从零开始构建你的第一个Claude Skill：手把手打造AI专属技能

我用了大半年的Claude，说实话，最开始我觉得它就是个高级点的聊天机器人，虽然代码写得溜，但每次让它处理我那些特定格式的工作流时，它总是“失忆”——每次都得重新把规则贴一遍，特别烦人。

直到上个月，我耐着性子研究了一下Claude的“Skills”（技能）功能，才发现自己之前真是守着金矿要饭。今天这篇文章，我就手把手带你从零开始，搓一个属于你自己的Claude Skill。别怕，不需要你会复杂的后端代码，会点基本的Python或者JavaScript就行，甚至你只会写Markdown也能玩得转。

第一步：搞清楚Skill到底是什么鬼？
在动手之前，我们先得对齐一下认知。

很多人以为Skill就是给Claude装个插件，其实不是。官方的定义有点绕，我用大白话给你翻译一下：Skill其实就是一套“触发器+知识库+脚本”的打包组合。

你可以把它想象成给Claude做了一份“岗位培训手册”。

平时它就是个通才。
当你把“手册”（Skill）丢给它，并触发关键词时，它立刻变身成某个领域的专家，按照你预设的流程去干活。
比如我做的第一个Skill叫“API文档生成器”，只要我说“生成API文档”，它就不会再啰嗦，直接按照/api/xxx的格式、特定的参数表结构给我输出。

第二步：搭环境，这一步有个大坑
别一上来就开IDE写代码。Claude的Skill调试有一个非常容易踩坑的地方：如果你直接在Web端或者App端上传一堆文件，Claude很多时候会把它们当“资料”看，而不是当“Skill”看。

正确姿势是这样的：

准备一个项目文件夹：在你的电脑上新建一个文件夹，比如叫 my-first-skill。
核心文件 SKILL.md：在这个文件夹里，新建一个文本文件，命名为 SKILL.md（注意，必须是全大写，这是一个隐藏的规范，虽然小写有时候也能读，但大写出错率低）。
这里要插一句：我刚开始试了三次都没成功，就是因为把文件命名成了 skill.md。Claude在解析时，对根目录的标识文件大小写敏感，别问我怎么知道的，都是泪。

第三步：手写SKILL.md，定义你的“人设”
这是整个Skill的灵魂。你不需要写代码逻辑，只需要用Markdown告诉Claude：“当你看到什么话，你就应该变成什么样的人，并且严格执行以下规则。”

我以“写一份小红书风格文案生成器”为例，这个Skill非常实用，而且逻辑清晰。

打开 SKILL.md，粘贴以下内容：

---

name: Rednote Copywriter
description: 专用于生成小红书风格的种草文案。当用户提到“写小红书”、“种草”、“红书文案”时激活。

角色设定

你现在是一名资深的“小红书”爆款文案专家。你深谙平台规则，擅长使用Emoji、分段、以及夸张的口语化表达。

核心规则

1. 输出格式：必须包含三部分

   • 标题：用 [火R] 开头，必须包含2-3个Emoji，字数控制在20字以内，制造悬念。
   • 正文：每段不超过60字，段与段之间必须空一行，每段开头不要缩进。
   • 标签：最后一行用 # 开头，生成5个相关标签。

2. 语气要求：

   • 多用“姐妹们”、“救命”、“谁懂啊”这类口语。
   • 多用数字概括，比如“3个方法”、“2分钟搞定”。
   • 严禁使用“首先、其次、再次”这种结构化词汇，要用“绝绝子”、“直接封神”来代替。

3. 禁区：

   • 不要出现“在当今社会”、“随着科技的发展”这种官腔。
   • 不要评价自己的文案（不要说“以上是我的建议”）。

工作流程

当用户提供产品名或主题时：

1. 先深呼吸，想象你在给闺蜜安利这个东西。
2. 提取产品的3个核心痛点解决方案。
3. 按照【标题 -> 正文（带表情符号） -> 标签】的结构输出。
   看到了吗？就这么简单。你不需要写一行Python代码，只是用自然语言给Claude制定了一套“行为准则”。

第四步：让Skill“动”起来（进阶脚本版）
如果你想让Skill不仅仅是“说话”，而是能“干活”——比如解析本地Excel、调用API、或者处理图片，那就要用到脚本文件了。

接着上面的例子，假设我想让这个Skill不仅能写文案，还能在写完后自动把文案保存到本地的 output.txt 文件中。

在 my-first-skill 文件夹里，新建一个 save_note.py。

然后在 SKILL.md 里，你需要在工作流部分加上这样一段逻辑（依然是自然语言）：

自动化操作

在生成完文案后，你必须执行以下操作：

1. 询问用户：“是否需要将文案保存到本地？”
2. 如果用户同意，使用 Python 执行脚本 save_note.py，并将生成的文案作为参数传递进去。
   这里有一个非常重要的认知： Claude本身不执行代码，但它可以生成并建议运行命令。在Claude的桌面版或者能执行命令的环境下，它会输出一个“运行”按钮。所以你的脚本一定要写好健壮的参数接收逻辑。

