你是否厌倦了在dify里拖拽几十个节点,只为实现一个简单的AI工作流?是否在n8n里调试到半夜,却还是找不到哪个节点出了问题?是否在coze里维护了5个流程,每次需求变更都想删库跑路?
我懂。因为我也经历过这一切。
但现在,游戏规则变了。Claude Skills的出现,让所有基于"画流程图"的工作流工具都显得笨重而过时。这不是危言耸听,而是一场正在发生的范式革命。
核心观点先行:从今天起,你不需要再在可视化编辑器里拖拽节点、连线调试。更震撼的是,你只需要用人话告诉Claude你想要什么Skill,Claude会帮你起草完整的Skill文档。然后当你提出相关请求时,Claude会自动应用这个Skill。这就是Claude Skills带来的降维打击。
Claude Skills到底是什么?
根据官方文档,Skill是一个Markdown文件,它教Claude如何做特定的事情。当你要求Claude做与Skill目的相匹配的事情时,Claude会自动应用它——不需要你显式调用。
传统workflow的做法(比如在dify里):
打开可视化编辑器
拖一个“输入节点”
连接到“LLM节点”,配置prompt
再连接到“调用API节点”
最后连接到“输出节点”
测试、调试、再测试...
一个简单的“分析文档+生成报告”流程,你可能需要10-15个节点,花费1-2小时。
Claude Skills的做法:
写一份Markdown文档:
---
name: commit-helper
description: Generates clear commit messages from git diffs. Use when writing commit messages or reviewing staged changes.
---
# 生成提交信息
## 指令
1. 运行 `git diff --staged` 查看更改
2. 生成符合Conventional Commits格式的信息:
- 摘要低于50字符
- 详细描述内部逻辑变更
- 引用相关issue编号(如果有)
## 最佳实践
- 使用申令式现在时(“Add feature”而非“Added”)
- 解释什么和为什么,不解释怎么做
这是官方文档中的真实案例,来自 Anthropic 的 Agent Skills Repository。
但等等,还有更震撼的:
你甚至可以让Claude帮你起草，先用让cc安装Anthropic官方插件商店，然后安装skill-creator，可以直接让cc帮忙安装https://github.com/anthropics/skills下的skill-creator，之后直接告诉Claude:
"帮我创建一个提交信息生成Skill,分析git diff并生成符合Conventional Commits格式的信息。”
Claude会帮你起草类似上面的Skill文档。
Claude可以帮你生成Skill文档的初始版本。你只需要说想要什么,Claude会帮你起草。
重要注明(来自官方文档):
Skill文档需要保存在特定目录:
项目级: `.claude/skills/your-skill/SKILL.md`
个人级: `~/.claude/skills/your-skill/SKILL.md`
企业级: 通过托管设置部署
Skill文件包含两部分:
YAML元数据:包含`name`和`description`(必需),`description`是Claude决定是否使用你Skill的关键
Markdown说明:告诉Claude如何执行任务的步骤和最佳实践
真正的革命在于:
dify/n8n: 你拖拽节点、连线、配置参数,然后手动触发执行
Claude Skills: 你创建Skill文档(可以让Claude帮你起草),然后Claude根据你的请求自动决定何时应用它
从“你做执行”到“AI做执行”,从“你写代码”到“AI写代码”,从“你画流程图”到“连流程图都不用画”。
关键区别在哪?
