Anthropic Claude Skills 案例解析：构建高效 Agent 的核心指南

通过 Skills 扩展模型专业技能（Photo by Nick Morrison on Unsplash ）

目录

• 目录
• 仓库架构与生态
  • 技能组合概览
• 案例解析：PDF Skills 的构建逻辑
  • 1. 基础认知构建：建立上下文
  • 2. 进阶能力扩展：集成专业 Python 库
  • 3. 工具链整合：命令行工具
  • 4. 实战模式：常见任务解决方案
  • 快速参考指南
• 深度工作流：PDF 表单处理
  • 流程分支判断
  • 分支一：标准化表单（可填写字段）
  • 分支二：非标准表单（不可填写字段）
• 总结与展望
• 参考资料

Anthropic Skills 是由 Anthropic 公司（Claude AI 的开发者）官方维护的开源 GitHub 仓库（anthropics/skills），其核心定位为 "Public repository for Agent Skills"。

作为 Claude AI 生态系统中的模块化扩展框架，Skills 旨在解决通用大模型在特定专业领域深度不足的问题。该系统允许 Claude 在执行复杂任务时，动态加载预定义的指令集、执行脚本及相关资源。这种机制不仅显著提升了任务完成的可靠性和专业度，还有效优化了上下文窗口的使用效率——Claude 并非一次性加载所有知识，而是根据用户的查询意图，智能判定并按需调用相关技能，体现了 "Agentic"（代理化）的工作流特征。

Skills 的应用场景广泛且具深度，涵盖但不限于：

• 专业文档处理：自动化生成或编辑 Word、Excel、PowerPoint 及 PDF 文档。
• 合规内容创作：严格遵循企业品牌指南进行内容输出。
• 技术工作流：执行数据分析、软件测试及自动化流程编排。
• 创意生成：辅助生成艺术作品、音乐创作等。

仓库架构与生态

Anthropic Skills 仓库采用清晰的模块化结构，为开发者提供了从使用到扩展的完整路径：

• skills/：核心目录，包含各类现成的示例技能。每个技能通常封装在一个独立文件夹中，以 SKILL.md 作为核心定义文件。
  • SKILL.md 采用 YAML Front Matter 定义元数据（如 name、description），并通过 Markdown 正文详细描述技能的触发条件、执行指令及示例。
• template/：标准化模板，为开发者创建自定义技能提供规范参考。
• spec/：技术规范文档，详细定义了 Agent Skills 的接口标准与交互协议。

截至 2025 年 12 月，该项目已获得超过 22.6k Stars 和 2.2k Forks，且保持着高频更新（最后更新于 2025 年 12 月 16 日）。大部分技能遵循 Apache 2.0 许可开源，而部分文档生成类技能则以 "源代码可用"（Source-Available）的形式提供，作为参考实现。

Claude 的许多高级特性（例如文档预览与生成）正是构建于此 Skills 系统之上。对于开发者而言，这不仅是一个工具库，更是理解并构建自定义 AI Agent 的最佳实践范本。

技能组合概览

仓库中的技能主要分为以下几类：

• 创意与设计：涵盖图像生成、风格迁移等创意辅助工具。
• 开发与技术：提供代码审查、自动化测试、API 交互等技术支持。
• 企业与沟通：包括邮件撰写、会议纪要整理、品牌一致性检查等商务功能。
• 文档技能：专注于各类文档格式的解析、生成与转换。

即使不直接部署这些技能，分析其编写逻辑与指令设计（Prompt Engineering），对于提升 AI 应用开发能力也具有极高的参考价值。下文将以 PDF Skills 为例，深入剖析其构建逻辑。

案例解析：PDF Skills 的构建逻辑

PDF Skills 是一个功能完备的工具包，旨在赋予 Claude 编程级的 PDF 处理能力，包括文本/表格提取、文档生成、合并/拆分以及表单处理等。

在设计此类 Skill 时，Anthropic 遵循了渐进式上下文构建（Progressive Context Construction）的原则，类似金字塔原理（Pyramid Principle）。这种方式并非直接通过自然语言描述任务，而是通过提供结构化的代码示例和库的使用规范，引导模型建立对特定领域工具链的认知。

1. 基础认知构建：建立上下文

首先，通过简洁的代码片段，向模型展示处理 PDF 的基本范式，确立“输入-处理-输出”的思维模型。

from pypdf import PdfReader, PdfWriter

# Read a PDF
reader = PdfReader("document.pdf")
print(f"Pages: {len(reader.pages)}")

# Extract text
text = ""
for page in reader.pages:
    text += page.extract_text()

2. 进阶能力扩展：集成专业 Python 库

在建立基础认知后，Skill 文档进一步引入具体的专业库（Library），并给出标准化的操作示例。这不仅教会模型“做什么”，更教会模型“用什么做”以及“如何正确地做”。

2.1 pypdf - 基础操作

针对基础的文档操作，如合并，提供标准的 pypdf 实现范式：

from pypdf import PdfWriter, PdfReader

writer = PdfWriter()
for pdf_file in ["doc1.pdf", "doc2.pdf", "doc3.pdf"]:
    reader = PdfReader(pdf_file)
    for page in reader.pages:
        writer.add_page(page)

with open("merged.pdf", "wb") as output:
    writer.write(output)

