大多数每天使用 Claude 的人，仍然在每次对话开始时复制粘贴同一套指令。同一段品牌语气描述。同一份输出格式。同一张要记住的清单。Claude 有一个功能彻底终结这种重复。它已经登陆 Pro、Max、Team 和 Enterprise 方案，而大多数用户连一个都没有建立过。它叫 Skills，当你打造出第一个之后，使用 AI 的方式会彻底改变。
一个 Skill 就是一个文件夹，里面只有一个叫 SKILL.md 的 Markdown 文件。这个文件教 Claude 认识你的工作方式、你的标准，以及处理某个重复任务的步骤。你写一次。启用它。从此每场对话都已经知道你怎样做这件事。不用再复制粘贴。不用再提醒。周二和周五的输出品质不再参差。
这份指南带你在 30 分钟内打造第一个 Skill，附上一份可以直接套用的范本，几乎能应用到任何重复工作流。完全不需要编写代码，整件事就是写一个文字文件而已。
Claude Skill 是什么？
Claude Skill 是一个 Markdown 文件，前面附带 YAML 描述（一个 name 字段和一个 description 字段），后面是用日常英文写的指令。当你的提问匹配这个 Skill 的描述，Claude 会自动加载它。Skills 取代了反复复制粘贴提示的工作流，提供稳定且可版本控制的自动化方法。Skills 在 Pro、Max、Team 和 Enterprise 方案上可用，需在「Settings > Feature Previews」内开启 Code Execution。
让 Skills 概念瞬间清晰的思维模型是：把 Skill 想像成同事的入职文档，但对象是 Claude。当新进员工加入团队，你不会每周一重新训练他。你交给他品牌指南、工作流文档，加几份范例输出。他读一次，然后永远按这个标准执行。Skill 就是 Claude 版的入职文档。
Skills 与旧有的 Custom Instructions 或 Projects 功能差别在于覆盖面。Custom Instructions 全账户通用。Projects 将上下文限定在某个文件夹。Skill 则可携带、可分享，并会根据你的提问自动触发，不受对话窗口限制。你可以同时启用十个 Skill，Claude 会自己挑选最匹配当下任务的那一个。
Anthropic 在 2026 年 3 月推出 Skills 2.0，加入三个对建立者重要的功能：内建 evals（Claude 会跑你的 Skill 两次，一次加载、一次不加载，然后评分差异）、A/B testing（另一个 Claude 在不知情下评判哪个输出更好）、trigger optimisation（自动改写你的 Skill 描述直到它稳定触发）。第一次建立时你不需要用上这些，但等你的 Skill 需要调校时，它们就在那里。
Claude 怎样知道何时使用一个 Skill？
Claude 是否加载某个 Skill，完全取决于 SKILL.md 文件最顶端 YAML 中的 description 字段。这个 description 会与你的提问实时比对。如果描述听起来像当下的任务，Skill 会启用。如果描述含糊或过于空泛，无论里面的指令写得多好，Skill 都不会被触发。
这个关键点正是大多数初次建立 Skill 的人失败的原因。他们在 Skill 内写了一份精彩的指令集，然后把描述写成「协助营销工作」，再纳闷为何 Claude 从来不用这个 Skill。Description 不是给浏览清单的人看的，它是给 Claude 扫描提问用的。
修正方法是用真实用户的口吻写描述。如果你的 Skill 是写 LinkedIn 贴文，描述应包含「写一篇 LinkedIn 贴文」、「拟一则 LinkedIn 更新」、「为 LinkedIn 写文案」这类自然变化的措辞。如果你的 Skill 是制作每周客户报告，加入「每周进度报告」、「客户更新邮件」、「周五汇报」。覆盖三至五种常见讲法。
Anthropic 自家 skill-creator 元 Skill 有一条实用守则：description 应该听起来像你会在聊天中自然提出该任务的方式。读出声。如果听起来像内部文档，重写。如果听起来像真实用户提问，方向就对了。
如何建立一个自订 Claude Skill？
建立自订 Claude Skill 的方法是：写一个 SKILL.md 文件，包含 YAML 描述（name 和 description）以及 Claude 应遵循的指令，然后上传至「Settings > Capabilities > Skills」。整个结构就是纯文字。没有安装、没有环境设定、没有命令列。最简可行的 Skill 大约只需 30 行内容。
