、Codex 这些工具里复用同一套配置。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 根地址是 https://taotoken.net/api 这个不加 UTM配置时直接用。你需要准备三样东西我把它叫「三件套」后面每个工具配置都围绕它展开配置项值说明Base URLhttps://taotoken.net/api所有请求的根地址API Key在控制台生成形如sk-...只显示一次Model ID如claude-sonnet-4-5按控制台模型列表填先去控制台生成 Key入口在 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 。生成后立刻复制保存页面刷新就看不到了。这一步别偷懒我见过太多人 Key 没存回头又要重新生成。拿到 Key 之后建议先用最轻量的方式验证通道是否通。用 curl 打一个最小请求curl https://taotoken.net/api/v1/messages \ -H Content-Type: application/json \ -H x-api-key: $TAOTOKEN_API_KEY \ -H anthropic-version: 2023-06-01 \ -d { model: claude-sonnet-4-5, max_tokens: 64, messages: [{role: user, content: 回复 OK 两个字母}] }把$TAOTOKEN_API_KEY换成你刚生成的 Key。如果返回里能看到content字段和一段文本说明通道没问题。如果报 401先别急着怀疑 Skill那是 Key 或请求头的问题下一节会专门讲。为什么强调「先验证通道再写 Skill」因为 Skill 的调试依赖模型真实返回。如果通道本身不通你写再多 SKILL.md 也看不到效果排查时会误以为是技能格式写错了白白浪费时间。把变量控制住一次只调一个东西这是排障的基本功。如果你打算长期用 Claude Code 做编码和 Agent 任务可以顺手了解下 Coding Plan入口在 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 它更适合高频调用场景。但本文的验证用按量 Key 就够了不必一上来就上套餐。3. 可复制配置SKILL.md 与 settings 片段这一节给你能直接抄的配置。先建目录再写文件最后把 Claude Code 的 settings 指向 TaoToken。三步走完你的第一个 Skill 就能被识别。第一步创建技能目录和核心文件mkdir -p ~/.claude/skills/code-reviewer/content/checklists cd ~/.claude/skills/code-reviewer第二步写SKILL.md。注意 frontmatter 必须是文件最开头---不能有前导空格--- name: code-reviewer description: 代码审查专家用于检查代码质量、性能瓶颈、安全隐患并给出可执行的修改建议。当用户提到代码审查、review、优化建议时触发。 --- # 代码审查助手 ## 技能定位 你是一名有 10 年经验的代码审查专家专注 - 代码质量与可维护性 - 性能瓶颈识别 - 安全隐患扫描 - 重构方案建议 ## 工作流程 1. 先通读用户提供的代码判断语言和框架 2. 按 checklists/review.md 逐项检查 3. 输出分级建议阻断项 / 建议项 / 可选优化 4. 每条建议必须附代码示例 ## 输出格式 - 用表格列出问题、严重级别、修改建议 - 阻断项放最前面 - 结尾给一个「最小修改集」告诉用户先改哪几行第三步写检查清单content/checklists/review.md# 代码审查检查清单 ## 阻断项必须改 - [ ] 是否存在硬编码密钥、密码 - [ ] 是否有未处理的异常分支 - [ ] 是否存在 SQL 拼接注入风险 ## 建议项 - [ ] 函数是否超过 50 行 - [ ] 是否有重复代码可抽取 - [ ] 命名是否表意清晰 ## 可选优化 - [ ] 是否可用更高效的算法 - [ ] 是否有可缓存的重复计算第四步配置 Claude Code 的 settings。文件路径是~/.claude/settings.json内容如下{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_API_KEY: sk-你的Key, ANTHROPIC_MODEL: claude-sonnet-4-5 } }这里三件套齐了Base URL 指向 TaoTokenAPI Key 用你生成的Model ID 按控制台填。如果你用的是 Cline 或 CC Switch 这类工具配置项名称可能不同但三件套的值是一样的照着填即可。Codex 用户则改~/.codex/auth.json把 base_url 和 api_key 对应替换。配置完记得重启 Claude Code让 settings 生效。重启命令claude restart然后列出技能确认你的code-reviewer出现在列表里claude skill list如果列表里没有八成是SKILL.md的 frontmatter 格式问题下一节会讲怎么排查。4. 验证请求跑通第一个专属技能配置写完了现在验证它真的能用。这一步的目标是让 Claude 加载你的 Skill并按你定义的流程输出。