最近在看 Anthropic 剛推的 Claude Skills，官方文件把這東西定義成「AI 的職前訓練手冊」。 根據 Anthropic 官方定義與技術文件，所謂的「Claude Skill」（正式名稱通常稱為 Agent Skills ）是一個非常獨特且強大的功能模組。 關於 Claude Skills 的官方技術文件，看完後確實很有意思。 特別是它提到的核心概念： 「漸進式揭露 (Progressive Disclosure)」 。 簡單說，以前我們寫 Agent，是把所有規則一次塞給它；但 Claude Skills 是讓它像人類員工一樣，平常只知道自己「有這個技能」，等到真的要寫信、分析報表時，才去打開那個 SKILL.md 檔案讀 SOP。 這在邏輯上非常合理，把 Token 省下來，準度也提高。但當我試著把官方範例那個 professional-email-writer 真正放進商業流程跑過後，發現這中間有些「理論與實戰」的摩擦點 一、 Claude Skills 有什麼特別之處？ 與一般 LLM 的「Tool Use (Function Calling)」不同，Claude Skills 的設計核心在於 「漸進式揭露 (Progressive Disclosure)」 與 「情境注入」 。 漸進式揭露 (Progressive Disclosure) - 最核心的差異 一般做法： 通常我們會把所有規則寫在一個超長的 System Prompt 裡，這會佔用 token 且讓模型分心。 Claude Skills： 技能以資料夾形式存在。Claude 平時只知道「我有這個技能的名稱與簡介」 。只有當你要求它執行相關任務時，它才會「打開」這個資料夾，讀取裡面的 SKILL.md (詳細指令) 與相關檔案。這極大地節省了上下文空間，並提高了執行精準度。 檔案系統導向 (Filesystem-based) 一個 Skill 就是一個資料夾。裡面可以包含說明書 ( SKILL.md )、範本 ( templates/ )、甚至可執行的程式碼 ( scripts/ )。Claude 可以像人類員工一樣，去翻閱這個資料夾裡的參考資料或執行裡面的腳本。 模組化與可攜性 你可以把「撰寫 Code...
熱血，是一輩子的事！ Answer is there, dig it.