在专注 coding 的场景里，很多工作其实是“固定套路”：比如 code review、写 commit message、排查 CI 失败、生成变更摘要、跑一套团队约定的检查清单等这些都可以被抽象成可自动化的流程。
Skill 的价值就在于：把这种“可重复的、可流程化的环节”从一次性的 prompt 里抽出来，变成一个可组合、可扩展、可移植的能力模块，让 agent 像搭积木一样把能力拼起来，而不是每次都从零“临场发挥”。
更具体地说，Skill 不是一句提示词，而是一个有序文件夹：里面包含指令（核心通常写在 SKILL.md）、可执行脚本、以及参考资源（规范、模板、示例等）。
代理在执行任务时，会先基于 Skill 的“名字/描述”进行匹配，在任务需要时再动态发现并加载该文件夹内容（而不是一开始就把全部资料塞进上下文）。因此 Skill 能把你的经验打包成可复用资源，扩展 Claude 的能力，把通用代理“定制化”为符合你需求的专用代理。
Skills 是“可复用的工作说明书/工具包”，Subagent 是“带独立上下文和权限的专职同事”。
Skills也就是Agent Skills的核心是 SKILL.md（YAML 元数据 + Markdown 指令），还可以带脚本/参考资料等。Claude Code 会基于 description 自动发现并应用。
Subagents是Claude Code 的自定义子代理，其核心是.claude/agents/*.md（或 ~/.claude/agents/），文件里是 YAML frontmatter（name/description/tools/model/…）+ Markdown 系统提示词。
重要细节：Subagent 默认不继承主对话的 Skills。你需要在 subagent 配置里显式写 skills:，它会把这些 Skills 的完整内容注入到 subagent 启动时的上下文。
Tech Leader / Planner（主代理 or 一个专门 subagent）
负责把需求拆成工作包（可并行）+ 定义交付物 + 合并验收口径
Repo Archaeologist（代码库考古/架构扫描）
负责快速产出：模块边界、关键数据结构、调用链、风险点清单
core Dev（实现工程师，可能 1~N 个）
每个人拿一个工作包，在自己的分支/目录里改
Reviewer / QA（评审 + 质量闸门）
负责“可合并标准”：测试、边界条件、回归风险、安全/依赖问题等
Test Runner（测试/基准）：专门跑测试、补测试矩阵、做复现脚本
Security Reviewer（安全/依赖审计）：尤其涉及网络、shell、反序列化、权限
Docs/ADR Writer（文档/架构决策记录）：把关键决策写成 ADR，方便长期维护
Performance Analyst（性能/成本）：基准、profile、热点定位、优化建议
Researcher（算法/论文）：文献对齐、baseline、可行性约束
Experimenter（实验工程）：训练/评测 pipeline、记录、可重复性
这些 subagent 都是“可替代”的：项目小就合并；项目大就拆开，避免主上下文爆炸、避免角色冲突。
Skill 的本体：文件夹 = 指令 + 脚本 + 资源。在 Claude Code 里，最小形态就是一个包含 SKILL.md 的目录，SKILL.md 的 name / description 用来让 Claude 判断何时触发。
这里就不得不提到skill的“渐进式披露”：Skill 不要求把所有内容一次性注入上下文：可以把关键步骤留在 SKILL.md，把详尽规范拆到其他文件，需要时才读取。这让 Skill 能携带“几乎无限”的资料而不挤爆上下文窗口。
Skill 之所以“能装很多知识却不爆上下文”，靠的是三层加载模型：
Level 1：元数据（永远加载）
启动时只加载每个 Skill 的 name + description（相当于目录卡片/索引）。Claude 只知道“有哪些技能”和“什么时候用”。
Level 2：指令正文（触发才加载）
当你的请求匹配 description，Claude 才会去读取 SKILL.md 的正文，把流程化的“怎么做”读进上下文。
Level 3：资源与代码（需要时才访问/执行）SKILL.md 可以链接更多文档（规范、API 说明、模板），也可以带脚本；Claude 只在需要时才读这些文件，并且脚本可以直接执行（只把输出带回上下文），做到“可靠、可重复、低 token”。
而恰巧这三个步骤，可以被抽象成以下三种想法：
Discovery（发现）：启动时只加载每个 Skill 的 name/description（快、轻量）。
Activation（激活）：当请求命中 description，Claude 会提示要使用该 Skill，你确认后才把完整 SKILL.md 读进上下文。
Execution（执行）：按 Skill 指令做事，按需读更多文件或运行脚本。
这里最关键的其实是description，它决定了claude会不会用这个skills。
当前大部分的工作可以进行DAG的切分和节点化，重复/固定/可验收”的节点最适合做成 Skills，而开放式创造/强依赖上下文权衡的节点更适合留给 subagent。
一个通用的DAG workflow如下：
需求澄清 → 代码库扫描 → 方案设计/接口 →任务切分（可并行）→ code 实现 → 测试与回归 → Code review → 文档/交付
其中最适合固化成 Skills 的通常是：2、4、6、7、8（高重复 + 有固定模板/清单/命令）。
在软件开发过程中，最重要的我认为有如下几个skills：
repo-scanning：架构扫描输出（模块图、关键入口、风险点）