Workflow工具让你在技术层面思考:“这个节点连那个节点”、“这个参数怎么传递”。你在当低代码工程师。
Skills让你在业务层面思考:“这个任务的目标是什么”、“需要哪些步骤”。你在写产品需求文档。
这是从执行层到意图层的跃升。
Skills工作原理:渐进式披露的魔法
这里是Skills最关键的设计:它用渐进式披露(Progressive Disclosure)来节省token。
传统方式的问题:
Workflow工具和Function Calling都有一个致命问题:每次对话开始时,你必须把所有工具/节点的定义全部加载到context里。即使你只用其中一个,其他的也在消耗token。
想象一下:
你有10个Skills,每个500行文档
如果全部加载 = 5000行文档 × 每次对话 = token火箭筒
Skills的解决方案(来自官方文档):
启动阶段:
Claude只读取所有Skills的`name`和`description`(YAML元数据) 这个开销很小:每个Skill只有2-3行文本 Claude建立一个“能力索引”:知道自己有哪些技能
匹配阶段:
当你提出请求时,Claude根据`description`判断哪个Skill相关 这是智能匹配,不是关键词匹配 例子:你说“帮我写个提交信息” → Claude识别到commit-helper
加载阶段:
只有这时,Claude才读取匹配到的Skill完整文档 其他Skills的详细内容仍然不加载 结果:token消耗线性增长,而非指数爆炸
对比效果:
| 场景 | Function Calling | Claude Skills |
| ------------ | ---------------- | ------------------- |
| 10个工具,只用其中1个 | 加载10个完整定义 | 加载10个简述 + 1个完整Skill |
| Token消耗 | \~5000 tokens | \~500 tokens |
| 节省比例 | - | 90% |
这就是为什么Skills可以支持复杂工作流:
你可以有几十个专业Skill(代码审查、文档分析、数据处理...),每次只激活需要的那个,而不会被其他业务逻辑干扰。
这就像一个动态加载的专家团队:所有专家都在待命,但只有需要的那个才会入场。
Skill结构最佳实践
根据官方文档,一个高质量Skill应该包含:
1. YAML元数据(必需):
---
name: skill-name
description: Clear, specific description of when to use this skill. This is the ONLY thing Claude reads at startup.
---
关键提示:
`description`是最重要的字段,Claude靠它决定是否应用这个Skill
要具体、明确,不要模糊(“Use when writing commit messages” > “Helps with git”)
用第三人称(“Generates commit messages”而非“I will generate...”)
2. Markdown说明(Skill主体):
# Skill Name
## Instructions
1. Step-by-step guidance for Claude
2. Be specific about what to do
3. Include error handling
## Examples
Show concrete examples of input/output
## Best Practices
- List key principles
- Common pitfalls to avoid
3. 渐进式披露的高级技巧:
当Skill内容超过500行时,将它分解:
skill-name/
├── SKILL.md # 概述和快速开始(100-200行)
├── DETAILED_GUIDE.md # 详细指南
└── EXAMPLES.md # 大量示例
在`SKILL.md`中引用:
For complete guide, see DETAILED_GUIDE.md
For examples, see EXAMPLES.md
为什么这样做:
Claude只在需要时才读取详细文档
减少不相关信息干扰
更易维护和协作
4. 可执行脚本(可选):
Skill可以包含脚本文件:
skill-name/
├── SKILL.md
├── scripts/
│ ├── analyze.py
│ └── format.sh
└── templates/
└── report_template.md
Claude可以调用这些脚本(通过Analysis Tool),实现混合工作流:文档定义意图 + 代码执行操作。
Workflow vs Claude Skills:一场没有悬念的革命
让我们直接看核心对比:
| 维度 | Workflow工具(dify/n8n/coze) | Claude Skills |
| -------- | ------------------------- | ---------------------- |
| 开发方式 | 你拖拽节点+配置参数 | 你说需求,Claude帮你起草Skill文档 |
| 学习曲线 | 高(需要学习每个平台特有概念) | 低(会说人话就行) |
| 开发时间 | 1-3天(简单流程) | 1-3小时 |
| 维护成本 | 很高(改一个逻辑得重新连线) | 低(直接改文档) |
| 调试难度 | 困难(节点多难定位) | 简单(看日志+改文档) |
| 复杂场景 | 节点数量爆炸,图形难以理解 | 文档长度线性增长 |
| 协作方式 | 难(只能看图) | 易(Git版本管理) |
| AI能力 | 受限于节点设计 | 充分释放Claude 3.5智能 |
真实案例对比:
场景:做一个"PR代码审查器"(官方案例)
用dify实现:
拖拽“输入节点”接收日期参数
拖拽“HTTP请求节点”访问reddit API
拖拽“JSON解析节点”处理返回数据
拖拽“循环节点”遍历帖子
拖拽“LLM节点”判断是否相关
拖拽“条件分支节点”筛选
拖拽另一个“LLM节点”提取摘要
拖拽“数据聚合节点”收集结果
拖拽最终的“LLM节点”生成报告
连线、配置、测试...
