Skills 机制详解：Skills、Prompts、Projects、Subagents 与 MCP 的对比

学习来源：https://claude.com/blog/skills-explained

概述

自引入 Skills 以来，大家对 Claude Agent 生态系统中的各个组件如何协同工作很感兴趣。无论是在 Claude Code 中构建复杂工作流、使用 API 创建企业解决方案，还是在 Claude.ai 上提高生产力，了解何时使用什么工具，可以改变你与 Claude 协作的方式。

本文将详细解析每个构建块，说明何时使用、如何组合它们以构建强大的 Agent 工作流。

---

Skills 详解

什么是 Skills

Skills 是包含指令、脚本和资源的文件夹，Claude 能够动态发现并在相关任务中加载。可以理解为给 Claude 的专业化培训手册。

工作原理：渐进式加载

Skills 使用渐进式加载优化上下文使用：

1. 元数据加载（~100 tokens）：名称和描述首先加载，提供足够信息让 Claude 知道何时激活
2. 完整指令加载（<5k tokens）：Skill 匹配时加载
3. 文件按需加载：脚本或资源仅在需要时加载

何时使用 Skills

• 组织工作流：品牌规范、合规流程、文档模板
• 领域专业知识：Excel 公式、PDF 操作、数据分析
• 个人偏好：编码模式、研究方法
• 需要跨对话持久一致的任务执行

示例：创建 brand-guidelines Skill 包含公司的颜色、字体规范和布局规范。当 Claude 创建文档时，自动应用这些标准。

---

Prompts 详解

什么是 Prompts

Prompts 是对话中用自然语言向 Claude 提供的指令，是临时的、对话式的、反应式的——你在当下提供上下文和方向。

何时使用 Prompts

• 一次性请求："总结这篇文章"
• 对话式优化："让语气更专业"
• 即时上下文："分析这些数据并识别趋势"
• 临时指令："格式化为项目符号列表"

何时从 Prompts 升级到 Skills

如果在多个对话中反复输入相同的提示词，就是时候创建 Skill 了。

经验法则：重复超过 5 次 → 考虑 Skill

---

Projects 详解

什么是 Projects

Projects 是自包含的工作空间，有自己的聊天历史和知识库。每个项目包含 200K 上下文窗口，可以上传文档、提供上下文和设置自定义指令，这些指令在该项目内的所有对话中适用。

Projects vs Skills

维度	Projects	Skills
提供内容	背景知识	程序性知识
加载方式	项目中始终加载	仅相关时动态加载
内容形式	文档 + 上下文	指令 + 代码 + 资源
生命周期	在项目内持久	跨对话持久

核心区别：

• Projects 说"这是你需要知道的"
• Skills 说"这是如何做事情"

何时使用 Projects：

• 需要在每次对话中了解的背景知识
• 不同项目需要隔离的上下文
• 团队协作时共享知识和对话历史
• 设置项目特定的语气、视角或方法

何时组合使用：需要持久上下文和专业能力时。例如"产品开发"项目包含产品规格和用户研究，结合用于创建技术文档和分析用户反馈的 Skills。

---

Subagents 详解

什么是 Subagents

Subagents 是专业化 AI 助手，有自己的上下文窗口、自定义系统提示和特定工具权限。在 Claude Code 和 Claude Agent SDK 中可用，独立处理离散任务并将结果返回主 agent。

Subagents vs Skills

维度	Subagents	Skills
本质	完整独立 agent	可移植的专业能力
上下文	有自己的完整上下文	任何 agent 可加载使用
工具权限	可单独配置	通过加载它的 agent 获得
典型用途	独立任务执行	跨 agent 共享专业知识

何时使用 Subagents：

• 任务专业化：代码审查、测试生成、安全审计
• 上下文管理：保持主对话专注，将专业工作委托
• 并行处理：多个 subagents 同时处理不同方面
• 工具限制：限制特定 subagents 仅执行安全操作（如只读访问）

何时使用 Skills：

• 多个 agents 或对话需要相同专业知识
• 需要跨 agent 可移植的专业能力

组合使用：让 subagents 加载 Skills，获得两者的优势。例如 python-developer subagent 可以使用 pandas-analysis Skill 执行遵循团队约定的数据转换。

