Anthropic 刚发布了一份 33 页的 Claude Skills 构建指南，覆盖文件结构、YAML frontmatter、渐进式披露、MCP 集成、测试方法论、分发与故障排查。系统、完整、即刻可用。

也是迄今为止最清晰的一张图：Skill 范式的边界在哪里。

指南做对了什么

先说做得好的地方。指南系统化了社区已在独立趋同的几个核心思路：

渐进式披露。 Skill 采用三层架构：YAML 元数据（始终加载）→ SKILL.md 正文（相关时加载）→ 参考文件（按需加载）。这是管理上下文窗口的正确方式。每个 token 都在竞争空间，一个在只需要 50 词时却倾倒 5,000 词指令的 Skill，会拖垮它周围的一切。

MCP + Skill 分层。 指南划出了清晰的界线：MCP 是连接层（Claude 能访问什么），Skill 是知识层（Claude 应该如何使用这些访问权限）。这个区分很重要。一个连接到 Linear 的 MCP Server 给你的是原始 API 访问权。一个叠加在该 MCP 之上的 Skill 教会 Claude 你团队的冲刺规划工作流。没有知识的连接，只是一个更花哨的 API 客户端。

Description 即发现机制。 指南强调 Skill 的 description 字段是它的生存机制。描述含糊（“帮助处理项目”），Skill 永远不会被加载。描述太宽泛（“处理所有文档”），它会在无关查询上误触发然后被禁用。推荐公式——“做什么 + 什么时候用 + 负触发词”——实用且可立即落地。

Skill 作为开放标准。 Anthropic 明确将 Skill 定位为开放标准，类比 MCP。同一个 Skill 应该能跨 Claude、其他 AI 平台和自定义 Agent 使用。这是一个重要的架构选择：它将能力定义从运行时解耦。

这些都是真正的贡献。如果你在构建 AI 工作流，这份指南值得一读。

看不见的天花板

但指南没有问一个问题：当你有 200 个 Skill 的时候，会发生什么？

不是 200 个做不同事情的 Skill——而是 200 个都声称自己能做代码审查的 Skill。或冲刺规划。或数据分析。指南告诉你如何构建一个好的 Skill。但当有五十个候选时，它没有告诉你如何找到最好的那个。

以下是 33 页没有覆盖的内容：

没有适应度指标。 你怎么知道一个 Skill 是否真的好？指南建议对比测试——同一任务分别在有/无 Skill 的情况下运行，衡量 token 消耗和消息轮次。这对 Skill 作者有用。但它给 Skill 消费者什么都没有。当你浏览一个 500 个 Skill 的注册表时，没有分数，没有排名，除了”有人写了一段不错的描述”之外没有任何信号。

没有竞争机制。 在指南的世界里，Skill 被发布后……就存在着。同一领域的两个 Skill 不会竞争。它们不会在相同输入上被对比。没有机制让赢家浮出水面、让输家被淘汰。唯一的选择压力是手动的：某个人两个都试一遍然后挑一个。

没有传播。 一个优秀的 Skill 留在作者放置的地方。没有机制让 Skill A 发现 Skill B（它从未见过的）解决某个子问题更好，然后采纳那个组件。用生物学术语说：没有水平基因转移。

没有生命周期。 Skill 不会老化。当更好的替代品出现时，它们不会被弃用。当它们的 API 依赖断裂时，它们不会被下线。指南提到了元数据中的版本号，但没有生命周期管理的版本号只是标签。

没有保真度模型。 不是所有 Skill 都是平等的。有的是 API 调用的薄封装。有的包含大量原生逻辑——预处理、验证、回退链。指南对它们一视同仁。但差异很重要：一个渲染 prompt 模板的 Skill 和一个运行 WASM 沙箱的 Skill 是完全不同的可靠性画像。

Gene 命题

这些不是功能需求，而是结构性缺口。

Skill 范式解决的是编码问题：如何打包一个能力让 AI Agent 可以使用它？指南回答得很好。但编码只是故事的一半。

在生物学中，标准化遗传密码——四字母表、密码子表、阅读框——是必要的但不充分的。让进化真正运转的是编码之后的一切：复制、变异、选择、竞争、传播和死亡。

Rotifer Protocol 从 Skill 范式停下的地方开始。Gene 是一个被赋予了完整进化机械的 Skill：

Skill（静态）	Gene（进化中）
发布一次	带语义谱系的版本化
无质量信号	Arena 竞争产生适应度分数 F(g)
留在原处	通过水平逻辑转移（HLT）传播
永远存活	六态生命周期（Draft → Published → Active → Deprecated → Archived → Tombstoned）
单一保真度	三级保真度（Wrapped → Hybrid → Native）
扁平注册表	带竞争、排名和日落机制的 Registry

Gene 不是 Skill 的替代品。它是一个学会了进化的 Skill。

标准化先于选择

Anthropic 这次发布的真正好消息在于：你需要一个标准化的基因组，才能有自然选择。

如果每个框架都以不同方式定义能力——LangChain Tools、OpenAI Actions、MCP、Semantic Kernel Plugins、CrewAI skills——那么跨框架竞争就不可能。一个 LangChain Tool 无法与一个 MCP Server 竞争，因为它们不共享公共接口。

Skill 作为开放标准改变了这一点。当能力共享公共结构（SKILL.md、YAML frontmatter、类型化输入输出），它们就变得可比较。一旦可比较，它们就能竞争。一旦竞争，最好的就能被选择、传播和构建。

Skill 标准是氨基酸字母表。Gene 是蛋白质。进化是连接它们的过程。

这对实践意味着什么

如果你今天正在构建 AI 工作流：

使用 Skill。 指南提供了好建议。打包你的最佳实践，测试它们，迭代 description。
思考规模化后会怎样。 当你的团队有 50 个 Skill 时，你将如何决定保留哪些？当你的社区有 500 个时，新用户如何找到最适合他们任务的那一个？
留意适应度缺口。 当你发现自己在手动对比两个做同一件事的 Skill 时，你就撞上了指南没有回答的那个天花板。

Rotifer CLI 已包含 Skill Import 管道，可将现有的 SKILL.md 文件转化为 Gene——保留你的工作成果，同时添加进化基础设施。无需重写。

npm install -g @rotifer/playground
rotifer gene init --from-skill ~/.cursor/skills/your-skill/

你的 Skill 已经很好了。它们只是还没学会进化。