详细内容或原文请订阅后点击阅览
克劳德技能和子代理：逃离即时工程仓鼠轮
可重用、延迟加载的指令如何解决人工智能辅助开发中的上下文膨胀问题。《克劳德技能和子代理：逃离提示工程仓鼠轮》一文首先出现在《走向数据科学》上。
来源:走向数据科学本文反映了截至 2026 年 2 月 Claude Skills、MCP 和子代理的状态。人工智能发展很快，因此当您阅读本文时，一些细节可能已经过时。然而，这篇文章所关注的概念是永恒的。
如果您已经使用 LLM 进行构建有一段时间了，您可能一遍又一遍地经历过这个循环：您花时间精心设计一个出色的提示，从而获得出色的结果，然后几天后您再次需要相同的行为，因此您再次从头开始提示。经过一些重复后，您可能会意识到效率低下，因此您将把提示的模板存储在某个地方，以便以后可以检索它，但即使这样，您也需要找到提示，将其粘贴进去，并针对这个特定的对话进行调整。太乏味了。
这就是我所说的即时工程仓鼠轮。这是一个从根本上被破坏的工作流程。
Claude Skills 是 Anthropic 对“可重用提示”问题等问题的回答。除了让您免于重复提示之外，它们还引入了一种根本不同的方法来进行上下文管理、代币经济学和人工智能驱动的开发工作流程的架构。
在这篇文章中，我将解析技能和子代理的实际含义、它们与传统 MCP 有何不同，以及技能/MCP/子代理组合的发展方向。
什么是技能？
技能的核心是可重复使用的指令集，像 Claude 这样的 AI 代理可以在与对话相关时自动访问这些指令集。您编写一个包含一些元数据和指令正文的 Skill.md 文件，将其放入 a.claude/skills/ 目录中，Claude 从那里获取它。
他们的外表
最简单的形式是，技能是一个带有名称、描述和指令正文的 Markdown 文件，如下所示：
---
名称：<技能名称>