Skills 详解：Skills 与 prompts、Projects、MCP 和 subagents 的区别
Skills 正成为创建自定义 AI 工作流和 Agent 的强大工具，但它们在 Claude 技术栈中处于什么位置？本文解释什么时候该用哪种工具，以及它们如何协同工作。
自从推出 Skills 以来，很多人都想了解 Claude 的 Agent 生态中各个组件如何配合。
无论你是在 Claude Code 中构建复杂工作流、用 API 创建企业级方案，还是在 Claude.ai 上提升个人效率，知道该选哪种工具、什么时候选，会改变你使用 Claude 的方式。
本指南会拆解每个构建块，说明什么时候使用什么，并展示如何把它们组合成强大的 Agent 工作流。
理解你的 Agent 构建块
什么是 Skills？
Skills 是包含说明、脚本和资源的文件夹。Claude 会在任务相关时动态发现并加载它们。你可以把它们理解为专门的训练手册，让 Claude 在特定领域具备专业能力，比如处理 Excel 表格，或遵循你组织的品牌规范。
Skills 的工作方式：当 Claude 遇到任务时，会扫描可用 Skills，寻找相关匹配项。Skills 使用渐进披露：先加载元数据（约 100 tokens），只提供足够信息让 Claude 判断 Skill 是否相关；需要时再加载完整说明（少于 5k tokens）；打包的文件或脚本只有在必要时才加载。
什么时候使用 Skills：当你需要 Claude 一致而高效地完成专业任务时，选择 Skills。它们很适合：
• 组织工作流：品牌规范、合规流程、文档模板
• 领域专业能力：Excel 公式、PDF 操作、数据分析
• 个人偏好：笔记系统、编码模式、研究方法
示例：创建一个品牌规范 Skill，包含公司的配色、字体规则和版式规范。当 Claude 创建演示文稿或文档时，它会自动应用这些标准，而不需要你每次重新解释。
了解更多 Skills，并查看不断增长的 Skills library。
什么是 prompts？
Prompts 是你在对话中用自然语言提供给 Claude 的指令。它们是临时的、对话式的、响应式的：你在当下提供上下文和方向。
什么时候使用 prompts：在以下场景使用 prompts：
• 一次性请求：“总结这篇文章”
• 对话式细化：“把语气改得更专业”
• 即时上下文：“分析这份数据并找出趋势”
• 临时指令：“把它格式化为项目符号列表”
示例：
请对这段代码进行全面安全审查。我希望你关注：
1. 常见漏洞，包括：
• 注入缺陷（SQL、命令、XSS 等）
• 身份认证和授权问题
• 敏感数据暴露
• 安全配置错误
• 访问控制失效
• 加密相关失败
• 输入校验问题
• 错误处理和日志记录问题
2. 对你发现的每个问题，请提供：
• 严重级别（Critical/High/Medium/Low）
• 代码中的位置（行号或函数名）
• 说明为什么这是安全风险，以及可能如何被利用
• 具体修复建议，尽可能包含代码示例
• 防止类似问题的最佳实践建议
3. 代码上下文：[描述代码做什么、使用的语言/框架、运行环境，例如“这是一个 Node.js REST API，负责用户认证并处理支付数据”]
4. 其他考虑：
• 是否存在 OWASP Top 10 漏洞？
• 代码是否遵循 [具体框架/语言] 的安全最佳实践？
• 是否有依赖项存在已知漏洞？
请按严重程度和潜在影响对发现的问题排序。
专业提示：Prompts 是你与 Claude 交互的主要方式，但它们不会跨对话保留。对于重复工作流或专业知识，可以考虑把 prompts 固化为 Skills 或项目说明。
什么时候改用 Skill：如果你发现自己在多个对话中反复输入同一段 prompt，就该创建 Skill 了。把“按 OWASP 标准审查这段代码的安全漏洞”或“用执行摘要、关键发现和建议的格式整理这份分析”这类重复说明转成 Skills。这样你不用每次重新解释流程，也能保证执行一致。
可以查看 prompt library、prompting best practices 或 smart prompt maker 来开始。
什么是 Projects？
Projects 面向所有 Claude 付费计划开放，是自带聊天历史和知识库的独立工作区。每个 project 都包含 200K 上下文窗口，你可以上传文档、提供上下文，并设置适用于该 project 内所有对话的自定义说明。