我的 save_note.py 写得非常简单：

import sys
import os
from datetime import datetime

def save_content(content):
# 确保output目录存在
ifnot os.path.exists('./output'):
os.makedirs('./output')

filename = f"./output/rednote_{datetime.now().strftime('%Y%m%d_%H%M%S')}.txt"
with open(filename, 'w', encoding='utf-8') as f:
    f.write(content)

print(f"✅ 文案已保存至: {filename}")

if name == "main":
if len(sys.argv) > 1:
save_content(sys.argv[1])
else:
print("❌ 没有接收到文案内容")
第五步：实战调试，别信AI的一次性成功
这时候，我们需要把Skill“喂”给Claude。

如果你是Claude Project用户：

在Project的“Knowledge”区域，把整个 my-first-skill 文件夹上传。
在System Prompt（系统提示词）里写一句：“请加载Rednote Copywriter这个技能，并严格遵循SKILL.md中的定义。”
如果你是Web端普通用户：

直接在对话窗口上传 SKILL.md 和 save_note.py 文件。
然后输入：“请激活这个Skill，我现在要写一个关于‘无线降噪耳机’的小红书文案。”
观察与纠偏： 第一次运行大概率不会完美。Claude有时候会自作聪明，比如在标题里不加Emoji，或者正文又开始写“首先”。

这时候不要慌，你不是要去改SKILL.md，而是要直接告诉Claude：

“你刚才生成的文案不符合SKILL.md第2条语气要求，标题缺少Emoji，请严格按照规则重新生成。”

你会发现，Claude会根据你指出的具体规则点进行自我修正。这个过程其实就是在调试你的Skill。反复两三次，直到输出满意为止，这时你的 SKILL.md 就是一份经过实战检验的优质配置文件了。

人工智能技术学习交流群
伙伴们，对AI测试、大模型评测、质量保障感兴趣吗？我们建了一个 「人工智能测试开发交流群」，专门用来探讨相关技术、分享资料、互通有无。无论你是正在实践还是好奇探索，都欢迎扫码加入，一起抱团成长！期待与你交流！👇

第六步：从“能用”到“好用”的几个私房心得
Skill做出来不难，但想让它“润物细无声”地好用，我这几天攒了三个小心得：

负面清单比正面指令管用：在SKILL.md里，比起说“要怎么写”，不如明确写“严禁出现以下词汇： 首先、其次、综上所述”。AI对禁止项的记忆往往比执行项更深刻。

Skill不是越大越好：我见过有人在一个Skill里塞了几千行规则，结果Claude直接“晕”了，响应变慢不说，还容易前后矛盾。一个Skill只解决一个核心问题，如果是复杂流程，拆成多个Skill，通过关键词联动，效果反而更好。

善用“思考链”：在SKILL.md中加入“工作流程”部分，让Claude写出它的思考步骤。比如“第一步，先分析用户痛点；第二步，匹配对应解决方案……”。这能极大提升输出的稳定性和逻辑性，原理类似于“思维链”提示词，只不过固化成了Skill。

写在最后
说实话，自从我开始捣鼓Skill，我感觉Claude从一个“需要我不断调教的实习生”，变成了一个“招之即来的特种兵”。

我的第一个Skill花了整整一个下午才跑通，中间因为命名规范、路径错误、规则冲突踩了无数坑。但只要你跟着我上面的步骤，把第一个SKILL.md跑起来，你就会发现，剩下的那些复杂功能，不过是在这个框架上添砖加瓦而已。

希望这篇教程能帮你敲开Claude Skill的大门。如果在搭建的过程中遇到了什么奇葩报错，欢迎在评论区留言，虽然我不一定秒回，但看到了一定会把我踩过的坑分享给你。

推荐学习
Ai自动化智能体与工作流平台公开课， 掌握自动化与AI智能体，轻松实现效率翻倍。
扫码进群，报名学习。

关于我们
霍格沃兹测试开发学社，隶属于 测吧（北京）科技有限公司，是一个面向软件测试爱好者的技术交流社区。

学社围绕现代软件测试工程体系展开，内容涵盖软件测试入门、自动化测试、性能测试、接口测试、测试开发、全栈测试，以及人工智能测试与 AI 在测试工程中的应用实践。

我们关注测试工程能力的系统化建设，包括 Python 自动化测试、Java 自动化测试、Web 与 App 自动化、持续集成与质量体系建设，同时探索 AI 驱动的测试设计、用例生成、自动化执行与质量分析方法，沉淀可复用、可落地的测试开发工程经验。

在技术社区与工程实践之外，学社还参与测试工程人才培养体系建设，面向高校提供测试实训平台与实践支持，组织开展 “火焰杯” 软件测试相关技术赛事，并探索以能力为导向的人才培养模式，包括高校学员先学习、就业后付款的实践路径。

同时，学社结合真实行业需求，为在职测试工程师与高潜学员提供名企大厂 1v1 私教服务，用于个性化能力提升与工程实践指导。