Làm chủ Kỹ năng Claude Agent - Hướng dẫn Toàn diện để Xây dựng Kho vũ khí Siêu năng lực AI của Bạn

Khoảnh Khắc Tôi Hiểu Kỹ Năng Thực Sự Là Gì

Để tôi kể cho bạn nghe một câu chuyện. Hãy tưởng tượng bạn được yêu cầu hướng dẫn một nhân viên mới xuất sắc tại nơi làm việc. Người này cực kỳ thông minh — người học nhanh nhất bạn từng thấy, có thể hiểu hầu hết mọi thứ bạn giải thích, nói năng hùng hồn về bất kỳ chủ đề nào. Nhưng có một vấn đề: họ không biết các quy tắc của công ty bạn.

Mỗi sáng, bạn ngồi với họ và giải thích những điều giống nhau. "Đây là cách chúng tôi định dạng báo cáo. Đây là phong cách mã hóa của chúng tôi. Đây là người cần CC trong các email nào. Đây là mẫu đề xuất khách hàng." Và mỗi sáng, sau bữa trưa, họ entah bằng cách nào đó đã quên tất cả. Không phải vì họ ngốc — họ rất xuất sắc. Nhưng họ không có bộ nhớ bền vững về cách làm việc của công ty bạn.

Đây chính xác là cảm giác khi làm việc với AI trước đây.

Lời nhắc (Prompts) giống như đứng cạnh nhân viên mới đó, đưa ra hướng dẫn bằng lời nói ngay tại chỗ. "Viết email này trang trọng hơn." "Sử dụng gạch đầu dòng ở đây." "Kiểm tra mã này để tìm lỗi." Nó hoạt động. Nhưng ngay khi bạn đóng cuộc trò chuyện, mọi thứ biến mất. Mọi cuộc trò chuyện mới đều bắt đầu từ con số không.

Kỹ năng (Skills) giống như trao cho họ một cuốn hướng dẫn SOP nội bộ — một thư mục cơ sở tri thức chứa các thông số kỹ thuật, tập lệnh, mẫu và tài liệu tham khảo. Đặc vụ sẽ tìm kiếm những gì nó cần khi cần. Và quan trọng là, hướng dẫn này tồn tại qua mọi cuộc trò chuyện.

Đây là cái nhìn đột phá: Kỹ năng không chỉ là những lời nhắc hoa mỹ. Chúng là một mô hình hoàn toàn khác. Một lời nhắc là phản ứng — bạn đưa ra hướng dẫn, bạn nhận được phản hồi. Một Kỹ năng là chủ động — nó nằm đó, chờ được khám phá và áp dụng khi có liên quan, hoạt động theo cùng một cách mọi lúc.

Kỹ Năng Thực Sự Chứa Những Gì

Mỗi Kỹ năng là một thư mục, không chỉ là một tệp văn bản. Điều này rất quan trọng để hiểu. Bên trong thư mục đó, bạn có thể có:

Khi tôi lần đầu tiên nhìn thấy cấu trúc này, tôi đã nghĩ: "Khoan đã, cái này giống như xây dựng một ứng dụng nhỏ." Và điều đó hoàn toàn đúng. Mỗi Kỹ năng là một mô-đun khả năng khép kín. Một số đơn giản — chỉ là một tệp markdown với các quy tắc hiệu đính. Một số khác phức tạp — hoàn chỉnh với các tập lệnh Python xử lý dữ liệu, tải lên máy chủ và tạo báo cáo.

Kỹ Năng Đã Đến Khi Nào?

Anthropic đã phát hành Skills cho Claude Code vào tháng 10 năm 2025. Lúc đầu, tôi nghĩ đó chỉ là một bản cập nhật tính năng khác. Nhưng sau đó có điều gì đó đã xảy ra vào tháng 12 năm 2025 — họ mở Skills như một tiêu chuẩn thông qua agentskills.io. Đột nhiên, các kỹ năng không chỉ là chuyện của Claude. Codex CLI của OpenAI đã áp dụng cùng một kiến trúc. Cursor, Codebuddy, OpenCode — mọi người đều bắt đầu xây dựng khả năng tương thích.

Kỹ năng đã trở thành tiêu chuẩn thực tế cho việc mở rộng khả năng của Đặc vụ AI, giống như MCP nhanh chóng trở thành giao thức của mọi người cho các kết nối bên ngoài.

Và sự phổ biến? Hãy để tôi nói thế này: Một kho lưu trữ chứa hơn 50 kỹ năng Claude đã đạt 18K sao trên GitHub. Từ "Skills" hiện phổ biến trong giới AI như "Prompt" vào năm 2023.

Tiết Lộ Lũy Tiến - Tại Sao Thiết Kế Này Là Thiên Tài

Trước khi tôi hiểu về tiết lộ lũy tiến (progressive disclosure), tôi đã có một lo lắng dai dẳng: "Nếu tôi cài đặt 50 kỹ năng, bối cảnh của Claude có bị nổ tung không? Tôi sẽ không đốt hàng nghìn token chỉ để tải mô tả kỹ năng sao?"

Đây là nơi sự sáng tạo trong thiết kế của Anthropic tỏa sáng. Họ đã mượn một khái niệm từ thiết kế UX — tiết lộ lũy tiến — và áp dụng nó một cách hoàn hảo vào quản lý bối cảnh AI.