Projects 的工作方式：你上传到 project 知识库的所有内容，都会在该 project 内的所有聊天中可用。Claude 会自动使用这些上下文，给出更有信息量、更相关的回答。当 project 知识接近上下文限制时，Claude 会无缝启用 Retrieval Augmented Generation（RAG）模式，将容量最多扩展 10 倍。
什么时候使用 Projects：当你需要以下能力时选择 Projects：
• 持久上下文：应影响每次对话的背景知识
• 工作区组织：为不同事项划分独立上下文
• 团队协作：共享知识和对话历史（Team 和 Enterprise 计划）
• 自定义说明：project 专属的语气、视角或处理方式
示例：创建一个“Q4 Product Launch” project，里面包含市场研究、竞争对手分析和产品规格。这个 project 中的每次聊天都能访问这些知识，不需要你重新上传或重新解释上下文。
什么时候改用 Skill：Projects 为某项具体工作提供持久上下文，例如公司的代码库、研究事项或持续中的客户项目。Skills 则教 Claude 如何做某件事。Project 可能包含产品发布的全部背景，而 Skill 可以教 Claude 你的团队写作标准或代码评审流程。如果你发现自己在多个 Projects 中复制同样的说明，这就是该创建 Skill 的信号。
了解更多 Projects。
什么是 subagents？
Subagents 是专门化的 AI 助手，拥有自己的上下文窗口、自定义系统提示词和特定工具权限。它们可用于 Claude Code 和 Claude Agent SDK，能够独立处理离散任务，并把结果返回给主 Agent。
Subagents 的工作方式：每个 subagent 都用自己的配置运行。你定义它做什么、如何处理问题、能访问哪些工具。Claude 会根据 subagent 的描述自动把任务委派给合适的 subagent，你也可以明确要求使用某个 subagent。
什么时候使用 subagents：在以下场景使用 subagents：
• 任务专门化：代码评审、测试生成、安全审计
• 上下文管理：让主对话保持聚焦，把专业工作卸载出去
• 并行处理：多个 subagents 可以同时处理不同方面
• 工具限制：把特定 subagent 限制在安全操作范围内（例如只读访问）
创建一个 code-reviewer subagent，让它可以使用 Read、Grep 和 Glob 工具，但不能使用 Write 或 Edit。当你修改代码时，Claude 会自动把质量和安全评审委派给这个 subagent，同时避免意外改动代码。
什么时候改用 Skill：如果多个 agents 或多个对话都需要同一类专业能力，例如安全审查流程或数据分析方法，就应该创建 Skill，而不是把知识塞进单个 subagent。Skills 可移植、可复用，而 subagents 是为特定工作流定制的。用 Skills 教会任何 Agent 都能应用的专业能力；当你需要带有特定工具权限和上下文隔离的独立任务执行时，使用 subagents。
了解更多 subagents。
什么是 MCP？
Model Context Protocol（MCP）是一个开放标准，用来把 AI 助手连接到数据所在的外部系统，例如内容仓库、业务工具、数据库和开发环境。
MCP 的工作方式：MCP 提供一种标准化方式，把 Claude 连接到你的工具和数据源。你不必为每个数据源构建自定义集成，而是面向一个统一协议构建。MCP servers 暴露数据和能力；MCP clients（如 Claude）连接到这些 servers。
什么时候使用 MCP：当你需要 Claude 做以下事情时，选择 MCP：
• 访问外部数据：Google Drive、Slack、GitHub、数据库
• 使用业务工具：CRM 系统、项目管理平台
• 连接开发环境：本地文件、IDE、版本控制
• 集成自定义系统：你的专有工具和数据源
示例：通过 MCP 把 Claude 连接到公司 Google Drive。现在 Claude 可以搜索文档、读取文件并引用内部知识，而不需要手动上传；这个连接会持续存在并自动更新。
什么时候改用 Skill：MCP 把 Claude 连接到数据；Skills 教 Claude 如何处理这些数据。如果你在解释如何使用工具或遵循流程，例如“查询数据库时总是先按日期范围过滤”或“用这些特定公式格式化 Excel 报告”，那就是 Skill。如果你首先需要 Claude 访问数据库或 Excel 文件，那就是 MCP。两者一起用：MCP 负责连接，Skills 负责流程知识。