别跳过验证直接上生产我踩过的坑就是「以为配好了」结果 Skill 根本没被识别白忙半天。先做一个最小验证。启动 Claude Code 后输入一句能匹配 description 的话用代码审查技能看下这段代码 def get_user(id): sql select * from users where id id return db.execute(sql)如果 Skill 生效你应该看到它按review.md的清单逐项检查并且把「SQL 拼接注入」列为阻断项附上参数化查询的修改示例。输出里会体现你定义的「分级建议」和「最小修改集」格式。这就是 Skill 和普通对话的区别——格式是你定的不是模型随机发挥的。再验证一次资源文件是否被读取。在review.md里加一条只有你知道的检查项比如「是否缺少日志埋点」然后重新提问。如果新检查项出现在输出里说明content/目录被正确加载了。这个技巧很实用用「独有标记」验证加载链路比看日志快。验证模型通道是否走的是 TaoToken可以看返回的模型标识或者在控制台的调用记录里确认。入口在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 能看到每次请求的时间、模型和消耗。如果记录里有你刚才的调用说明通道和 Skill 都通了。想单独测模型对话是否正常可以用模型对话页面发一条消息入口在 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel-chatutm_campaignrewrite 。这一步和 Skill 无关纯粹确认模型本身可用。分开验证的好处是出问题时你能立刻定位是通道挂了还是 Skill 写错了。验证通过后建议把这次成功的调用参数记下来模型 ID、max_tokens、system 提示。后面你加新 Skill 时这些就是基线改一个变量测一次效率高很多。5. 常见报错排查401、local proxy failed 与技能不加载这一节按真实报错来。你大概率会遇到下面几类我按出现频率排。401 Unauthorized。这是最常见的。原因通常是 Key 没填对、Key 前后有空格、或者请求头字段名写错。Claude Code 用的是x-api-keyOpenAI 兼容格式用的是Authorization: Bearer两者别混。排查命令echo $ANTHROPIC_API_KEY | head -c 10确认输出的前几位是sk-开头且没有多余空格。如果 Key 是对的还报 401检查settings.json里的ANTHROPIC_BASE_URL是不是写成了https://taotoken.net/api/多了个斜杠有时会出问题标准写法不带尾斜杠。local proxy failed。这个报错通常出现在你本地起了代理工具、或者环境变量里残留了HTTP_PROXY。先清掉unset HTTP_PROXY HTTPS_PROXY ALL_PROXY然后重启 Claude Code。如果还报检查settings.json里有没有多余的 proxy 配置项删掉再试。这个错和 Skill 无关是网络层的问题别去改 SKILL.md。reading choices 报错。这个一般出现在用 OpenAI 兼容接口调 Claude 时返回体结构对不上。原因是有些工具默认按 OpenAI 的choices字段解析但 Anthropic 原生返回是content。解决办法是确认你的工具走的是 Anthropic 原生协议Base URL 用https://taotoken.net/api而不是兼容层地址。如果工具只支持 OpenAI 格式那就换用支持 Anthropic 协议的客户端。OAuth 相关报错。如果你之前登录过官方账号本地可能残留 OAuth token和 API Key 冲突。清掉旧凭证rm -rf ~/.claude/credentials.json然后重新用 API Key 配置。注意别把settings.json一起删了那是你的配置。技能不加载。claude skill list里看不到你的技能按顺序查目录名是否在~/.claude/skills/下SKILL.md是否在技能目录根层frontmatter 的---是否在文件第一行name和description是否都有值。用这条命令快速看head -5 ~/.claude/skills/code-reviewer/SKILL.md如果第一行不是---就是格式问题。YAML 对缩进敏感name:后面要有空格。模型 ID 不存在。报错里会写model not found。去控制台模型列表核对准确的 Model ID别凭记忆写。不同版本的 ID 后缀不一样写错一个字符就调不通。排查的核心思路是「分层定位」先确认通道curl 能不能通再确认配置settings 三件套最后确认 Skillfrontmatter 和目录。一次只改一层改完立刻验证。这样你不会陷入「改了一堆不知道哪个生效」的混乱。6. 把 Skill 用起来从单技能到技能库跑通第一个 Skill 之后你可以开始扩展。我的建议是别一上来就建十个技能先把一个打磨到「每次输出都符合预期」再复制这套结构建第二个。技能库的价值在于复用不在于数量。扩展时注意命名规范。用code-reviewer、api-designer、writing-assistant这种表意清晰的名字别用skill1、my-skill。因为description是触发匹配的依据名字和描述写清楚Claude 才能在对的场景加载对的技能。