总耗时:1-2天(包括学习平台+配置+调试)
用Claude Skills实现:
方法1(传统方式):写一份300行Markdown,定义Skill的目标、工作流程、输出格式、MCP Server调用。
方法2(真正的革命):直接告诉Claude:
"帮我创建一个PR代码审查Skill,检查代码质量、边缘情况处理、可读性和项目规范。包含以下检查项:是否处理null/undefined、是否有敏感信息硬编码、是否符合样式指南。”
Claude会帮你起草Skill文档。然后你需要:
将它保存到`.claude/skills/pr-reviewer/SKILL.md`
完善YAML元数据和检查清单
测试:当你说“帮我审查这个PR”,Claude会自动应用这个Skill
然后当你说“帮我审查当前分支的更改”,Claude会自动应用PR审查Skill。
总耗时:30分钟-1小时(起草+保存+调试)
关键差异:
零门槛: Workflow需要学习平台逻辑,Skills只需要会说人话(然后让Claude帮你起草)。
自动触发: Workflow需要你手动运行,Skills是Claude根据你的请求自动应用。这是核心差异!
智能程度: Workflow是“我告诉你每一步怎么做”,Skills是“我告诉你目标,你自己决定怎么做”。
可读性: 3个月后再看自己的dify流程图,你可能已经忘记当初的逻辑。但Markdown文档一目了然。
3天实践指南:从零到专家
下面是一个经过验证的学习路径,帮你在3天内掌握Claude Skills并做出生产级项目。
前置准备:安装Claude Code
在开始学习之前,你需要先安装Claude Code并设置好环境。
1. 安装Claude Code (30分钟)
按照 志辉教练的Claude Code安装指南 完成安装:
下载Claude Desktop
配置Claude Code CLI
验证安装成功
2. 安装官方Skills (15分钟)
在Claude中输入这个提示词:
“根据https://github.com/anthropics/skills安装skills”
Claude会帮你:
克隆官方Skills仓库
将Skills安装到正确的目录
验证Skills是否可用
验证安装:
安装完成后,试着说:“帮我分析这个PDF文档”或“帮我写个提交信息”,看Claude是否能自动应用相关Skill。
Day 1:理解基础
上午(2小时):官方文档+社区资源
阅读官方文档 (1小时)
访问 Anthropic 官方Skills文档,重点关注: Skills的基本结构(这是核心!) 如何定义工具(Tools)和能力 如何与MCP Server集成 附加资源: AgentSkills.io - 开放标准文档 Claude Code Skills 文档
看社区分享 (1小时)
推荐资源: Twitter/X: @GoSailGlobal 的Skills学习资源合集 Twitter/X: @yanhua1010 分享的常用skills列表 社区分享的实际案例 别人踩过的坑和解决方案
下午(3小时):通俗指南深度学习
精读通俗指南网站 (2小时)
访问: Claude 通俗指南 这是一个用人话讲解Claude技术概念的宝藏网站,重点学习: Function Calling vs MCP vs Skills 三层关系 Skills的核心思想:从执行层到意图层 实际应用场景和最佳实践
动手实验 (1小时)
打开Claude Desktop,尝试: 直接用人话告诉Claude:“帮我创建一个Skill,能根据我的简述生成正式的商务邮件” 看Claude帮你起草Skill文档 将它保存到`.claude/skills/email-helper/SKILL.md` 测试:说“帮我写一封邮件给客户”,看是否自动应用这个Skill 体会“自动触发”的神奇
晚上(1小时):浏览常用Skills
研究现有Skills案例
参考 Anthropic 官方 Agent Skills Repository: 提交信息生成Skill (commit-helper) PR审查Skill (pr-reviewer) 代码质量分析Skill PDF/Excel/Word 文档处理Skills 学习其结构和写作风格,为明天的实战做准备。
选择一个真实场景 (30分钟)
从你工作中挑一个真实需求,比如: 自动生成符合团队规范的提交信息 审查PR的代码质量和安全性 整理会议纪要并生成Action Items
设计Skill结构 (1小时)
使用官方推荐的模板:
---
name: your-skill-name
description: Brief description of what this Skill does and when to use it
---
# Your Skill Name
## Instructions
Provide clear, step-by-step guidance for Claude.