Hệ Thống Tải Ba Lớp

Tiết lộ lũy tiến có nghĩa là tải theo từng giai đoạn và theo nhu cầu. Claude không đổ mọi thứ vào bối cảnh khi khởi động. Thay vào đó, nó sử dụng một hệ thống ba lớp:

Hãy Làm Phép Toán

Đây là một so sánh khiến tôi đánh giá cao thiết kế này:

Đó là mức giảm 75% mức tiêu thụ token. Và điều này thậm chí còn chưa tính đến lợi thế tập lệnh.

Phép Màu Của Các Tập Lệnh

Đây là nơi Kỹ năng bỏ xa các lời nhắc. Khi một Kỹ năng bao gồm một tập lệnh, một điều đáng chú ý xảy ra:

1. Claude tạo ra một lệnh: python scripts/upload_image.py image.png
2. Tập lệnh thực thi cục bộ trên máy của bạn
3. Chỉ đầu ra (như URL hình ảnh) trả về cho Claude

Mã tập lệnh thực tế không bao giờ vào bối cảnh.

Hãy suy nghĩ về ý nghĩa của điều này. Bạn có thể viết một tập lệnh Python 500 dòng xử lý mọi trường hợp biên, với khả năng xử lý lỗi mạnh mẽ, ghi nhật ký, thử lại — tất cả những thứ sẽ làm phình to một lời nhắc một cách không thể chấp nhận được. Claude chỉ cần biết "thực thi tập lệnh này". Sự phức tạp được đóng gói.

Sự Tương Đồng Với Menu Di Động

Nếu bạn đã từng thiết kế một ứng dụng di động, bạn biết rõ về tiết lộ lũy tiến. Đó là lý do tại sao chúng ta có menu hamburger — chúng ta không hiển thị cho người dùng 47 tùy chọn ngay lập tức. Chúng ta hiển thị một biểu tượng menu. Họ chạm vào. Họ thấy các danh mục. Họ chạm lần nữa. Họ đạt đến cài đặt họ muốn.

Mục đích? Không bao giờ làm người dùng choáng ngợp với thông tin. Phân tách thành các phần dễ tiêu hóa. Để người dùng (hoặc trong trường hợp này là AI) tập trung vào nhiệm vụ hiện tại với tải nhận thức tối thiểu.

Con người có thể giữ khoảng 7±2 phần thông tin trong bộ nhớ làm việc. AI, bị giới hạn bởi bối cảnh token, về cơ bản có cùng một ràng buộc. Tiết lộ lũy tiến tôn trọng giới hạn này trong cả hai trường hợp.

Skills vs MCP vs Subagent - Cuối Cùng Cũng Được Gỡ Rối

Câu hỏi này đã ám ảnh tôi trong nhiều tuần. MCP, Skills, Subagent — tất cả dường như "mở rộng khả năng của Claude". Sự khác biệt thực sự là gì? Sau khi xây dựng với cả ba, cuối cùng tôi đã có câu trả lời hợp lý.

Sự Phân Biệt Trong Một Câu

MCP cho phép Claude chạm vào các hệ thống bên ngoài. Kỹ năng cho Claude biết cách sử dụng những gì nó chạm vào. Subagent cử người khác đi làm công việc đó.

Hãy để tôi giải thích điều đó với những sự tương đồng thực sự giúp tôi hiểu:

Bảng So Sánh

Khi Nào Sử Dụng Cái Gì

Sử dụng MCP khi bạn cần kết nối với các hệ thống bên ngoài:

• Truy vấn cơ sở dữ liệu
• Gọi API của bên thứ ba
• Đọc/ghi Notion, Jira, GitHub, Salesforce
• Truy cập bất kỳ dịch vụ nào yêu cầu xác thực

Sử dụng Skills khi bạn có các quy trình làm việc lặp lại:

• Quy trình đánh giá mã với danh sách kiểm tra cụ thể
• Hiệu đính bài viết với các quy tắc phong cách nhất quán
• Tạo báo cáo với các định dạng tiêu chuẩn hóa
• Bất kỳ hướng dẫn nào bạn thấy mình gõ lặp đi lặp lại

Sử dụng Subagent khi các nhiệm vụ phức tạp và có thể song song hóa:

• Đánh giá toàn bộ cơ sở mã (tốn thời gian)
• Xử lý nhiều nhiệm vụ độc lập cùng một lúc
• Ngăn chặn ô nhiễm bối cảnh giữa các công việc không liên quan

Chúng Hoạt Động Cùng Nhau

Đây là phần tuyệt vời: đây không phải là các công nghệ cạnh tranh. Chúng là các lớp bổ sung cho nhau.

