你的claude code skills 可能从没被触发过

📝

最近在看 Meta Skills 的研究，简单说，普通技能是用来完成任务的，比如把 Markdown 转成 PDF；而 Meta Skills 是用来造、评估、改进别的技能的。最典型的就是 Anthropic 的 skill-creator——它本身就是一份描述「怎么写 SKILL

原文链接：https://mp.weixin.qq.com/s/EzBOtcyhlfB3p-FjKMfVKA

最近在看 Meta Skills 的研究，简单说，普通技能是用来完成任务的，比如把 Markdown 转成 PDF；而 Meta Skills 是用来造、评估、改进别的技能的。

最典型的就是 Anthropic 的 skill-creator——它本身就是一份描述「怎么写 SKILL.md」的 SKILL.md，能用自己改进自己。这种递归自指就是它的杠杆所在。

有研究把 Meta Skill 分成四种原型：创造、评估、优化、编排。Anthropic 的官方插件已经把前三种打包好了，跑一遍完整循环是七步，从捕捉意图到迭代改进。不过我没想到的是描述优化的子循环——把 20 个触发 query 切成 12 训练 + 8 测试，跑 5 轮，用测试集分数挑赢家。

这就是 ML 的 train/test 范式直接搬进了 prompt 工程。Anthropic 自己用它跑了 6 个文档技能，5 个的触发率都提升了。

当然，不同的人对这件事看法挺不一样的。ADAS 的作者把这个思路推到了极致，干脆让 meta agent 直接写 agent 代码、自由编程。但 Anthropic 反过来选了一条「轻量版」路线，只让 skill-creator 重写 SKILL.md，结构化加受约束。Simon Willison 在他博客里也提过，这是对递归自我改进的一种工程化克制，真正的限制因素是安全而不是技术。Jesse Vincent（做 superpowers 那个插件的人）则发现 GPT5-Codex 用技能甚至比 Claude 还好，因为它指令跟随更字面。

Skill Creator 当然不是什么新发明，它把过去 4 年的研究成果浓缩成了一个可部署的 SKILL.md 文件夹。它的核心不是创造而是评估循环——很多人做技能就是凭感觉跑一次看着合理就当成功了，那不是工程，是赌博。

不过就我自己而言（也是我的痛点啦），可能值得盯紧的方向是 composition。已经有论文测过，技能库到 20 万规模时，瓶颈不是检索而是 DAG 编排。

---

💬 本文评论区已开启，但暂无读者留言。

本文转载自微信公众号，如有侵权请联系删除。