描述里把触发关键词写进去比如「当用户提到代码审查、review、优化建议时触发」匹配率会明显提升。资源文件按用途分目录。content/checklists/放检查清单content/templates/放模板content/methods/放方法论。这样你维护时一眼能找到。我习惯在每个 Skill 里放一个about-me.md定义角色一个user-personas.md定义目标用户输出时 Claude 会参考这两个文件调整语气和深度。版本管理用 Git。把~/.claude/skills/做成一个仓库每次改完提交一次。这样你能回溯「哪次改动导致输出变差」也能把技能库同步到多台机器。分享给别人时对方 clone 到自己的 skills 目录即可。最后说一个实用技巧给 Skill 加「调试模式」。在SKILL.md里写一段「当用户输入包含 debug 时输出你读取了哪些文件、匹配了哪条规则」。这样当输出不符合预期时你能看到它的决策路径比猜快得多。整套流程走下来你会发现 Skill 的真正门槛不在写 Markdown而在「把隐性经验显性化」。你脑子里那些「审查代码时该看什么」的直觉写成清单就是 Skill。写的过程本身就是一次对自己工作方法的梳理。通道用 TaoToken 统一好剩下的就是不断迭代你的技能库让它越来越像「你的」助手。
Claude Skills 完整入门指南：用 TaoToken 统一 Key 打造你的专属 AI 助手
1. 为什么你的 Claude Code 需要一个专属 SkillClaude Skills 是 Anthropic 给 Claude 系列助手加的一套「技能包」机制本质是把一段可复用的角色设定、工作流程和资源文件打包成一个目录让 Claude 在特定任务里自动按你的规矩办事。它能做的事很具体把「帮我写篇博客」这种模糊指令变成「按我的选题方法、大纲模板、排版规范走一遍」的确定性流程。适合谁适合已经在用 Claude Code 写代码、写文档但每次都要重复贴一大段提示词的人也适合想把团队规范固化下来、让 AI 输出保持一致性的开发者。我自己的痛点是每次让 Claude 审查代码都要重新说明「关注性能、关注安全、给具体示例」说三遍它就忘三遍。后来把要求写进 Skill调用时只写一句「用代码审查技能看下这个文件」输出质量立刻稳定了。但这里有个绕不开的前置问题——Skill 本身不解决模型通道你得先有一个能稳定调用 Claude 的 API 入口。这就是本文把 TaoToken 放在第二步的原因先用统一 Key 把通道打通再谈技能开发否则你连验证都跑不起来。这一节先把场景讲透。Skill 的目录结构长这样你可以先有个印象~/.claude/skills/ ├── code-reviewer/ │ ├── SKILL.md # 核心定义必须有 │ ├── about-me.md # 角色身份 │ ├── user-personas.md # 目标用户 │ └── content/ │ └── checklists/ │ └── review.md └── writing-assistant/ ├── SKILL.md └── ...SKILL.md是入口Claude 启动时会扫描~/.claude/skills/下每个子目录读取其中的SKILL.md里的 YAML frontmattername和description把技能注册进可用列表。当你输入的内容匹配到 description 描述的场景它就会加载对应技能。理解这个加载逻辑很关键后面排障时你会用到。很多人卡在第一步不是不会写 Markdown而是不知道 Skill 和普通提示词的区别在哪。普通提示词是「一次性」的对话结束就没了Skill 是「持久化」的写在磁盘上每次启动都在。所以 Skill 适合放那些长期不变的东西你的代码规范、你的写作风格、你的审查清单。变化的部分留给对话输入。这个边界划清楚你的 Skill 才不会写成一个大杂烩。2. TaoToken 前置统一 Key 与 API 通道准备在写第一个 Skill 之前先把模型调用通道准备好。TaoToken 在这里扮演的角色是「统一 Key 统一 API 入口」你不需要为不同模型分别管理密钥一个 Key 就能在 Claude Code、Cline、Codex 这些工具里复用同一套配置。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 根地址是 https://taotoken.net/api 这个不加 UTM配置时直接用。你需要准备三样东西我把它叫「三件套」后面每个工具配置都围绕它展开配置项值说明Base URLhttps://taotoken.net/api所有请求的根地址API Key在控制台生成形如sk-...只显示一次Model ID如claude-sonnet-4-5按控制台模型列表填先去控制台生成 Key入口在 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 。生成后立刻复制保存页面刷新就看不到了。这一步别偷懒我见过太多人 Key 没存回头又要重新生成。拿到 Key 之后建议先用最轻量的方式验证通道是否通。用 curl 打一个最小请求curl https://taotoken.net/api/v1/messages \ -H Content-Type: application/json \ -H x-api-key: $TAOTOKEN_API_KEY \ -H anthropic-version: 2023-06-01 \ -d { model: claude-sonnet-4-5, max_tokens: 64, messages: [{role: user, content: 回复 OK 两个字母}] }把$TAOTOKEN_API_KEY换成你刚生成的 Key。