Anthropic 官方的 skill-creator:一個會「反問你需求、產出 SKILL.md、跑評測、優化觸發描述、打包成 .skill」的後設技能。教你用標準化的目錄結構與漸進式揭露(progressive disclosure)做出可重複使用的 Claude 技能。
你是一位 Agent Skill 設計顧問。請依下列流程,互動式地幫我打造一個全新的 Claude Skill。
# 目標技能
- 技能要做的事:{{SKILL_PURPOSE}}
- 觸發情境(使用者說什麼 / 在做什麼時該啟動):{{TRIGGER_CONTEXT}}
- 期望輸出:{{EXPECTED_OUTPUT}}
# 流程(逐步進行,每步先問清楚再動手)
1. 捕捉意圖:用你的話複述這個技能的「完成定義」,確認後再繼續。追問邊界情況、輸入/輸出格式、成功標準。
2. 產出目錄結構:
skill-name/
├── SKILL.md # 必填:YAML frontmatter + Markdown 指示
├── scripts/ # 選填:可執行程式
├── references/ # 選填:詳細文件(按需載入)
└── assets/ # 選填:範本 / 圖示 / 字型
3. 寫 SKILL.md 的 YAML frontmatter,只需 name 與 description 兩個必填欄位:
- name: 技能識別名(kebab-case)
- description: 「做什麼 + 何時用」一起寫,要『主動 pushy』地列出具體觸發情境,避免技能被低估而不啟動。
4. 寫 SKILL.md 本文:遵守漸進式揭露三層——metadata 永遠載入、SKILL.md 本文觸發時載入(目標 < 500 行)、references/scripts 按需載入。把長文件、長範例移到 references/。
5. 設計評測:在 evals/evals.json 列出測試案例(id / prompt / expected_output / assertions)。
6. 評測方法:同一回合派出兩個 subagent——一個有此技能、一個沒有——並排比較輸出,先給人看再自動評分。
7. 依回饋迭代:從具體抱怨歸納通則,不要做過度擬合的瑣碎修補;換比喻、換結構,保持技能在多種真實情境下都能轉移。
8. 優化 description:針對「該觸發卻沒觸發 / 不該觸發卻觸發」反覆調整,直到觸發精準。
9. 打包:整理成最終 .skill 檔。
請先做第 1 步:複述完成定義並列出你要追問我的問題。把方括號 [ ] 內的變數換成你的內容,丟進 Claude Code。
不用離開網站,直接看這組 prompt 跑出來長怎樣(AI 即時生成,扣 1 點)。
不只複製貼上 — 下載後放到 ~/.claude/skills/anthropic-skill-creator-guide/SKILL.md,之後每個 session 自動可用(觸發時自動載入)。
mkdir -p ~/.claude/skills/anthropic-skill-creator-guide && mv ~/Downloads/SKILL.md ~/.claude/skills/anthropic-skill-creator-guide/SKILL.mdNew-Item -ItemType Directory -Force "$env:USERPROFILE\.claude\skills\anthropic-skill-creator-guide" | Out-Null; Move-Item "$env:USERPROFILE\Downloads\SKILL.md" "$env:USERPROFILE\.claude\skills\anthropic-skill-creator-guide\SKILL.md"## 這是什麼?解決什麼痛點 如果你發現自己每次開新對話都要把同一套工作流、同一份規範、同一組步驟重講給 Claude 聽,那你需要的就是一個「Agent Skill」。Skill 是一個資料夾,裝著指示(SKILL.md)、腳本與資源,Claude 會在偵測到相關情境時『動態載入』它,省去你每次重新交代。但問題是:自己手刻一個好用、又能被『精準觸發』的技能其實不容易——description 寫太窄會永遠不啟動,寫太寬會到處亂觸發。skill-creator 就是 Anthropic 官方用來解這個問題的『後設技能(做技能的技能)』。 ## 為什麼值得用這個來源 這是 Anthropic 官方 `anthropics/skills` repo 裡的第一方實作,不是第三方猜測。它把 Anthropic 內部做技能的標準流程攤開:固定的目錄結構、YAML frontmatter 規範、漸進式揭露(progressive disclosure)三層載入模型,以及一套真的會跑 A/B 評測的方法論。官方 frontmatter 對它自己的描述是:「Create new skills, modify and improve existing skills, and measure skill performance.」repo 內附 `scripts/run_eval.py`、`scripts/aggregate_benchmark`、`scripts/run_loop`、`scripts/package_skill`、`eval-viewer/generate_review.py` 等真實腳本,以及 `agents/grader.md`、`agents/comparator.md`、`agents/analyzer.md` 等評分 subagent。 ## 怎麼用(要點) 1. 把你想做的技能用一句話講清楚:它做什麼、何時該啟動、期望輸出長怎樣。 2. 讓它訪談你補齊邊界情況與輸入輸出格式。 3. 它產出 `SKILL.md`(必填 name + description)與選配的 scripts/references/assets 目錄。 4. 關鍵心法『漸進式揭露』:SKILL.md 本文盡量 < 500 行,把詳細文件丟進 references/、長腳本丟進 scripts/,讓 Claude 按需才載入,省 context。 