从”对话式编程”到”配置式编程”#

兄弟们，你们有没有这种感觉：2025 年我们用 AI 写代码的时候，还像个话痨一样对着终端疯狂打字——“帮我把这个函数重构一下”、“再帮我写个测试”、“不对，刚才那个版本更好”。每个需求都要重新描述一遍上下文，AI 每次都是”初次见面”的状态，完全没有积累。

2026 年的 AI 编程，画风已经完全不一样了。

感谢 Claude Code 带火的 Skills 生态，现在你只需要写一个 Markdown 文件放到 .claude/skills/ 目录下，AI 就能自动掌握一套完整的工作流。不是”你说一句它做一步”，而是”你把规则告诉它，它自己知道该怎么做”。

这个变化有多夸张？GitHub 上跟 Skills 相关的项目月增星数动不动就是五位数。mattpocock/skills 一个月暴涨 7 万多星，multica-ai/andrej-karpathy-skills 更是冲到了 16 万星。说它是 2026 年最火的 AI 开发范式，一点都不为过。

Skills 到底是什么？#

简单来说，Skills 是 Claude Code 的一种模块化行为扩展机制。每个 Skill 是一个 Markdown 文件，放在 .claude/skills/ 目录下，通过结构化提示词为 AI 注入特定领域的知识、约束和工作流。

1
<skill>
2
  <name>TypeScript React 开发规范</name>
3
  <version>1.0.0</version>
4
  <description>TypeScript + React 项目的最佳实践约束</description>
5
  <trigger>当检测到项目中包含 tsconfig.json 和 React 依赖时自动激活</trigger>
6
</skill>
7

8
## 组件编写规范
9

10
1. 优先使用函数组件 + Hooks，避免 class 组件
11
2. 使用 `interface` 而非 `type` 定义 Props
12
3. 所有事件处理函数使用 `useCallback` 包裹
13
4. 复杂状态逻辑抽取为自定义 Hook
14

15
## 命名约定
16

17
- 组件文件：PascalCase，如 `UserProfile.tsx`
18
- Hook 文件：camelCase 前缀 use，如 `useUserAuth.ts`
19
- 工具函数：camelCase，如 `formatDate.ts`

通过这样的 Skill 配置，Claude Code 就能在每次交互中自动遵循团队的编码规范，不再需要开发者反复提醒。而且最重要的是，这些 Skills 可以跨项目复用，甚至可以分享到社区。

最值得关注的 Skills 项目#

1
# CLAUDE.md 中的行为约束
2
preferences:
3
  - 除非明确要求，不要重构已有代码
4
  - 优先使用项目中已有的设计模式
5
  - 不要引入新的依赖库
6
  - 每个 PR 的改动量控制在最小必要范围

1
// 自动生成的类型安全 API 客户端
2
// 配合 tRPC 使用，前后端类型完全同步
3
import { createTRPCReact } from '@trpc/react-query'
4
import type { AppRouter } from '../../../server/src/router'
5

6
export const trpc = createTRPCReact<AppRouter>()
7

8
// 在组件中使用——全类型推断，零样板代码
9
function UserList() {
10
  const { data, isLoading } = trpc.user.list.useQuery({ page: 1 })
11
  if (isLoading) return <div>加载中...</div>
12
  return data.map(user => <UserCard key={user.id} user={user} />)
13
}

1
工作流: 需求分析 → 编写 Spec → 架构设计 → 逐模块编码 → 自动测试

如何开始使用 Skills？#

如果你还没体验过 Skills，只需要三步：

1
# 1. 安装 Claude Code
2
npm install -g @anthropic-ai/claude-code
3

4
# 2. 在你的项目根目录创建 Skills 目录
5
mkdir -p .claude/skills
6

7
# 3. 下载社区 Skills 或自己编写
8
curl -o .claude/skills/typescript.md https://raw.githubusercontent.com/mattpocock/skills/main/typescript.md

启动 Claude Code 后，输入 /skills 就能看到所有已加载的 Skills 列表。你还可以用 /skill enable 和 /skill disable 来按需启用。

实战案例：用 Skills 重构一个 Express 项目#

光说不练假把式。让我用一个真实的场景来展示 Skills 的威力。

假设你的团队维护着一个老旧的 Express.js 项目，有 200 多个路由文件，代码风格混乱，测试覆盖率几乎为零。你想让 Claude Code 帮你重构，但每次对话它都会”忘记”之前的约定。

这时候，一个 express-refactor.skill.md 就能解决问题：

1
<skill>
2
  <name>Express 项目重构规范</name>
3
  <version>2.0.0</version>
4
</skill>
5

6
## 路由组织结构
7
- 按业务模块划分路由文件：`routes/user.js`, `routes/order.js`
8
- 每个路由文件只导出 Router 实例
9
- 中间件按作用域放在 `middleware/` 目录
10

11
## 错误处理
12
- 所有异步路由必须用 `asyncHandler` 包裹
13
- 统一错误格式：`{ error: { code, message, details } }`
14
- 404 错误统一在路由末尾处理
15

16
## 验证规则
17
- 请求参数使用 express-validator
18
- 每个路由的验证规则写在同目录的 `*.validation.js` 文件中

安装这个 Skill 后，你再对 Claude Code 说”重构 user 模块”，它就会自动遵循上述约定。不需要你一遍遍强调”记得用 asyncHandler”、“记得统一错误格式”——Skill 已经替你说了。

Skills 与 MCP 的区别在哪里？#

很多初学者容易搞混 Skills 和 MCP。简单来说：Skills 是告诉 AI “怎么做”的规则文件，MCP 是告诉 AI “用什么工具”的接口协议。

• Skills → 行为约束、编码规范、工作流定义（写在 Markdown 里）
• MCP → 工具接口、数据库连接、外部服务（通过 JSON-RPC 通信）