Một quy trình làm việc phức tạp có thể sử dụng cả ba:

1. MCP kết nối với Salesforce để lấy dữ liệu bán hàng
2. Skills xác định quy trình phân tích dữ liệu — cách tính toán số liệu, tạo báo cáo
3. Subagent xử lý các phân tích khu vực khác nhau song song

Trong quy trình viết của riêng tôi:

• Kỹ năng xác định quy tắc hiệu đính và hướng dẫn phong cách của tôi
• Tập lệnh (được đóng gói trong kỹ năng) tải hình ảnh lên dịch vụ lưu trữ của tôi
• Tôi đang có kế hoạch thêm MCP để kết nối với cơ sở dữ liệu tài liệu của mình

Tại Sao Simon Willison Nói Skills Có Thể Lớn Hơn MCP

Simon Willison là một trong những tiếng nói được kính trọng nhất trong cộng đồng nhà phát triển AI. Khi ông viết rằng "Kỹ năng có thể là một vấn đề lớn hơn MCP", mọi người đã chú ý. Sau nhiều tháng sử dụng cả hai, tôi hiểu chính xác tại sao ông ấy nói vậy.

Lý Do 1: Hiệu Quả Token

MCP có một vấn đề cơ bản: phình to token.

Khi bạn kết nối một máy chủ MCP, Claude cần hiểu máy chủ đó có thể làm gì. Mọi hàm có sẵn, mọi tham số, mọi kiểu trả về — tất cả đều cần có trong bối cảnh. Simon lưu ý rằng chỉ riêng máy chủ GitHub MCP chính thức đã tiêu thụ hàng chục nghìn token.

Skills tránh điều này một cách thanh lịch. Chỉ tải metadata (100 token mỗi cái), sau đó chỉ tải hướng dẫn đầy đủ khi được kích hoạt. Sự khác biệt về hiệu quả là đáng kinh ngạc.

Lý Do 2: Lợi Thế Đơn Giản

Để xây dựng một máy chủ MCP, bạn cần:

• Hiểu đặc tả giao thức
• Viết mã phía máy chủ
• Cấu hình JSON đúng cách
• Xử lý giao tiếp và các trạng thái lỗi

Để xây dựng một Kỹ năng?

Chỉ cần viết Markdown.

Nếu bạn có thể viết tài liệu, bạn có thể viết Skills. Sự khác biệt về ngưỡng là rất lớn. Và trong công nghệ, rào cản thấp hơn để tạo ra luôn dẫn đến sự tăng trưởng bùng nổ.

Lý Do 3: Tương Thích Đa Nền Tảng

Máy chủ MCP thường dành riêng cho máy chủ lưu trữ. Một cái gì đó được xây dựng cho Claude Code có thể không hoạt động ở nơi khác nếu không sửa đổi.

Skills chỉ là các thư mục với Markdown và các tập lệnh tùy chọn. Chúng không phụ thuộc vào công nghệ độc quyền của Anthropic. Simon chỉ ra rằng bạn có thể trỏ cùng một thư mục Skill vào Codex CLI, Gemini CLI — chúng sẽ hoạt động ngay cả khi không có hỗ trợ Skills gốc, bởi vì về cốt lõi, kỹ năng chỉ là các hướng dẫn có cấu trúc tốt.

Tính di động này là lý do tại sao OpenAI về cơ bản đã áp dụng cùng một kiến trúc trong Codex CLI. Skills đang trở thành một tiêu chuẩn phổ quát.

Lý Do 4: Dự Đoán Bùng Nổ Cambri

"Tôi dự đoán Skills sẽ mang lại một vụ nổ Cambri ngoạn mục hơn cơn sốt MCP năm ngoái."

Tại sao? Bởi vì khi ngưỡng tạo ra giảm đủ thấp, đóng góp của cộng đồng sẽ bùng nổ. Viết một máy chủ MCP đòi hỏi kỹ năng phát triển backend. Viết một Kỹ năng đòi hỏi biết cách viết một tài liệu.

Chúng ta đã thấy dự đoán này trở thành sự thật. Các thị trường Skills đang mọc lên khắp nơi. Các kho lưu trữ GitHub tràn ngập các đóng góp của cộng đồng. Hệ sinh thái đang phát triển nhanh hơn bất kỳ ai dự đoán.

Quan Sát Của Riêng Tôi

Sau nhiều tháng với cả hai công nghệ, tôi đồng ý với đánh giá của Simon. Skills cảm thấy phù hợp hơn với cách LLM hoạt động tự nhiên — hiểu văn bản, làm theo hướng dẫn, áp dụng kiến thức theo ngữ cảnh.

MCP đại diện cho tư duy kỹ thuật phần mềm truyền thống: xác định giao diện, triển khai dịch vụ, xử lý giao thức.

Skills đại diện cho tư duy gốc LLM: viết rõ ràng cách làm một cái gì đó, để mô hình tìm ra khi nào và làm thế nào để áp dụng nó.

Cả hai đều có vị trí của mình. Nhưng Skills có thể là sự thay đổi mô hình sâu sắc hơn.

Giải Phẫu Một Kỹ Năng Hoàn Hảo

Hãy để tôi hướng dẫn bạn qua cấu trúc của một Kỹ năng được chế tác tốt. Đây không chỉ là lý thuyết — hiểu giải phẫu này sẽ làm cho mọi thứ khác trong hướng dẫn này trở nên hợp lý.