---

MCP 详解

什么是 MCP

MCP（Model Context Protocol）创建了 AI 应用与外部工具和数据源之间的通用连接层。

MCP vs Skills

维度	MCP	Skills
本质	连接协议	程序性知识
功能	连接数据	教 Claude 做什么
典型用途	访问数据库、文件、API	流程规范、数据处理方法
持久性	持续连接	动态加载

何时使用 MCP：

• 访问外部数据：Google Drive、Slack、GitHub、数据库
• 连接业务工具：CRM、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

何时使用 Skills：

• 解释如何使用工具："查询数据库时，先按日期范围过滤"
• 说明流程规范："用这些特定公式格式化 Excel 报告"

组合使用：MCP 处理连接，Skills 处理流程知识。

---

综合对比

特性	Skills	Prompts	Projects	Subagents	MCP
提供内容	程序性知识	即时指令	背景知识	任务委托	工具连接
持久性	跨对话	单次对话	项目内	跨会话	持续连接
包含内容	指令+代码+资源	自然语言	文档+上下文	完整 agent 逻辑	工具定义
加载时机	按需动态	每轮	项目中始终	调用时	始终可用
可含代码	是	否	否	是	是
最佳用途	专业化能力	快速请求	集中上下文	专业化任务	数据访问

---

组合使用示例：研究 Agent 工作流

场景：竞争情报分析 Agent

步骤 1：设置 Project 创建"竞争情报"项目，上传：

• 行业报告和市场分析
• 竞品产品规格文档
• CRM 中的客户反馈
• 之前的研究摘要

添加项目指令：

"通过我们产品战略的视角分析竞品。关注差异化和新兴市场趋势。用具体证据和可操作建议呈现发现。"

步骤 2：通过 MCP 连接数据源 启用 MCP 服务器：

• Google Drive（访问共享研究文档）
• GitHub（审查竞品开源仓库）
• Web 搜索（实时市场信息）

步骤 3：创建专业 Skills 创建 competitive-analysis Skill：

• 公司 Google Drive 导航策略
• 竞品分析框架
• 数据可视化和呈现标准

步骤 4：配置 Subagents

• market-researcher：使用 Read、Grep、Web-search 工具，研究市场趋势和竞品数据
• technical-analyst：使用 Read、Bash、Grep 工具，分析技术架构和工程决策

步骤 5：激活工作流

当你说："分析我们三大竞品如何定位其新 AI 功能，识别我们可以利用的差距"

工作流自动：

• Project 上下文加载
• MCP 连接激活，Claude 搜索 Google Drive 最新竞品简报并拉取 GitHub 数据
• competitive-analysis Skill 提供分析框架
• Subagents 并行执行
• 你通过 Prompts 提供进一步指导："尤其关注医疗健康企业客户"

---

常见问题

Skills vs Subagents：何时用哪个？

• Skills：想让任何 Claude 实例都能加载和使用的通用能力
• Subagents：需要完整、自包含的 agent 处理独立工作流时
• 组合：需要既有 subagent 独立性又有专业知识的场景

Skills vs Prompts：何时用哪个？

• Prompts：一次性指令、即时上下文、对话式往返
• Skills：需要反复使用的程序或专业知识
• 组合：Prompts 提供基础专业知识，Prompts 提供具体上下文和细化

Skills vs Projects：何时用哪个？

• Projects：需要影响所有对话的背景知识和上下文
• Skills：需要程序性知识和按需激活的可执行代码
• 组合：既有持久上下文又有专业能力

Subagents 能使用 Skills 吗？

能。在 Claude Code 和 Agent SDK 中，subagents 可以像主 agent 一样访问和使用 Skills。

如何开始？

Claude.ai 用户：

1. Settings → Features 启用 Skills
2. claude.ai/projects 创建第一个项目
3. 尝试将项目知识与 Skills 结合

API 开发者：

• 探索 Skills API 文档
• 查看 Skills Cookbook

Claude Code 用户：

• 通过插件市场安装 Skills
• 查看 Skills Cookbook