了解更多 MCP，并查看如何构建 MCP server 的文档。
它们如何协同工作
当你组合这些构建块时，真正的能力才会出现。每个构建块都有不同用途，组合起来就能创建复杂的 Agent 工作流。
对比：选择合适的工具
Agent 工作流示例：研究 Agent
我们来构建一个综合研究 Agent，把多个构建块组合起来。这个例子展示如何组装并激活一个用于竞争分析的 Agent。
第 1 步：设置你的 Project
创建一个“Competitive Intelligence” project，并上传：
• 行业报告和市场分析
• 竞争对手产品文档
• 来自 CRM 的客户反馈
• 过往研究摘要
添加 project 说明：
从我们的产品战略视角分析竞争对手。重点关注差异化机会和新兴市场趋势。用具体证据和可执行建议呈现发现。
第 2 步：通过 MCP 连接数据源
启用以下 MCP servers：
• Google Drive（访问共享研究文档）
• GitHub（查看竞争对手开源仓库）
• Web search（获取实时市场信息）
第 3 步：创建专门化 Skills
创建一个“competitive-analysis” skill：
# My Company GDrive Navigation Skill ## 概览 针对 Meridian Tech 的 Google Drive 结构优化搜索和取回策略。使用这个 skill 高效定位内部文档、研究资料和战略材料。## Drive 组织 **顶层结构：** - `/Strategy & Planning/` - OKR、季度计划、董事会材料 - `/Product/` - PRD、路线图、技术规格 - `/Research/` - 市场研究、竞争情报、用户研究 - `/Sales & Marketing/` - 案例研究、销售材料、活动资料 - `/Customer Success/` - 实施指南、成功指标 - `/Company Ops/` - 政策、组织架构图、团队目录 **命名约定：** - 格式：`YYYY-MM-DD_DocumentName_vX` - 最终版本标记为 `_FINAL` - 草稿包含 `_DRAFT` 或 `_WIP` ## 搜索最佳实践 1. **先宽后窄** - 使用文件夹上下文 + 关键词 2. **定位文档负责人** - 销售材料来自 Sales/，而不是根目录 3. **检查时效性** - 当前策略优先使用最近 6 个月的文档 4. **寻找“事实来源”** - 带 `_FINAL`、`_APPROVED`，或位于 `/Archives/Official/` 的文件 ## Research Agent 工作流 1. 识别主题类别（产品、市场、客户） 2. 在相关文件夹中用目标关键词搜索 3. 取回 3-5 份最新/最相关文档 4. 与 `/Strategy & Planning/` 交叉核对上下文 5. 用文件名和日期引用来源
第 4 步：配置 subagents（仅 Claude Code/SDK）
创建专门化 subagents：
market-researcher subagent：
name: market-researcher description: 研究市场趋势、行业报告和竞争格局数据。主动用于竞争分析。tools: Read, Grep, Web-search --- 你是一名专注竞争情报的市场研究分析师。研究时：1. 识别权威来源（Gartner、Forrester、行业报告）2. 收集量化数据（市场份额、增长率、融资）3. 分析定性洞察（分析师观点、客户评论）4. 综合趋势和模式 输出时包含引用和置信度。
technical-analyst subagent：
name: technical-analyst description: 分析技术架构、实现方式和工程决策。用于技术竞争分析。tools: Read, Bash, Grep --- 你是一名分析竞争对手技术选择的技术架构师。分析时：1. 查看公开仓库和技术文档 2. 评估架构模式和技术栈 3. 评估可扩展性和性能方案 4. 识别技术优势和限制 聚焦能指导我们产品决策的可执行技术洞察。
第 5 步：激活你的研究 Agent
现在，当你问 Claude：“分析我们前三个竞争对手如何定位他们的新 AI 功能，并找出我们可以利用的空白”
会发生以下事情：
• Project 上下文加载：Claude 访问你上传的研究文档，并遵循 project 说明
• MCP 连接激活：Claude 在你的 Google Drive 中搜索最新竞争对手简报，并拉取 GitHub 数据