如果返回里能看到content字段和一段文本说明通道没问题。如果报 401先别急着怀疑 Skill那是 Key 或请求头的问题下一节会专门讲。为什么强调「先验证通道再写 Skill」因为 Skill 的调试依赖模型真实返回。如果通道本身不通你写再多 SKILL.md 也看不到效果排查时会误以为是技能格式写错了白白浪费时间。把变量控制住一次只调一个东西这是排障的基本功。如果你打算长期用 Claude Code 做编码和 Agent 任务可以顺手了解下 Coding Plan入口在 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 它更适合高频调用场景。但本文的验证用按量 Key 就够了不必一上来就上套餐。3. 可复制配置SKILL.md 与 settings 片段这一节给你能直接抄的配置。先建目录再写文件最后把 Claude Code 的 settings 指向 TaoToken。三步走完你的第一个 Skill 就能被识别。第一步创建技能目录和核心文件mkdir -p ~/.claude/skills/code-reviewer/content/checklists cd ~/.claude/skills/code-reviewer第二步写SKILL.md。注意 frontmatter 必须是文件最开头---不能有前导空格--- name: code-reviewer description: 代码审查专家用于检查代码质量、性能瓶颈、安全隐患并给出可执行的修改建议。当用户提到代码审查、review、优化建议时触发。 --- # 代码审查助手 ## 技能定位 你是一名有 10 年经验的代码审查专家专注 - 代码质量与可维护性 - 性能瓶颈识别 - 安全隐患扫描 - 重构方案建议 ## 工作流程 1. 先通读用户提供的代码判断语言和框架 2. 按 checklists/review.md 逐项检查 3. 输出分级建议阻断项 / 建议项 / 可选优化 4. 每条建议必须附代码示例 ## 输出格式 - 用表格列出问题、严重级别、修改建议 - 阻断项放最前面 - 结尾给一个「最小修改集」告诉用户先改哪几行第三步写检查清单content/checklists/review.md# 代码审查检查清单 ## 阻断项必须改 - [ ] 是否存在硬编码密钥、密码 - [ ] 是否有未处理的异常分支 - [ ] 是否存在 SQL 拼接注入风险 ## 建议项 - [ ] 函数是否超过 50 行 - [ ] 是否有重复代码可抽取 - [ ] 命名是否表意清晰 ## 可选优化 - [ ] 是否可用更高效的算法 - [ ] 是否有可缓存的重复计算第四步配置 Claude Code 的 settings。文件路径是~/.claude/settings.json内容如下{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_API_KEY: sk-你的Key, ANTHROPIC_MODEL: claude-sonnet-4-5 } }这里三件套齐了Base URL 指向 TaoTokenAPI Key 用你生成的Model ID 按控制台填。如果你用的是 Cline 或 CC Switch 这类工具配置项名称可能不同但三件套的值是一样的照着填即可。Codex 用户则改~/.codex/auth.json把 base_url 和 api_key 对应替换。配置完记得重启 Claude Code让 settings 生效。重启命令claude restart然后列出技能确认你的code-reviewer出现在列表里claude skill list如果列表里没有八成是SKILL.md的 frontmatter 格式问题下一节会讲怎么排查。4. 验证请求跑通第一个专属技能配置写完了现在验证它真的能用。这一步的目标是让 Claude 加载你的 Skill并按你定义的流程输出。别跳过验证直接上生产我踩过的坑就是「以为配好了」结果 Skill 根本没被识别白忙半天。先做一个最小验证。启动 Claude Code 后输入一句能匹配 description 的话用代码审查技能看下这段代码 def get_user(id): sql select * from users where id id return db.execute(sql)如果 Skill 生效你应该看到它按review.md的清单逐项检查并且把「SQL 拼接注入」列为阻断项附上参数化查询的修改示例。输出里会体现你定义的「分级建议」和「最小修改集」格式。这就是 Skill 和普通对话的区别——格式是你定的不是模型随机发挥的。再验证一次资源文件是否被读取。在review.md里加一条只有你知道的检查项比如「是否缺少日志埋点」然后重新提问。如果新检查项出现在输出里说明content/目录被正确加载了。这个技巧很实用用「独有标记」验证加载链路比看日志快。验证模型通道是否走的是 TaoToken可以看返回的模型标识或者在控制台的调用记录里确认。入口在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 能看到每次请求的时间、模型和消耗。如果记录里有你刚才的调用说明通道和 Skill 都通了。