work-breakdown：把需求拆成 work items（每项：DoD/依赖/影响面）
coding-standards：你团队的风格、目录约束、错误处理、日志规范
test-strategy：单测/集成测清单 + 覆盖策略 + 运行命令
pr-review：PR 审查清单（正确性/边界/可维护性/复杂度/一致性）
security-check：依赖/输入验证/命令执行/敏感信息/权限边界清单
perf-benchmark：性能基准、profile 模板（只有性能敏感才需要）
docs-adr：ADR 模板、设计文档模板（长期维护项目更需要）
在算法设计过程中，最重要的我认为有如下几个skills：
literature-scout：文献扫描与对齐（研究型更需要）
visual-report：固定画图/报告结构
baseline-kit：baseline 选择规则 + 最小实现 checklist
data-protocol：数据划分、防泄漏、预处理、版本记录规范
eval-metrics：指标定义 + 统计检验 + 置信区间/显著性口径
experiment-tracking：实验记录模板（配置、种子、环境、可复现命令）
error-analysis：误差分解/分桶分析模板（让你快速找到下一步）
ablation-planner：消融设计模板（论文/对外汇报更需要）
按照我现在的workflow，我是把需求给ai，让它生成一份需求markdown，然后不断调，调到好了之后让cc一次性写完并且code review，后续我加需求就做增量code，到了下一个version再做code review和代码优化。
众所都周知，opus系列的优点就是又大又全又好，拿来做code review再好不过了。目标是：一次写好，之后每次 review 都自动按标准处理和输出。
subagent：requirements-writer
skills：docs-adr, work-breakdown, coding-standards
产物：docs/PRD_<version>.md（你可改路径）+ .claude/handoff/<task_id>_prd.md
subagent：tech-lead（先扫 repo + 拆 work items）
subagent：implementer（按 work items 实现）
subagent：test-runner（跑测试/补测试/修失败）
skills：repo-scanning, work-breakdown, coding-standards, test-strategy
subagent：code-reviewer
subagent：security-auditor
subagent：perf-benchmarker（仅性能敏感时）
skills：pr-review, security-check, perf-benchmark
subagent：code-optimizer
skills：coding-standards, pr-review, perf-benchmark
按 A/B（增量）推进；到版本节点再跑 C/D（集中）
.claude/
agents/
requirements-writer.md
tech-lead.md
implementer.md
test-runner.md
code-reviewer.md
security-auditor.md
perf-benchmarker.md
code-optimizer.md
literature-scout.md
experimenter.md
skills/
repo-scanning/SKILL.md
work-breakdown/SKILL.md
coding-standards/SKILL.md
test-strategy/SKILL.md
pr-review/SKILL.md
security-check/SKILL.md
perf-benchmark/SKILL.md
docs-adr/SKILL.md
literature-scout/SKILL.md
visual-report/SKILL.md
baseline-kit/SKILL.md
data-protocol/SKILL.md
eval-metrics/SKILL.md
experiment-tracking/SKILL.md
error-analysis/SKILL.md
ablation-planner/SKILL.md
handoff/
artifacts/anthropics/skills：官方示例与模板库，覆盖从文档到工程自动化的多类 Skill，适合照着抄结构。
travisvn/awesome-claude-skills：Claude Skills 的大合集索引，找现成 Skill 很方便。
heilcheng/awesome-agent-skills：更偏“跨生态”的 Skills 合集（Claude / Copilot / VS Code 等），也包含创建与使用的实操指引。
ComposioHQ/awesome-claude-skills：另一个 Claude Skills 合集，适合横向对比不同写法。
meetrais/claude-agent-skills：偏“可运行示例”，展示 Skill 如何配合脚本做 repo 分析/变更提取。
numman-ali/openskills：一个“通用 skills loader/安装器”的思路，适合你想同时兼容多个 coding agent 的场景。
ChrisWiles/claude-code-showcase：Claude Code 工程化配置示例（含 deep code review、hooks、CI 等玩法）。