2.2 pdfplumber - 高级提取

针对复杂的文本与表格提取需求，引入 pdfplumber，强调其在布局保持方面的优势：

import pdfplumber

with pdfplumber.open("document.pdf") as pdf:
    for page in pdf.pages:
        text = page.extract_text()
        print(text)

2.3 reportlab - 文档生成

对于从零创建 PDF 的需求，引入 reportlab 库，展示底层的 Canvas 绘图能力：

from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas

c = canvas.Canvas("hello.pdf", pagesize=letter)
width, height = letter

# Add text
c.drawString(100, height - 100, "Hello World!")
c.drawString(100, height - 120, "This is a PDF created with reportlab")

# Add a line
c.line(100, height - 140, 400, height - 140)

# Save
c.save()

3. 工具链整合：命令行工具

除了 Python 库，Skill 还集成了高效的命令行工具（CLI），以处理高性能需求的场景。

pdftotext (poppler-utils)

# Extract text
pdftotext input.pdf output.txt

# Extract text preserving layout
pdftotext -layout input.pdf output.txt

# Extract specific pages
pdftotext -f 1 -l 5 input.pdf output.txt  # Pages 1-5

4. 实战模式：常见任务解决方案

在掌握了基础库和工具后，Skill 通过综合案例展示如何解决复杂的实际问题，如 OCR 识别和水印添加。这些案例实际上构成了 Agent 执行特定任务的“思维链”（Chain of Thought）。

案例 A：OCR 文本提取

结合 pdf2image 和 pytesseract 处理扫描件：

# Requires: pip install pytesseract pdf2image
import pytesseract
from pdf2image import convert_from_path

# Convert PDF to images
images = convert_from_path('scanned.pdf')

# OCR each page
text = ""
for i, image in enumerate(images):
    text += f"Page {i+1}:\n"
    text += pytesseract.image_to_string(image)
    text += "\n\n"

print(text)

案例 B：文档水印处理

展示如何操作页面层级的内容合并：

from pypdf import PdfReader, PdfWriter

# Create watermark (or load existing)
watermark = PdfReader("watermark.pdf").pages[0]

# Apply to all pages
reader = PdfReader("document.pdf")
writer = PdfWriter()

for page in reader.pages:
    page.merge_page(watermark)
    writer.add_page(page)

with open("watermarked.pdf", "wb") as output:
    writer.write(output)

快速参考指南

为了在有限的上下文窗口中提供最高效的信息检索，Skill 总结了一份最佳实践矩阵。这有助于 Agent 快速决策选择何种工具：

对于更复杂的场景，Skill 引导模型查阅专门的扩展文档（如 reference.md 或 forms.md），这种分层文档结构有效避免了信息过载。

深度工作流：PDF 表单处理

在处理 PDF 表单（PDF Forms）这一复杂任务时，Skill 展现了极其严谨的工作流控制能力。它不再仅仅提供代码，而是定义了一套强制执行的操作标准操作程序（SOP）。

重要提示：您必须按顺序完成这些步骤。不要跳过这些步骤直接编写代码。

流程分支判断

Agent 首先被要求运行脚本进行环境探测，根据探测结果决定后续分支。这种设计赋予了 Agent 动态适应环境的能力。

如果您需要填写 PDF 表单，请先检查该 PDF 文件是否包含可填写表单字段。请从该文件所在的目录运行此脚本： python scripts/check_fillable_fields <file.pdf> ，根据结果转到“可填写字段”或“不可填写字段”，并按照这些说明进行操作。

分支一：标准化表单（可填写字段）

对于包含标准 AcroForm 字段的 PDF，流程侧重于元数据提取与精准匹配：

1. 元数据提取：运行 python scripts/extract_form_field_info.py 生成包含字段定义的 JSON 文件。
2. 可视化验证：运行 python scripts/convert_pdf_to_images.py 将页面转为图像，结合 JSON 数据分析字段的具体用途（特别是将 PDF 坐标映射到视觉图像）。
3. 数据构建：创建 field_values.json，严格定义每个字段的输入值。
4. 执行填写：运行 python scripts/fill_fillable_fields.py 生成最终文件。脚本内置了验证逻辑，确保字段 ID 和值的有效性。

分支二：非标准表单（不可填写字段）

对于仅有视觉表单而无交互字段的 PDF（如扁平化的扫描件），流程转向基于视觉的注释（Annotation）注入：

1. 视觉分析（必需）：Agent 必须先“看”懂表单结构。
2. 坐标定义：创建 fields.json 并验证图片，确定文本插入的精确位置。
3. 边界验证（必填）：确认文字不会覆盖原有边框或重叠。
4. 内容注入：通过添加注释的方式模拟表单填写。

在此过程中，Anthropic 特别强调了视觉验证的重要性，通过高优先级的提示词（Prompting）防止 Agent 产生幻觉或盲目操作：

重要提示：务必目视检查验证图像，切勿继续操作。

总结与展望

Anthropic Skills 仓库展示了构建高级 AI Agent 的一种标准范式：通过结构化的文档、标准化的代码示例以及严格的工作流约束，将通用的 LLM 能力转化为专业的垂直领域技能。

无论是直接使用这些 Skill，还是参照其架构设计自定义的 Agent 能力，该项目都提供了极具价值的参考。随着 Claude 能力的不断进化，这种“模型+技能”的组合模式，必将在未来的自动化与辅助决策系统中扮演更核心的角色。

参考资料

• Anthropic Claude Skills GitHub Repository