• Skills 介入：competitive-analysis Skill 提供分析框架
• Subagents 执行（在 Claude Code 中）：market-researcher 收集行业数据，technical-analyst 查看技术实现
• Prompts 细化：你提供对话式指导：“特别关注医疗行业的企业客户”
结果是：一份综合竞争分析，能够汇集多个数据源，遵循你的分析框架，利用专门化专业能力，并在整个研究项目中保持上下文。
常见问题
Skills 如何工作？
Skills 使用渐进披露来保持 Claude 高效。处理任务时，Claude 先扫描 Skill 元数据（描述和摘要）来识别相关匹配项。如果某个 Skill 匹配，Claude 会加载完整说明。最后，如果 Skill 包含可执行代码或参考文件，这些内容只在需要时加载。
这种架构意味着你可以提供很多 Skills，而不会压垮 Claude 的上下文窗口。Claude 会在需要时访问它正好需要的内容。
Skills vs. subagents：什么时候用什么
使用 Skills 的场景：你希望任何 Claude 实例都能加载并使用某种能力。Skills 就像培训材料，让 Claude 在所有对话中更擅长特定任务。
使用 subagents 的场景：你需要完整、自包含、为特定目的设计，并能独立处理工作流的 Agent。Subagents 就像有自己上下文和工具权限的专门员工。
一起使用的场景：你希望 subagents 具备专门化专业能力。例如，code-review subagent 可以使用面向特定语言最佳实践的 Skills，把 subagent 的独立性和 Skills 的可移植专业能力结合起来。
Skills vs. prompts：什么时候用什么
使用 prompts 的场景：你在给出一次性指令、提供即时上下文，或进行来回对话。Prompts 是响应式和临时的。
使用 Skills 的场景：你有会反复需要的流程或专业知识。Skills 是主动的，Claude 知道什么时候应用它们，并且它们能跨对话持久存在。
一起使用：Prompts 和 Skills 天然互补。用 Skills 提供基础专业能力，再用 prompts 为每个任务提供具体上下文和细化要求。
Skills vs. Projects：什么时候用什么
使用 Projects 的场景：你需要关于某个具体事项的背景知识和上下文，并希望它影响相关的所有对话。Projects 提供始终加载的静态参考材料。
使用 Skills 的场景：你需要只在相关时激活的流程知识和可执行代码。Skills 提供按需加载的动态专业能力，节省上下文窗口。
一起使用的场景：你既需要持久上下文，也需要专门化能力。例如，一个包含产品规格和用户研究的“Product Development” project，再结合用于创建技术文档和分析用户反馈数据的 Skills。
关键区别：Projects 说的是“你需要知道这些”；Skills 说的是“事情应该这样做”。Projects 提供你在其中工作的知识库；Skills 提供能在任何地方工作的能力，也就是任何对话、任何 project 都能用。
Subagents 可以使用 Skills 吗？
可以。在 Claude Code 和 Agent SDK 中，subagents 可以像主 Agent 一样访问和使用 Skills。这会产生强大的组合，让专门化 subagents 利用可移植的专业能力。
例如，你的 python-developer subagent 可以使用 pandas-analysis Skill，按照团队约定执行数据转换；documentation-writer subagent 可以使用 technical-writing Skill，保持 API 文档格式一致。
开始使用
准备好用 Skills 构建了吗？可以这样开始：
Claude.ai 用户：
• 在 Settings → Features 中启用 Skills
• 在 claude.ai/projects 创建你的第一个 project
• 在下一次分析任务中尝试结合 project knowledge 和 Skills
API 开发者：
• 在文档中探索 Skills endpoint
• 查看我们的 skills cookbook
Claude Code 用户：
• 通过 plugin marketplaces 安装 Skills
Agent Skills
立即开始在 Claude 中使用 Skills，构建更强大的应用。