两者可以完美配合：一个 MCP 服务器把数据库变成 AI 可调用的工具，而一个 Skill 则规定 AI 在调用数据库时必须使用参数化查询、必须记录慢查询日志。Skills 负责”规矩”，MCP 负责”能力”。

Skills 生态的未来#

2026 年下半年，Skills 生态有以下几个值得关注的方向：

1. Skills Marketplace：社区正在构建类似 VS Code 扩展市场的 Skills 商店，开发者可以发布和发现高质量的 Skill 包
2. 动态 Skills：AI 根据项目特征自动推荐和安装合适的 Skills
3. 团队共享：通过 Git 仓库管理团队共用 Skills，新人入职只需 clone 项目就自带全套 AI 行为规范
4. 跨模型兼容：Anthropic 正在推动 Skills 格式标准化，让同一个 Skill 能在 Claude Code、Codex 和 Gemini CLI 中通用

第一个方向其实已经有雏形了——anthropics/skills 仓库本质上就是一个官方 Skills 集合，而社区版的 awesome-claude-skills 更是收录了上千个实用 Skills。预计到年底，Skills 的数量会超过 VS Code 插件，成为 AI 编程生态中最重要的”插件系统”。

如何编写高质量 Skills：五个实战技巧#

通过观察社区里那些最受欢迎的 Skills 项目（如 mattpocock/skills 和 karpathy-skills），我总结出了写好 Skills 的五个关键技巧：

技巧一：使用 XML 标签定义元数据

1
<skill>
2
  <name>Python 数据科学工作流</name>
3
  <version>1.2.0</version>
4
  <author>team-awesome</author>
5
  <trigger>.ipynb 文件或 data/ 目录检测</trigger>
6
  <depends>pandas-skill, matplotlib-skill</depends>
7
</skill>

明确的元数据让 AI 更容易理解这个 Skill 的适用范围和前置条件。特别是 <trigger> 字段，它告诉 AI “当满足什么条件时自动激活这个 Skill”。

技巧二：使用具体的例子而非抽象的描述

❌ 坏的写法：“写好命名”
✅ 好的写法：

1
## 命名规范
2
- 变量名：snake_case，如 `user_count`, `total_price`
3
- 函数名：动词开头，如 `calculate_average()`, `fetch_user_data()`
4
- 类名：PascalCase，如 `UserAuthentication`, `DataProcessor`
5
- 常量：全大写加下划线，如 `MAX_RETRY_COUNT`, `DEFAULT_TIMEOUT`

AI 对具体例子的理解准确率远高于抽象描述。你给 AI 看一个例子，比给它一百条规则都管用。

技巧三：使用否定约束

AI 特别容易”过度发挥”，所以明确告诉它什么不能做非常关键：

1
## 约束规则
2
- 不要引入新的第三方依赖
3
- 不要修改未在任务范围内指定的文件
4
- 不要在 HTML 中使用内联样式（优先使用 Tailwind class）
5
- 不要在生产代码中添加 console.log

技巧四：定义验收标准

让 Skill 包含自动检查清单，AI 完成任务后自己对照：

1
## 验收标准
2
- [ ] 所有新代码有对应的单元测试（覆盖率 ≥ 80%）
3
- [ ] 没有引入新的 TypeScript any 类型
4
- [ ] API 响应包含正确的 HTTP 状态码
5
- [ ] 代码通过了 `npm run lint` 和 `npm run typecheck`

技巧五：分层组织

对于大型项目，建议将 Skills 分层：

1
.claude/skills/
2
├── base/              # 通用基础规则
3
│   ├── coding-style.md
4
│   ├── git-convention.md
5
│   └── testing.md
6
├── stack/             # 技术栈特定规则
7
│   ├── react-next.md
8
│   ├── tailwind.md
9
│   └── trpc.md
10
└── project/           # 项目特定规则
11
    ├── database.md
12
    └── deployment.md

底层 Skills 定义通用约束，上层 Skills 叠加特定场景的规则。AI 会自动合并所有激活的 Skills，形成一个完整的约束体系。

Skills 生态面临的挑战#

当然，Skills 生态并非没有问题。截至 2026 年中，社区反馈最多的问题包括：

1. Skill 冲突：当多个 Skill 对同一行为有不同约束时，AI 可能无所适从。社区正在推动一种”优先级”机制来解决这个问题
2. 调试困难：如果 AI 的行为不符合预期，很难判断是哪个 Skill 导致的。目前 Anthropic 正在开发 /skill debug 命令，可以显示每个决策的 Skill 来源
3. 质量参差不齐：不是所有社区 Skills 都经过了充分测试。建议从明星项目（如 anthropics/skills 官方集合或 mattpocock/skills）开始，再逐步自建定制

这些问题虽然存在，但瑕不掩瑜。毕竟 VS Code 的插件生态也是从混乱走向有序的——Skills 生态才刚爆发半年，未来可期。

给开发者的建议#

如果你还没开始用 Skills，我的建议是：从今天开始，在你项目的 .claude/skills/ 目录里放至少一个 Skill 文件。

不需要一上来就写几百行。从一个简单的”代码风格约定”开始，或者在 GitHub 上找一个现成的 Skill 直接复制进去。当你发现 AI 开始自动遵循你设定的规则，不再发出”毫无违和感但风格完全不对”的代码时，你就会理解为什么 Skills 是 2026 年 AI 编程最重要的范式转变。

记住，Skills 哲学的核心是——不要把 AI 当作一个需要你每句话都交代清楚的实习生，把它当作一个只需要你把规则写下来就会严格遵守的资深工程师。

这中间的效率差异，大概有十倍。