想单独测模型对话是否正常可以用模型对话页面发一条消息入口在 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel-chatutm_campaignrewrite 。这一步和 Skill 无关纯粹确认模型本身可用。分开验证的好处是出问题时你能立刻定位是通道挂了还是 Skill 写错了。验证通过后建议把这次成功的调用参数记下来模型 ID、max_tokens、system 提示。后面你加新 Skill 时这些就是基线改一个变量测一次效率高很多。5. 常见报错排查401、local proxy failed 与技能不加载这一节按真实报错来。你大概率会遇到下面几类我按出现频率排。401 Unauthorized。这是最常见的。原因通常是 Key 没填对、Key 前后有空格、或者请求头字段名写错。Claude Code 用的是x-api-keyOpenAI 兼容格式用的是Authorization: Bearer两者别混。排查命令echo $ANTHROPIC_API_KEY | head -c 10确认输出的前几位是sk-开头且没有多余空格。如果 Key 是对的还报 401检查settings.json里的ANTHROPIC_BASE_URL是不是写成了https://taotoken.net/api/多了个斜杠有时会出问题标准写法不带尾斜杠。local proxy failed。这个报错通常出现在你本地起了代理工具、或者环境变量里残留了HTTP_PROXY。先清掉unset HTTP_PROXY HTTPS_PROXY ALL_PROXY然后重启 Claude Code。如果还报检查settings.json里有没有多余的 proxy 配置项删掉再试。这个错和 Skill 无关是网络层的问题别去改 SKILL.md。reading choices 报错。这个一般出现在用 OpenAI 兼容接口调 Claude 时返回体结构对不上。原因是有些工具默认按 OpenAI 的choices字段解析但 Anthropic 原生返回是content。解决办法是确认你的工具走的是 Anthropic 原生协议Base URL 用https://taotoken.net/api而不是兼容层地址。如果工具只支持 OpenAI 格式那就换用支持 Anthropic 协议的客户端。OAuth 相关报错。如果你之前登录过官方账号本地可能残留 OAuth token和 API Key 冲突。清掉旧凭证rm -rf ~/.claude/credentials.json然后重新用 API Key 配置。注意别把settings.json一起删了那是你的配置。技能不加载。claude skill list里看不到你的技能按顺序查目录名是否在~/.claude/skills/下SKILL.md是否在技能目录根层frontmatter 的---是否在文件第一行name和description是否都有值。用这条命令快速看head -5 ~/.claude/skills/code-reviewer/SKILL.md如果第一行不是---就是格式问题。YAML 对缩进敏感name:后面要有空格。模型 ID 不存在。报错里会写model not found。去控制台模型列表核对准确的 Model ID别凭记忆写。不同版本的 ID 后缀不一样写错一个字符就调不通。排查的核心思路是「分层定位」先确认通道curl 能不能通再确认配置settings 三件套最后确认 Skillfrontmatter 和目录。一次只改一层改完立刻验证。这样你不会陷入「改了一堆不知道哪个生效」的混乱。6. 把 Skill 用起来从单技能到技能库跑通第一个 Skill 之后你可以开始扩展。我的建议是别一上来就建十个技能先把一个打磨到「每次输出都符合预期」再复制这套结构建第二个。技能库的价值在于复用不在于数量。扩展时注意命名规范。用code-reviewer、api-designer、writing-assistant这种表意清晰的名字别用skill1、my-skill。因为description是触发匹配的依据名字和描述写清楚Claude 才能在对的场景加载对的技能。描述里把触发关键词写进去比如「当用户提到代码审查、review、优化建议时触发」匹配率会明显提升。资源文件按用途分目录。content/checklists/放检查清单content/templates/放模板content/methods/放方法论。这样你维护时一眼能找到。我习惯在每个 Skill 里放一个about-me.md定义角色一个user-personas.md定义目标用户输出时 Claude 会参考这两个文件调整语气和深度。版本管理用 Git。把~/.claude/skills/做成一个仓库每次改完提交一次。这样你能回溯「哪次改动导致输出变差」也能把技能库同步到多台机器。分享给别人时对方 clone 到自己的 skills 目录即可。最后说一个实用技巧给 Skill 加「调试模式」。在SKILL.md里写一段「当用户输入包含 debug 时输出你读取了哪些文件、匹配了哪条规则」。这样当输出不符合预期时你能看到它的决策路径比猜快得多。整套流程走下来你会发现 Skill 的真正门槛不在写 Markdown而在「把隐性经验显性化」。你脑子里那些「审查代码时该看什么」的直觉写成清单就是 Skill。写的过程本身就是一次对自己工作方法的梳理。通道用 TaoToken 统一好剩下的就是不断迭代你的技能库让它越来越像「你的」助手。