Claude Code 創始人的 13 條秘籍與 Agent Skills 終極指南

大家好，我是 SYNAPSEWIRE 的技術編輯。

最近 AI 編程圈子裡有個概念很受關注，那就是 Agent Skills。起初它只是 Claude 的獨門絕技，但就在 2025 年 12 月 18 日，Anthropic 直接把 Agent Skills 發布成了開放標準。這意味著什麼？意味著它和 MCP（模型上下文協議）一樣，正在成為 AI Agent 領域的通用語言。Codex、Cursor、OpenCode 這些工具也紛紛跟進支持。

與此同時，Claude Code 的創始工程師 Boris Cherny 在 X 上公開了他個人的 13 條使用秘籍。這兩件事結合在一起，向我們傳遞了一個明確的信號：我們正在從「提示詞工程」時代，跨入「Agent 編排」時代。

今天這篇文章，我就帶大家從原理到實戰，理解 Agent Skills，並結合 Boris 的心法，教你如何像頂級工程師一樣使用 AI 工具。

第一部分：什麼是 Agent Skills？

如果用一句話總結：Agent Skills 就是一種「帶目錄的說明書」，是一種漸進式披露提示詞的機制。

傳統的 Prompt 是把所有指令一股腦塞給 AI，既費 Token 又容易讓 AI 抓不住重點。而 Skills 把提示詞分成了三層：

元數據（Metadata）：比如 Skill 的名字和簡介。這是必加載的，相當於書的「目錄」。
指令（Instruction）：具體怎麼幹活。按需加載，相當於書的「正文」。
資源（Resource）：輔助文件、腳本、文檔。按需加載，相當於書的「附錄」。

它的核心邏輯是：AI 先看目錄（元數據），覺得能解決問題，再翻開正文（加載指令），需要幹苦力時再調用附錄（執行腳本）。這樣做最大的好處就是：大幅節省了 Token 消耗，降低了上下文的複雜度。

為什麼你需要它？

想像一下，你團隊有一套嚴格的 Code Review 規範，或者你有一個處理 PDF 表單的複雜流程。

以前：你每次都要把幾千字的規範貼給 AI，或者寫在 System Prompt 裡（擠佔寶貴的上下文空間）。
現在：你把它封裝成一個 Skill。AI 平時根本不加載它，只有當你說「幫我 Review 這段代碼」時，AI 才會自動去讀取這個 Skill 的內容。

這就是漸進式披露（Progressive Disclosure）的優勢。

第二部分：實戰——手搓第一個 Skill

咱們直接上手，以 Claude Code 為例。

1. 目錄結構是關鍵

Skills 是以文件夾形式存在的。在一個專案裡，你需要建立這樣的路徑：

專案根目錄/.claude/skills/你的技能名/

在這個文件夾裡，必須包含一個核心定義文件：SKILL.md。

2. 編寫 SKILL.md

我們來做一個「把 SRT 字幕文件轉換成 Markdown 筆記」的技能。打開 SKILL.md，寫法如下：

---
name: srt-to-markdown
description: 當用戶需要將字幕文件轉換為筆記時使用。
---

# SRT 轉 Markdown 助手

## 指令
你是字幕處理專家。請按照以下步驟處理用戶提供的 .srt 文件：
1. 讀取文件內容。
2. 去除時間軸和序號。
3. 將碎片化的句子合併成通順的段落。
4. 在關鍵位置插入 `![截圖占位符](timestamp)`。
5. 生成一份排版精美的 Markdown 筆記。

## 參考範例
...

3. 運行測試

啟動 Claude Code，輸入 /skills 就能看到你剛寫的技能。把你準備好的 .srt 文件拖進對話框，Claude Code 就會識別出文件類型，並主動詢問：「要不要用【srt-to-markdown】這個技能處理一下？」

點擊確認後，它才會加載該 Skill 的詳細指令，瞬間幫你生成筆記。

小技巧：全局 Skill

如果你想讓 Skill 在所有專案裡都能用，就把它放到用戶目錄下的配置資料夾裡（例如 macOS 的 ~/.claude/skills）。

第三部分：Claude Code 創始人 Boris 的 13 條秘籍

學會了寫 Skill 只是第一步，如何把它融入工作流？讓我們看看 Claude Code 的創始工程師 Boris Cherny 是怎麼用的。他的工作流很實用，具有啟發性。