Cấu Trúc Thư Mục

my-skill/
├── SKILL.md                 # Hướng dẫn cốt lõi (bắt buộc)
├── scripts/
│   └── process.py           # Tập lệnh thực thi
├── references/
│   └── DETAILED_GUIDE.md    # Tài liệu tham khảo chi tiết
└── assets/
    └── template.md          # Tài nguyên mẫu

Tệp SKILL.md

Đây là trái tim của kỹ năng của bạn. Nó có hai phần:

---
name: my-awesome-skill
description: Giải thích ngắn gọn về những gì kỹ năng này làm và khi nào nên sử dụng nó. Bao gồm các từ khóa kích hoạt.
---

# My Awesome Skill

## Instructions

Hướng dẫn từng bước để Claude làm theo khi kỹ năng này được gọi.

## Examples

Minh chứng cụ thể về đầu vào/đầu ra hoặc mẫu sử dụng.

## Guidelines

Bất kỳ quy tắc, ràng buộc, hoặc thực tiễn tốt nhất nào cần tuân theo.

Phần Đầu YAML (Frontmatter)

Phần giữa các dấu --- là rất quan trọng. Đó là những gì Claude đọc để quyết định xem có nên sử dụng kỹ năng của bạn hay không.

Các Tùy Chọn Frontmatter Nâng Cao

Ngoài tên và mô tả, Skills hỗ trợ các tùy chọn cấu hình mạnh mẽ:

Quy Tắc Vàng: 500 Dòng

Quy Ước Đặt Tên

Tên thư mục của bạn rất quan trọng. Nó phải là chữ thường + dấu gạch ngang. Không có dấu cách. Không viết hoa.

• Tốt: hotspot-collector, code-review, ai-proofreading
• Xấu: Hotspot Collector, codeReview, AI_Proofreading

Tạo Kỹ Năng Đầu Tiên Của Bạn

Đây là lời khuyên quan trọng nhất của tôi: Bạn không cần phải tự viết Skills.

Để tôi giải thích. Giá trị của một Kỹ năng nằm ở những gì nó gói gọn — quy trình làm việc của bạn, kinh nghiệm của bạn, SOP của bạn. Những thứ này đến từ bạn, được tìm ra qua công việc thực tế. Nhưng chuyển đổi chúng thành một tệp SKILL.md được định dạng đúng? Hãy để AI làm điều đó.

Những gì bạn cần làm:

1. Suy nghĩ rõ ràng về vấn đề bạn muốn giải quyết
2. Làm rõ quy trình làm việc của bạn
3. Cung cấp đủ bối cảnh và tài liệu tham khảo

Sau đó nói với Claude: "Giúp tôi tạo một Kỹ năng để làm XXX." Nó sẽ tạo ra các tệp được định dạng đúng cho bạn.

Từng Bước: Một Ví Dụ Đơn Giản

Hãy tạo một kỹ năng dạy Claude giải thích mã bằng cách sử dụng sơ đồ trực quan và phép loại suy.

---
name: explain-code
description: Giải thích mã bằng sơ đồ trực quan và phép loại suy. Sử dụng khi giải thích cách mã hoạt động, dạy về cơ sở mã, hoặc khi người dùng hỏi "cái này hoạt động như thế nào?"
---

Khi giải thích mã, luôn bao gồm:

1. **Bắt đầu bằng một phép loại suy**: So sánh mã với một cái gì đó trong cuộc sống hàng ngày
2. **Vẽ một sơ đồ**: Sử dụng nghệ thuật ASCII để hiển thị luồng, cấu trúc, hoặc mối quan hệ
3. **Đi qua mã**: Giải thích từng bước những gì xảy ra
4. **Làm nổi bật một cạm bẫy**: Sai lầm phổ biến hoặc quan niệm sai lầm là gì?

Giữ cho các giải thích mang tính đàm thoại. Đối với các khái niệm phức tạp, sử dụng nhiều phép loại suy.

Nơi Các Kỹ Năng Sống

Vị trí xác định phạm vi:

Sử Dụng skill-creator Chính Thức

Anthropic cung cấp một kỹ năng đặc biệt để tạo ra các kỹ năng. Meta quá, phải không?

Cài đặt nó bằng cách nói với Claude:

Install this skill, project address is: https://github.com/anthropics/skills/tree/main/skills/skill-creator

Sau khi cài đặt, bạn chỉ cần nói: "Giúp tôi tạo một kỹ năng để hiệu đính bài viết" và Claude sẽ sử dụng skill-creator để tạo ra mọi thứ một cách chính xác.

Biến Toàn Bộ GitHub Thành Kho Vũ Khí Cá Nhân Của Bạn

Đây là nơi mọi thứ trở nên thú vị. Đây là kỹ thuật đã thay đổi hoàn toàn cách tôi nghĩ về khả năng của AI.

Đây là cái nhìn sâu sắc: Trong ba mươi năm của Internet, vô số nhà phát triển xuất sắc đã giải quyết hầu hết mọi vấn đề bạn có thể tưởng tượng. Họ đã xây dựng các công cụ, biến chúng thành mã nguồn mở và cung cấp cho bất kỳ ai sử dụng. Vấn đề duy nhất? Hầu hết các công cụ này yêu cầu triển khai, thao tác dòng lệnh, thiết lập môi trường — những rào cản ngăn cản người dùng bình thường.

Kỹ năng có thể xóa bỏ những rào cản đó.