5. 用評測驗收:同一回合派『有技能 vs 沒技能』兩個 subagent 並排比較,再迭代優化 description 的觸發準度。 ## 何時用 - 你有一套重複性高、規則明確的工作流想固化成 Claude 的常駐能力。 - 你已經有一個技能,但它老是『該觸發時不觸發』或『亂觸發』,想用評測量化並優化 description。 - 你想把團隊的 SOP / 規範打包成可分享的 `.skill` 檔。 ## 注意 description 要『主動列出具體觸發場景』而非只寫功能,這是它能否被正確啟動的關鍵。官方文件也提醒:repo 內容『僅供示範與教學用途』,實際 Claude 行為可能與展示略有不同。 📎 來源:anthropics/skills(作者 Anthropic,Apache-2.0 授權)— 本篇為繁中改寫整理,內容經改寫,原始內容見上方連結。
[SKILL_PURPOSE]這個技能要做的事,一句話講清楚(例如:把雜亂的會議筆記整理成決議 + 待辦 + 負責人)
[TRIGGER_CONTEXT]什麼情境該啟動它——使用者會說什麼、或正在做什麼(例如:使用者貼上會議逐字稿、或說『幫我整理會議』)
[EXPECTED_OUTPUT]期望的輸出格式或樣貌(例如:三段式 Markdown:決議 / 待辦表格 / 下次會議重點)
填下面的欄位,上方 prompt 會即時替換 [方括號] 內容。填好後按「複製組好的 prompt」直接丟進工具。
你是一位 Agent Skill 設計顧問。請依下列流程,互動式地幫我打造一個全新的 Claude Skill。
# 目標技能
- 技能要做的事:{{SKILL_PURPOSE}}
- 觸發情境(使用者說什麼 / 在做什麼時該啟動):{{TRIGGER_CONTEXT}}
- 期望輸出:{{EXPECTED_OUTPUT}}
# 流程(逐步進行,每步先問清楚再動手)
1. 捕捉意圖:用你的話複述這個技能的「完成定義」,確認後再繼續。追問邊界情況、輸入/輸出格式、成功標準。
2. 產出目錄結構:
skill-name/
├── SKILL.md # 必填:YAML frontmatter + Markdown 指示
├── scripts/ # 選填:可執行程式
├── references/ # 選填:詳細文件(按需載入)
└── assets/ # 選填:範本 / 圖示 / 字型
3. 寫 SKILL.md 的 YAML frontmatter,只需 name 與 description 兩個必填欄位:
- name: 技能識別名(kebab-case)
- description: 「做什麼 + 何時用」一起寫,要『主動 pushy』地列出具體觸發情境,避免技能被低估而不啟動。
4. 寫 SKILL.md 本文:遵守漸進式揭露三層——metadata 永遠載入、SKILL.md 本文觸發時載入(目標 < 500 行)、references/scripts 按需載入。把長文件、長範例移到 references/。
5. 設計評測:在 evals/evals.json 列出測試案例(id / prompt / expected_output / assertions)。
6. 評測方法:同一回合派出兩個 subagent——一個有此技能、一個沒有——並排比較輸出,先給人看再自動評分。
7. 依回饋迭代:從具體抱怨歸納通則,不要做過度擬合的瑣碎修補;換比喻、換結構,保持技能在多種真實情境下都能轉移。
8. 優化 description:針對「該觸發卻沒觸發 / 不該觸發卻觸發」反覆調整,直到觸發精準。
9. 打包:整理成最終 .skill 檔。
請先做第 1 步:複述完成定義並列出你要追問我的問題。這組 prompt 專為 Claude Code 設計。把 prompt 內 3 個方括號 [變數] 換成你自己的內容,貼進 Claude Code 執行即可。難度中等,照變數說明填好後即可上手。
完整 prompt 免費開放閱讀,不用註冊;登入後可一鍵複製、收藏與留言。
prompt 文字本身你可自由使用與修改。但 AI 生成物(圖/音樂/影片/文字)的商用授權,取決於你在 Claude Code 使用的方案與其官方服務條款,請以該工具的授權規範為準。
Studio engineer 視角拆解 Suno 致命弱點(油炸 vocals、高頻 artifact)+ 4 步驟 DAW workflow + Suno Studio 修音 prompt
提案產生器 / 會議處理器 / 內容再利用 / 週五回顧 / 收工 reset — 試了 40 個只有這 5 個沒被丟掉、各省 30+ 分鐘 / 次。
適合:部落格、Medium、Notion 公開頁、Substack — 任何支援 iframe / HTML 嵌入的地方。對方點「看完整」會回到本站、是 prompt 庫的免費 backlink。
<iframe src="https://prompt.luvai.net/embed/anthropic-skill-creator-guide" width="100%" height="380" frameborder="0" style="border:1px solid #e0dcd0;border-radius:4px;" loading="lazy" title="PromptCraft Embed"></iframe>
六個月在 Claude / GPT-4 / Gemini 上用人工 rater A/B 測 200+ prompt 後寫的。包含 persona+constraint stacking / anti-example / role reversal QA / cognitive scaffold / emotional priming / uncertainty CoT / steelman first。
一年的 role-play system prompt + 14-step framework 後總結:真正改變品質的是 5 個單行 prompt。沒有 role、沒有 markdown、沒有「you are an expert」。