步骤 1：精准定义任务。具体一点。「营销协助」太笼统，Claude 永远不知道何时该加载它。「以我的语气撰写带动个人档案浏览量的 LinkedIn 贴文」就是对的形状。任务越聚焦，Skill 表现越好。
步骤 2：设定角色。给 Claude 一个与所需专业匹配的身份。「你是 LinkedIn 增长策略师，曾协助香港营销人员把追踪者由 500 增长至 10,000」比「你是写作助手」有用得多。角色设定塑造 Claude 的语气与判断。
步骤 3：补上 Claude 需要的脉络。品牌语气规则、受众画像、应避免的术语、你欣赏的范例输出。这是输出品质最关键的决定因素。略过这一步就会得到通用内容；放入三个真实范例，Claude 会自行配对风格。
步骤 4：将指令写成编号步骤。每一步应产出一个明确的中间输出，喂给下一步使用。步骤 1 可以是「从用户输入抽取核心观点」。步骤 2 可以是「拟三个开头句」。这迫使 Claude 分阶段思考，避免一次吐出一团糊状内容。
步骤 5：明确指定输出格式。用 Markdown 标题、项目符号或一份完整的范本，展示最终交付物应该长什么样。如果你想严格控制品质，并列一个「优秀范例」和一个「不及格范例」，效果立竿见影。
能用的 SKILL.md 范本长什么样？
能正常运作的 SKILL.md，开头是三个横线包住的 YAML 描述（只需 name 和 description 两个字段），后面跟着清晰的 Markdown 指令，分为角色、脉络、步骤、输出格式四节。下方是一份完整范本，你可以直接复制、加入自己的品牌细节、上传，20 分钟内就有你第一个 Skill。
试试这个范本（存成 SKILL.md）：
---
name: linkedin-post-writer
description: Write a LinkedIn post that sounds like the user's voice. Triggers when the user says "write a LinkedIn post," "draft a LinkedIn update," "post on LinkedIn," "create a LinkedIn caption," or shares a topic and asks for a LinkedIn version. Use for personal LinkedIn posts targeting HK marketing and tech professionals.
---
# LinkedIn Post Writer
## Role
You are a LinkedIn growth strategist who has helped HK marketing and tech professionals grow audiences from 500 to 10,000+ followers. You write in a clear, opinionated, peer-to-peer voice. Never corporate. Never hype.
## Context (My Voice)
- Audience: HK marketers and operators aged 25 to 45
- Voice: confident, slightly nerdy, no jargon-as-status
- Avoid: emojis, "thrilled to announce," "in today's fast-paced world"
- Length sweet spot: 80 to 150 words
- Always end with a single direct question
## Steps
1. Extract the core insight in one sentence.
2. Draft three different hooks: contrarian, specific number, confession.
3. Pick the strongest hook. Build a 3-paragraph post.
4. End with a question that drives comments.
5. Self-check: real person voice or brand voice? If brand, rewrite.
## Output Format
Return only the final post text. No preamble.