Khái Niệm Cốt Lõi

Bởi vì Kỹ năng có thể đóng gói các tập lệnh và hướng dẫn lại với nhau, bạn có thể đóng gói toàn bộ các dự án mã nguồn mở thành các khả năng có thể gọi được. Mã đã được thử nghiệm qua chiến trận và được tinh chỉnh bởi hàng nghìn người dùng trong nhiều năm trở thành một phần trong bộ công cụ của AI của bạn.

Ví Dụ Thực Tế: Tải Video

Hãy để tôi đi qua một ví dụ thực tế. Giả sử bạn thường xuyên cần tải video từ YouTube, Bilibili và các nền tảng khác.

Bước 1: Tìm dự án phù hợp. Hỏi bất kỳ AI nào: "Có dự án mã nguồn mở nào trên GitHub tải xuống video từ nhiều trang web khác nhau không?"

Nó sẽ chỉ bạn đến yt-dlp — một dự án huyền thoại với hơn 143.000 sao hỗ trợ hàng nghìn trang web.

Bước 2: Đóng gói nó như một Kỹ năng.

Help me package this open source tool https://github.com/yt-dlp/yt-dlp into a Skill, so that whenever I give a video link, it can help me download the video.

Bước 3: Để Claude lập kế hoạch. Sử dụng chế độ Plan trước. Claude sẽ phân tích dự án, hiểu khả năng của nó và đặt câu hỏi làm rõ về sở thích của bạn.

Bước 4: Xây dựng và kiểm tra. Chuyển sang chế độ phát triển. Trong vòng vài phút, bạn sẽ có một Kỹ năng tải video hoạt động.

Bước 5: Lặp lại dựa trên lần chạy đầu tiên. Lần đầu tiên bạn sử dụng bất kỳ kỹ năng nào bao bọc một công cụ mã nguồn mở, bạn sẽ gặp vấn đề. YouTube có cơ chế chống thu thập thông tin. Bạn có thể cần cài đặt các phụ thuộc. Ghi lại những trải nghiệm này và bảo Claude cập nhật kỹ năng.

Update all these experiences into the video-downloader skill. Remember the Cookie requirement, the dependency installation, everything we just figured out.

Lần sau? Mở và tải xuống. Ngay lập tức.

Thêm Ý Tưởng Cho GitHub-to-Skills

Đây chỉ là phần nổi của tảng băng chìm. GitHub lưu trữ hàng triệu dự án — hàng thập kỷ rực rỡ của con người, có sẵn miễn phí.

Bạn không cần ba đầu sáu tay. Bạn không cần sừng trên đầu. Đằng sau bạn là kiến thức tích lũy của toàn nhân loại trong những thập kỷ qua. Miễn là bạn muốn — nó có thể là của bạn để chỉ huy.

Xây Dựng Hệ Thống Quản Lý Kỹ Năng Tự Phát Triển

Bây giờ chúng ta bước vào lãnh thổ mà tôi đã mất trọn hai ngày để tìm ra. Đây là nơi Skills đi từ "công cụ hữu ích" đến "khả năng sống động, phát triển".

Vấn đề: Các Kỹ năng được đóng gói từ các dự án GitHub cần bảo trì. Các kho lưu trữ gốc cập nhật. Sửa lỗi xảy ra. Các tính năng mới xuất hiện. Trong khi đó, bạn đã sử dụng kỹ năng của mình và tích lũy kinh nghiệm — "tham số này hoạt động tốt hơn," "thêm cờ này để tránh lỗi đó." Làm thế nào để bạn quản lý tất cả những điều này?

Giải Pháp Ba Mảnh

Tôi đã xây dựng (với sự giúp đỡ của AI) bộ ba kỹ năng làm việc cùng nhau để giải quyết vấn đề này:

Vấn Đề Kiểm Soát Phiên Bản

Đây là một xung đột tôi liên tục gặp phải: Khi GitHub cập nhật, tôi muốn lấy mã mới nhất và tạo lại SKILL.md. Nhưng tôi cũng đã lặp lại kỹ năng của mình dựa trên kinh nghiệm sử dụng — tinh chỉnh, sửa lỗi, sở thích. Những sửa đổi này cũng sống trong SKILL.md.

Hai lực lượng, cả hai đều sửa đổi cùng một tệp, với các mục tiêu hoàn toàn khác nhau. Thảm họa đang chờ đợi.

Giải Pháp: evolution.json

Cái nhìn sâu sắc: Tách biệt các mối quan tâm.

Các bản cập nhật GitHub tiếp tục tạo lại tệp SKILL.md cơ sở. Nhưng tất cả kinh nghiệm tích lũy được lưu trữ trong một tệp evolution.json riêng biệt. Hãy nghĩ về nó như một bản lưu trò chơi. Bất kể phiên bản trò chơi chính cập nhật lên bản nào, tệp lưu của bạn vẫn bảo toàn tiến trình của bạn.