## Examples
Show concrete examples of using this Skill.
Day 1目标:理解Skills的本质,体验“让Claude起草Skill”的效率,成功创建并保存第一个Skill,体验Claude自动应用它。
Day 2:实战案例
上午(3小时):构建中等复杂度Skill
实现和调试 (3小时)
让Claude帮你起草一个真实场景的Skill(比如代码审查、文档分析) 保存到`.claude/skills/`目录 在Claude Desktop中测试 用真实数据验证 迭代优化直到满意
下午(3小时):集成MCP Server
学习MCP集成 (1小时)
理解如何让Skill调用外部工具: 什么是MCP Server - 参考 MCP 官方文档 如何在Skill中声明依赖 常用MCP Server有哪些 - 查看 MCP Servers 目录 浏览社区贡献的MCP Server: Awesome MCP Servers
实践集成 (2小时)
给你的Skill添加外部能力: 安装需要的MCP Server 在Skill中定义如何调用 测试端到端流程 Day 2目标:独立完成一个带外部集成(如MCP Server)的实用Skill,能解决真实问题。
Day 3:构建项目级Skill
现在来实践官方案例:构建一个完整的PR代码审查Skill。
上午(3小时):设计和开发
需求分析 (30分钟)
明确目标: 检查null/undefined边缘情况处理 检查是否有敏感信息硬编码 验证代码可读性和项目规范 生成结构化审查报告
编写Skill文档 (1.5小时)
直接让Claude帮你起草,然后完善:
YAML元数据:
---
name: pr-code-reviewer
description: Reviews code for quality, edge cases, readability, and project conventions. Use when reviewing pull requests or code changes.
---
核心内容:
审查清单(边缘情况、安全性、可读性)
每一项的具体检查标准
输出格式要求
保存和测试 (1小时)
保存到`.claude/skills/pr-code-reviewer/SKILL.md`
测试:说“帮我审查这个PR”
验证Claude是否自动应用审查清单
下午(2小时):优化和扩展
渐进式披露 (1小时)
根据官方最佳实践,将详细文档分离:
pr-code-reviewer/
├── SKILL.md # 概述和快速开始
├── CHECKLIST.md # 详细审查清单
└── EXAMPLES.md # 常见问题示例
在`SKILL.md`中引用:
For complete checklist, see CHECKLIST.md
For common issues, see EXAMPLES.md
生产化优化 (1小时)
测试不同类型的PR(功能、修复、重构) 根据实际结果调整描述和指令 * 确保description准确,让Claude在正确时机触发
Day 3目标:完成一个可以在实际工作中使用的项目级Skill,掌握渐进式披露等高级技巧。
结论:拥抱未来
如果你读到这里,应该已经明白:这不是一场技术升级,而是一场范式革命。
Coze、dify、n8n这些工具曾经帮助我们降低了AI应用开发的门槛。但它们的问题在于,它们让你在错误的层次上思考——你在画图连线,而不是在表达意图。
Claude Skills改变了这一切。更关键的是,Claude可以帮你起草Skill文档。你只需要用人类语言描述你想要什么,Claude会帮你生成Skill文档。你将它保存到指定目录后,当你提出相关请求时,Claude会自动应用这个Skill。
现在就是行动的时机:
开始3天学习计划: 今天就拿出1小时,阅读官方文档和通俗指南。
做一个真实项目: 不要只是学,立刻用Skills解决你工作中的一个真实问题。
分享你的经验: 当你做出第一个Skill,把它分享给同事。让更多人看到这种新范式的威力。
最后一句话:工具会过时,但方法论不会。从视觉编程回归意图驱动,从手动触发到自动应用,这才是AI时代构建复杂系统的正确姿势。
现在,关掉dify的流程图,打开Claude Desktop,用人话告诉它你想要什么Skill,让它帮你起草,然后保存并体验自动应用的神奇。开始你的Skills之旅吧!