整份范本大约 25 行。存成 SKILL.md，放进命名为 linkedin-post-writer 的文件夹，把文件夹打包成 zip，然后在「Settings > Capabilities > Skills」上传。从下一场对话起，当你说「写一篇关于 X 的 LinkedIn 贴文」，这个 Skill 就会自动被加载。
建立 Skill 最常见的三个错误？
第一次建立 Claude Skill 最常见的三个错误是：描述太空泛导致无法触发、指令埋在长段落里让 Claude 抓不到重点、缺乏范例输出迫使 Claude 自行猜测品质标准。三个都能在五分钟内修正，前提是你知道要看什么。
错误 1：描述写给人看，不是写给 Claude 看。「协助社交媒体的 Skill」永远不会触发。Claude 比对的是真实用户措辞。把描述改成用户语言：「当用户要求撰写 LinkedIn 贴文、拟 LinkedIn 文案、制作 Twitter 串文时触发。」
错误 2：把指令写成短文。整段散文式的说明，Claude 难以稳定遵循。把段落拆成编号步骤，每步只做一件事，Claude 按顺序执行就能产出可预期的结果。这是收益最高的单一改动。
错误 3：没有范例。Claude 在你示范「好的长什么样」之后，模式比对能力极强。在 Skill 后段加上「优秀范例」和「不及格范例」两节。实测中，加入两个范例往往带来 30 至 50% 的品质提升。
额外错误：忘记在新对话测试。务必在全新对话中测试你的 Skill，而不是建立 Skill 的那场对话。建立的对话中已经带有所有上下文；新对话才是检验描述是否稳定触发的真实场景。
怎样验证 Skill 是否真的在运作？
验证 Skill 的方法是：开一场全新的 Claude 对话，用三种不同讲法提出该 Skill 应处理的任务，看 Claude 是否在三次中都加载该 Skill。如果只触发一次，描述太狭窄。如果完全不触发，描述太空泛。修正点永远是描述本身，不是里面的指令。
一个五分钟的快速测试流程：开新对话，贴上你会真实提出的任务。看 Claude 的回应。如果 Skill 启用，输出通常立刻匹配你指定的格式和语气。如果输出看起来通用，Skill 没有加载。
如果你的账户已启用 Skills 2.0 evals，可以直接跑正式 A/B 测试。Claude 会分别在「加载」与「不加载」状态下执行任务，按你设定的标准评分两个输出，告诉你差距多大。第一个 Skill 不需要用到这个，但当你有三、四个 Skill、想知道哪个带来最大提升时，这就值得用。
Skill 真正运作的讯号是：三周后你停止注意到它的存在。输出自然以你的语气、你的格式、你的标准呈现。那一刻，Skills 从「我试过的功能」变成「我倚赖的工具」。
第一个 Skill 该为什么任务而建？
第一个 Claude Skill 应为一项你每周至少做两次、输出格式明确、现时每次都复制粘贴同一套指令给 Claude 的任务而建。重复度加上一致格式等于最高回报。LinkedIn 贴文撰写器、每周进度报告产生器、客户会议摘要器，都是理想的首选。
「每周两次」这个门槛重要，因为 Skills 会复利。你建立一个 Skill 投入的时间，会被未来每一次使用摊分。一个你明年用 100 次的 Skill，能省下 100 次提示设置。一个只用两次的 Skill，永远回不了本。要挑高频任务。
「输出格式明确」这个条件重要，因为 Skills 的强项在于一致性。它们最弱的场景是开放式创意任务，那些任务你自己也还不知道想要什么。这类工作留给直接提示。Skills 适合「我清楚知道好的长什么样，而且我每次都要这个结果」。
一个具体建议：从你最常贴在新对话最顶端的那段话开始。那段话就是你的第一个 Skill。你反复贴它这个事实本身，就是在告诉你它应该变成 Skill。今天下午建好，下一场需要它的对话就会自动运作。
结语：Skills 是大多数人错过的关键升级
Skills 是把「随意使用 Claude」与「真正利用 Claude」之间的鸿沟填平的升级。建立成本低：第一个 30 分钟，掌握模式后每个 10 分钟。回报是永久的：所有关于该任务的对话，从此永远以你的最高品质作为预设输出。提示不一致的挫折感消失。
大多数用户尚未建立第一个的原因，纯粹是摩擦力。设定埋在 Feature Previews 里。第一次建立感觉不确定。但只要一个 Skill 跑通了，再建另外四个只需一个下午，你和 Claude 的关系会从「我用的工具」转变为「已经知道我标准的同事」。
懂AI，更懂你 UD相伴，AI不冷。在 UD，我们花了 28 年协助香港企业把复杂技术转化为可靠的工作流程。Skills 正是这个模式套用到 AI 上的版本：把标准写一次，永远执行下去。
第一次就把 Skill 建对
范本你已经有了。下一步是把它对应到你日常工作中真实的工作流，设计能稳定触发的 Skills，并把它们整合进你团队的 AI 配置。UD 团队手把手带你完成每一步，从你第一个 SKILL.md 文件，到一整套处理你现时每天复制粘贴五次工作的小型 Skill 库。