秘籍 1：並行作戰（Parallelization）

Boris 在終端裡同時開啟 5 個 Claude 窗口，編號 1 到 5。

窗口 1：寫新功能
窗口 2：跑測試找 Bug
窗口 3：查 API 文檔
窗口 4：做代码重构
窗口 5：处理用户反馈

核心邏輯：不要傻等 AI 寫完。把任務分發出去，讓它們並行跑。這就像你僱了 5 個實習生，而不是讓一個實習生排隊幹活。

秘籍 2：永遠使用 Opus 4.5 + Thinking

雖然 Opus 貴且慢，但 Boris 堅持使用它。理由：Opus 更聰明，需要的「來回拉扯」更少。Sonnet 可能需要你提示 3 次才能對，Opus 一次就搞定。總時間算下來，Opus 其實更快。在 AI 編程中，準確率比速度更重要。

秘籍 3：CLAUDE.md 是團隊的知識庫

這是重要的知識管理技巧。Boris 的團隊維護一個 CLAUDE.md 文件，提交到 Git 倉庫裡。

記錄什麼？
- Claude 做錯過的事情（“不要用 console.log，用 logger”）。
- 團隊的特殊規範（“提交信息必須遵循 Conventional Commits”）。
怎麼用？
- 每次 Code Review 發現問題，直接 @Claude 讓它把這條規則加到 CLAUDE.md。
- 這相當於把團隊的經驗「固化」到了代碼庫裡，新人（和新 AI）一來就能上手。

秘籍 4：Plan Mode（計劃模式）

大多數任務，Boris 都從 Plan Mode 開始（按兩次 Shift+Tab）。先讓 AI 寫計畫，你審核計畫，確認無誤後再切換到自動執行模式。重點：“A good plan is really important!”（一個好的計畫很重要！）

秘籍 5：給 AI 一個驗證的手段

這是 Boris 認為很重要的一條：Give Claude a way to verify its work. 如果 AI 寫完代碼後能運行一個測試、跑一個腳本、或者打開瀏覽器看一眼 UI，它的代碼質量會提升 2-3 倍。不要只讓 AI「寫」，要讓它「寫完並檢查」。

第四部分：進階玩法——給 Skill 掛載資源

Agent Skills 強大的地方在於它的 資源層。你的 Skill 文件夾裡除了 SKILL.md，還可以放：

scripts/：Python 或 Bash 腳本。
references/：參考文檔、範文。
assets/：圖片模板等。

案例：視頻截圖

剛才的字幕轉筆記只是生成了占位符。現在，我在 Skill 文件夾裡建一個 scripts 目錄，放一個調用 ffmpeg 進行截圖的 Python 腳本。

然後修改 SKILL.md 的指令，加上一條：「Markdown 生成完畢後，調用 python scripts/screenshot.py 對視頻進行截圖。」

注意：這裡 AI 並不是把 Python 代碼讀進上下文，而是直接執行這個腳本。這意味著代碼本身不佔 Token，很省。

第五部分：Skills vs MCP，誰才是未來？

大家可能會問，這和 MCP (Model Context Protocol) 有什麼區別？

特性	Agent Skills	MCP (模型上下文協議)
側重點	提示詞 (Prompt) 與流程 (Workflow)	工具調用 (Tool Call) 與數據連接
類比	帶目錄的說明書	標準化的工具箱
Token 消耗	低 (按需加載)	較高 (一次性塞入定義)
編寫難度	低 (寫 Markdown 即可)	高 (要寫 Server 代碼)

我的觀點： Skills 勝在輕量、靈活、省 Token；MCP 勝在標準、穩定、更工程化。 最佳實踐是結合使用：

用 Skills 指揮 AI 思考（讀取範文、遵循流程）。
用 MCP 讓 AI 動手（連接 GitHub、操作數據庫）。

總結

Agent Skills 的出現，讓 AI 編程工具的自定義能力提升了一個層次。它不像 MCP 那麼「重」，通過簡單的 Markdown 就能讓 AI 學會複雜的流程和風格。

如果你正在用 Claude Code、Cursor 或者 Codex，我建議你參考 Boris 的做法：

建立 CLAUDE.md 固化團隊知識。
把重複性工作封裝成 Skills。
善用 Parallelization 和 Verification。

相信我，一旦你建立了這套工作流，你就再也回不去那個只會問 “How to write a loop” 的時代了。

參考資料 / References: