作为产品经理，我最近深入实践了Claude Skills的创建流程。在前面的文章中，我们已经理清了Claude Skills的概念定位、核心优势，以及与Rule、MCP的功能边界区分。

今天我想通过一个实战案例——提示词优化Skill的创建过程，分享如何在大模型的辅助下，快速构建一个生产级别的Skill。

这篇文章的核心价值在于：演示如何用"AI First"的思维方式将复杂需求转化为可执行的Skill规范，而不是从零开始手工编写。

一、问题定义：为什么需要这个Skill

在我观察的提示词优化场景中，存在三层递进的难点：

• 用户端：表达不清楚、信息遗漏、需求存在歧义
• 方法论端：大多数人掌握的提示词框架有限，即使了解框架也难以实践
• 工具端：现有的提示词优化工具多为通用框架，输入信息的质量缺陷会直接传导到输出结果

基于这些观察，我设计了prompt-optimizer Skill，其核心机制是：

1. 主动识别用户表述中的缺失、歧义或逻辑错误，确认后再进行处理
2. 从50+全球顶尖的提示词框架库中，根据场景自动匹配最适合的框架
3. 按照匹配的框架结构自动生成专业提示词

二、设计理念：从"手工"到"AI辅助"的思维转变

这里涉及一个重要的理念转变。虽然学习Skill的结构并不难，但真正动手编写时会遇到显著的门槛。关键是要问自己：这个任务AI能否更高效地完成？

具体到Skill创建这个场景，我的思路是：

（1）任务拆解到AI能力范围内

• 让大模型完成：框架匹配、需求澄清、提示词生成这三个环节
• 人类负责：提供框架库、制定规则、验证输出质量

（2）为大模型准备充足的上下文信息

• 将50+提示词框架纳入系统上下文
• 生成框架摘要，支持大模型在"渐进式加载"机制下高效定位框架
• 通过MCP协议让AI编码工具动态抓取最新的框架库

（3）利用渐进式加载的机制优化效率

考虑到未来框架数量可能增至数百个，我采取了分层策略：

• 第一步：大模型基于摘要锁定相关框架分类
• 第二步：动态加载对应框架的详细文件
• 第三步：基于完整框架进行精确匹配和生成

这样可以在控制token消耗的同时保证匹配精度。

三、实战操作：两种Skill创建方式

方案A：通过AI编码工具直接创建（推荐）

环境准备：

• 选择支持Skill规范的AI编码工具（本例使用Qoder）
• 克隆官方Skill仓库：https://github.com/anthropics/skills
• 此仓库包含官方规范示例和完整文档

快速了解Skill规范的技巧：

使用Qoder的Wiki生成功能扫描仓库，自动生成结构化的规范文档。

这比逐个阅读示例文件效率高得多，有疑问时可以直接向AI追问。

核心操作步骤：

Step 1：素材整理

• 准备框架库文件夹（包含50+框架的描述文件）
• 准备框架摘要文档
• 准备示例需求和预期输出
• 统一放在一个工作目录中

Step 2：提示词模板

在Qoder中执行以下指令（精简版示例）：

我需要你按照Skill规范，将"提示词框架"文件夹改造为"提示词优化专家"Skill。

**功能流程：**
1. 用户发送需求或原始提示词
2. 从框架摘要中匹配最相关的场景
3. 读取对应框架的详细描述文件
4. 识别用户表述中的歧义/缺失，与用户确认
5. 按框架规范生成优化后的提示词

**规范要求：**
- 遵守官方Skill目录结构
- 包含必需的配置文件和元数据
- 确保prompt模块逻辑正确性
- 注明模型兼容性和使用条件

Step 3：自动生成

Qoder会按照Skill规范自动生成完整的文件结构，包括：

• manifest.json — Skill元数据定义
• src/ — 核心逻辑代码
• prompts/ — 系统提示词
• README.md — 使用文档

生成完后建议进行功能测试，验证框架匹配和澄清流程是否符合预期。

方案B：通过官方skill-creator Skill创建

官方Skill仓库中包含自动化Skill创建工具，操作流程相同：

1. 进入工作目录（包含素材和规范说明）
2. 在Claude Code中调用skill-creator Skill
3. 发送同样的需求描述
4. 系统自动生成Skill文件

这种方式的优势是完全按官方规范生成，兼容性更高。

四、使用体验：如何安装和体验这个Skill

安装方式：

在Claude Code中安装：

/plugin marketplace add chujianyun/skills

或通过插件市场安装：

/plugin install prompt-engineering-skills@chujianyun/skills

使用流程：

1. 向Skill说明你需要优化提示词（可以只说需求，也可以提供原始提示词）
2. Skill会主动提问，确认需求的完整性
3. 核对清楚后，它会展示匹配的框架名称和理由
4. 基于框架生成优化后的提示词，并解释关键改进点

开源信息：

完整代码已开源至：https://github.com/chujianyun/skills

许可说明：允许使用和修改（需保留原作者信息），禁止商业用途。商业应用需与我联系获得授权。

总结

从产品经理的角度，这个创建过程给了我几个启发：

1. AI First并不意味着甩手

成功的Skill创建的关键不在于编码难度（有AI帮助已经很容易），而在于：

• 你是否真正理解了问题的本质
• 你能否将需求表述得足够清晰
• 你是否准备了充足且准确的素材和上下文

2. 可复用的思路框架

这个案例演示的"问题定义→理念转变→任务拆解→大模型执行"的流程，可以迁移到其他Skill的创建上。关键是找到人类最擅长的部分（定义问题、准备素材），让AI完成重复、繁琐的编码工作。

3. 版本迭代的重要性

Skill创建后，需要在实际使用中持续优化。收集用户反馈，不断调整框架库、提示词逻辑和澄清流程，这是一个持续演进的过程。

面向读者的建议：

如果你也有类似的想法——比如针对特定场景的自动化工具或知识库——建议参考这个思路自己动手构建。

难度已经不再是主要障碍，关键是你能否清晰地表达需求，准备好必要的素材。

欢迎分享你的Skill创意，我们一起推动这个生态的发展。