Khi SKILL.md bị ghi đè bởi một phiên bản mới, evolution.json đóng vai trò của nó — tiêm lại trí tuệ tích lũy vào kỹ năng mới.

yt-dlp-skill/
├── SKILL.md           # Hướng dẫn cơ sở (có thể tạo lại)
├── evolution.json     # Kinh nghiệm tích lũy (được bảo toàn)
└── scripts/
    └── download.sh    # Tập lệnh thực thi

Bánh Đà Quản Lý

Với ba mảnh ghép này, việc quản lý kỹ năng trở thành một chu trình tự củng cố:

1. Tạo kỹ năng mới từ GitHub bằng cách sử dụng github-to-skills (với danh tính được nhúng)
2. Sử dụng kỹ năng trong công việc hàng ngày, gặp phải các trường hợp biên và giải pháp
3. Phát triển kỹ năng tự động thông qua skill-evolution-manager (giải pháp được nắm bắt)
4. Cập nhật kỹ năng cơ sở khi các repo GitHub cập nhật thông qua skill-manager
5. Hợp nhất dữ liệu tiến hóa trở lại vào các kỹ năng đã cập nhật (kinh nghiệm được bảo toàn)

Kết quả: Các kỹ năng thực sự học hỏi và cải thiện. Không phải theo nghĩa ẩn dụ — thực sự. Mỗi lần bạn sử dụng chúng và giải quyết một vấn đề, chúng trở nên thông minh hơn.

Tôi đã mở nguồn bộ ba này tại https://github.com/KKKKhazix/Khazix-Skills. Nó không hoàn hảo, nhưng nó hoạt động. Và nó chỉ ra một điều mạnh mẽ: các kỹ năng của ngày mai sẽ không phải là các tài liệu tĩnh. Chúng sẽ là các hệ thống sống.

Danh Sách Kho Báu 14 Kỹ Năng Chính Thức

Trước khi xây dựng của riêng bạn, hãy biết những gì đã có sẵn. Anthropic duy trì một kho lưu trữ kỹ năng chính thức bao gồm các nhu cầu chung một cách đẹp mắt.

Tất cả các kỹ năng tại: https://github.com/anthropics/skills

Kỹ Năng Tài Liệu (Nguồn Đóng)

Những kỹ năng này hỗ trợ việc tạo tài liệu bạn thấy trong Claude.ai:

Kỹ Năng Phát Triển (Nguồn Mở Apache 2.0)

Kỹ Năng Sáng Tạo

Kỹ Năng Giao Tiếp và Meta

Phương Pháp Cài Đặt

Phương Pháp 1: Ngôn Ngữ Tự Nhiên

Đơn giản chỉ cần nói với Claude: "Install this skill, project address is: [GitHub URL]"

Phương Pháp 2: Thị Trường Plugin

# Thêm repo chính thức làm thị trường
/plugin marketplace add https://github.com/anthropics/skills

# Cài đặt kỹ năng
/plugin install
# Tab đến Thị Trường, chọn gói mong muốn

Phương Pháp 3: Kéo Thủ Công

Tải xuống thư mục kỹ năng và đặt nó vào thư mục kỹ năng của bạn (~/.claude/skills/ cho cá nhân, .claude/skills/ cho dự án cụ thể).

Nghệ Thuật Kỹ Năng Thiết Kế - Phân Tích Sâu

Đã làm thiết kế UX trong nhiều năm, tôi thấy các kỹ năng thiết kế chính thức đặc biệt hấp dẫn. Hãy để tôi phân tích các kỹ thuật làm cho chúng hoạt động tốt như vậy. Những mẫu này áp dụng xa hơn thiết kế — chúng là các mẫu cho bất kỳ kỹ năng chất lượng cao nào.

Kỹ Thuật 1: Nâng Trần

Kỹ năng algorithmic-art không bắt đầu bằng "giúp tôi vẽ bằng p5.js." Nó bắt đầu bằng:

"Triết lý thuật toán là các phong trào thẩm mỹ tính toán sau đó được thể hiện thông qua mã."

Điều này nâng nhiệm vụ từ "tạo một tác phẩm" lên "tạo một thể loại thẩm mỹ cộng với hệ thống thuật toán tương ứng." Nó nhắc nhở mô hình rằng đầu ra phải có hệ thống, không phải cảm hứng một lần.

Kỹ Thuật 2: Cấu Trúc Hai Giai Đoạn

Cả hai kỹ năng thiết kế đều sử dụng phương pháp tiếp cận hai giai đoạn:

1. Đầu tiên, tạo Triết Lý (khung khái niệm trong .md)
2. Sau đó, Thể hiện nó một cách trực quan (thực hiện thực tế)

Điều này buộc sự trừu tượng hóa trước khi thực hiện. Mô hình không thể rơi vào tối ưu cục bộ của việc "viết mã, điều chỉnh giá trị." Khái niệm đến trước; mã chỉ là sự thể hiện.

Kỹ Thuật 3: Mẫu Thơ Ca + Kỹ Thuật

Kỹ năng algorithmic-art cung cấp cấu trúc cho việc viết triết lý:

Express how this philosophy manifests through:
- Computational processes and mathematical relationships
- Noise functions and randomness patterns
- Particle behaviors and field dynamics
- Temporal evolution and system states
- Parametric variation and emergent complexity

Lưu ý: mỗi điểm đều là ngôn ngữ thẩm mỹ VÀ đối tượng kỹ thuật. "Hàm nhiễu" ánh xạ trực tiếp đến mã. "Hành vi hạt" có thể thực hiện được. Điều này cầu nối tầm nhìn và thực thi.

Kỹ Thuật 4: Hạt Giống Khái Niệm

Một cái nhìn sâu sắc tuyệt vời từ các kỹ năng chính thức:

"Khái niệm là một tham chiếu tinh tế, thích hợp được nhúng trong chính thuật toán — không phải lúc nào cũng theo nghĩa đen, luôn tinh vi. Hãy suy nghĩ như một nhạc sĩ jazz trích dẫn một bài hát khác thông qua sự hài hòa thuật toán."

Chủ đề người dùng nên được nhúng trong tham số, hành vi, mẫu — không được viết trên màn hình. Hãy tôn vinh, nhưng ẩn nó sâu. Những người biết sẽ cảm nhận được; những người không biết sẽ chỉ nghĩ rằng nó trông đẹp.

Kỹ Thuật 5: Tạo Mẫu với Vùng Tự Do

Các kỹ năng xác định rõ ràng những gì CỐ ĐỊNH (bố cục, thương hiệu, điều khiển) và những gì CÓ THỂ BIẾN ĐỔI (thuật toán, tham số, màu sắc). Điều này đảm bảo:

• Mọi đầu ra đều có trải nghiệm UI nhất quán
• Mô hình biết chính xác nơi nó có thể/không thể sửa đổi
• Giảm "bất ngờ" không mong muốn từ việc diễn giải quá sáng tạo

Kỹ Thuật 6: Sự Khéo Léo như Danh Sách Kiểm Tra

Kỹ năng canvas-design mã hóa các tiêu chuẩn chuyên nghiệp thành các quy tắc có thể kiểm tra:

• Không có gì rơi ra khỏi trang
• Không có gì chồng chéo
• Lề thích hợp là không thể thương lượng
• Văn bản luôn tối thiểu và ưu tiên hình ảnh

Điều này dịch kiến thức chuyên môn ngầm định thành các ràng buộc hành vi rõ ràng. Mô hình có thể xác minh công việc của chính nó so với các tiêu chí cụ thể.

Kỹ Thuật 7: Phép Trừ, Không Phải Phép Cộng

Bước tinh chỉnh cuối cùng là thiên tài:

"Để tinh chỉnh tác phẩm, tránh thêm nhiều đồ họa hơn; thay vào đó hãy tinh chỉnh những gì đã được tạo ra. Nếu bản năng là gọi một hàm mới hoặc vẽ một hình dạng mới, DỪNG LẠI."

Điều này mã hóa "10% sự khéo léo cuối cùng" tách biệt nghiệp dư khỏi chuyên nghiệp. Khi bản năng nói "thêm nữa," hãy hỏi thay vào đó: Có thể xóa gì? Có thể căn chỉnh, hợp nhất, củng cố gì?

Thiết Kế Kiến Trúc Thư Viện Kỹ Năng Của Bạn

Với hàng tá kỹ năng, tổ chức là vấn đề quan trọng. Đây là cách tôi nghĩ về việc cấu trúc một thư viện kỹ năng có thể mở rộng.

Tại Sao Phải Chia Nhỏ Kỹ Năng?

Mọi người thường hỏi: "Tôi không thể chỉ viết một kỹ năng lớn làm mọi thứ sao?"

Không. Ba lý do:

Các Mẫu Loại Kỹ Năng

Tôi đã tìm thấy bốn mẫu bao gồm hầu hết các trường hợp sử dụng:

Hệ Thống Kỹ Năng Viết Của Tôi

Là một ví dụ cụ thể, đây là cách tôi đã cấu trúc các kỹ năng cho việc viết:

P0 Kỹ Năng Cốt Lõi (Mọi Bài Viết)

• ai-proofreading: Quy trình ba bước để giảm tỷ lệ phát hiện AI. Kích hoạt: "proofread," "too AI"
• image-illustration: Tạo hình ảnh + tải lên hosting + trả về markdown. Kích hoạt: "illustrate," sau khi hiệu đính

P1 Kỹ Năng Thường Xuyên (Hầu Hết Các Bài Viết)

• topic-generator: Tạo ý tưởng chủ đề dựa trên xu hướng. Kích hoạt: "give me topics"
• long-to-x: Chuyển đổi dạng dài thành chuỗi Twitter. Kích hoạt: "convert to X content"
• research-collector: Thu thập và tổ chức tài liệu nghiên cứu. Kích hoạt: "research [topic]"

P2 Kỹ Năng Thỉnh Thoảng

• headline-generator: Tạo tiêu đề thu hút sự chú ý. Kích hoạt: "title ideas"
• seo-optimizer: Tối ưu hóa cho công cụ tìm kiếm. Kích hoạt: "SEO," "optimize for search"

Xử Lý Lỗi trong Kỹ Năng

Hệ Sinh Thái Skills Đang Bùng Nổ

Khi tôi lần đầu tiên xem xét Skills vào tháng trước, tôi đã tìm thấy một số ít kho lưu trữ. Bây giờ? Hệ sinh thái đã bùng nổ. Có các thị trường chuyên dụng, các thư mục được tuyển chọn và hàng chục nghìn kỹ năng do cộng đồng đóng góp.

Điểm Bắt Đầu Chính Thức

Tài liệu Anthropic: https://code.claude.com/docs/en/skills

Hướng dẫn rõ ràng, từng bước để tạo và sử dụng kỹ năng.

Kho Lưu Trữ Chính Thức: https://github.com/anthropics/skills

14 kỹ năng chính thức cùng các ví dụ.

Tiêu Chuẩn Kỹ Năng Đặc Vụ: https://agentskills.io

Đặc tả tiêu chuẩn mở. Nếu bạn muốn hiểu đặc tả kỹ thuật đầy đủ, hãy bắt đầu từ đây.

Thị Trường Cộng Đồng

Bộ Sưu Tập Được Tuyển Chọn

smithery.ai/skills — Không nhiều, nhưng mỗi cái đều được sàng lọc chất lượng.

awesome-claude-skills trên GitHub — Một danh sách được tuyển chọn thủ công. Chất lượng cao, cập nhật thường xuyên.

Thư Mục Đa Công Cụ

mcpservers.org/claude-skills — Đặt máy chủ MCP và Kỹ năng Claude lại với nhau. Góc nhìn độc đáo về hệ sinh thái.

claudemarketplaces.com — Một thư mục của các thị trường. "Thị trường của các thị trường."

Các Mẫu Nâng Cao và Kỹ Thuật Chuyên Nghiệp

Đối với những người sẵn sàng đi sâu hơn, đây là các mẫu tôi đã khám phá qua việc sử dụng rộng rãi.

Tiêm Bối Cảnh Động

Cú pháp !`command` thực thi các lệnh shell trước khi nội dung kỹ năng đến Claude. Đầu ra thay thế trình giữ chỗ.

---
name: pr-summary
description: Summarize changes in a pull request
context: fork
agent: Explore
---

## Pull request context
- PR diff: !`gh pr diff`
- PR comments: !`gh pr view --comments`
- Changed files: !`gh pr diff --name-only`

## Your task
Summarize this pull request...

Thực Thi Phân Nhánh (Tích Hợp Subagent)

Thêm context: fork để chạy một kỹ năng trong sự cô lập. Nội dung kỹ năng trở thành lời nhắc điều khiển một subagent.

---
name: deep-research
description: Research a topic thoroughly
context: fork
agent: Explore
---

Research $ARGUMENTS thoroughly:

1. Find relevant files using Glob and Grep
2. Read and analyze the code
3. Summarize findings with specific file references

Thay Thế Đối Số

Truyền các giá trị động vào các kỹ năng bằng cách sử dụng $ARGUMENTS hoặc vị trí $0, $1, v.v.

---
name: migrate-component
description: Migrate a component from one framework to another
---

Migrate the $0 component from $1 to $2.
Preserve all existing behavior and tests.

Chế Độ Chỉ Đọc

Sử dụng allowed-tools để hạn chế những gì Claude có thể làm khi một kỹ năng đang hoạt động:

---
name: safe-reader
description: Read files without making changes
allowed-tools: Read, Grep, Glob
---

Explore and understand the codebase without modifying anything.

Tạo Đầu Ra Trực Quan

Kỹ năng có thể tạo các tệp HTML tương tác mở trong trình duyệt của bạn. Mẫu này hoạt động cho:

• Trực quan hóa cơ sở mã
• Đồ thị phụ thuộc
• Báo cáo phạm vi kiểm tra
• Sơ đồ lược đồ cơ sở dữ liệu
• Bất kỳ dữ liệu phức tạp nào được hưởng lợi từ việc khám phá tương tác

Tập lệnh đi kèm thực hiện công việc nặng nhọc; Claude điều phối. Người dùng nhận được đầu ra trực quan phong phú mà không cần bất kỳ bước thủ công nào.

Ghi Nhật Ký Phiên

Sử dụng ${CLAUDE_SESSION_ID} cho các hoạt động cụ thể của phiên:

---
name: session-logger
description: Log activity for this session
---

Log the following to logs/${CLAUDE_SESSION_ID}.log:

$ARGUMENTS

Kích Hoạt Tư Duy Mở Rộng

Trạng Thái Sáng Tạo

Tôi muốn kết thúc với một điều gì đó cá nhân.

Mỗi lần tôi làm việc trên Skills, tôi lại được đưa trở về mùa hè năm 2013. Tôi vừa hoàn thành kỳ thi tuyển sinh trung học và mua một chiếc máy tính xách tay bằng tiền tiết kiệm của mình. Tôi đã dành cả mùa hè đó để mày mò với các bản mod cho Skyrim — tải xuống, kết hợp chúng, điều chỉnh các tệp cấu hình, xem trò chơi của tôi biến thành một thứ hoàn toàn là của riêng tôi.

Đó là niềm vui sáng tạo thuần túy. Không tiêu thụ nội dung. Không cuộn bảng tin. Thực sự xây dựng một cái gì đó, tùy chỉnh một cái gì đó, biến một cái gì đó thành của tôi.

Kỹ năng mang lại cảm giác đó.

Trạng thái cố vấn tuyệt vời nhất không phải là có một người lẻo mép cần cầm tay chỉ việc liên tục. Đó là trao cho họ một bộ hướng dẫn sử dụng và xem họ lật qua, thực hiện, tự kiểm tra và lặp lại một cách độc lập. Bạn nói ít hơn; họ giao hàng nhiều hơn.

Kỹ năng chính xác là như thế này.

Hôm nay bạn có thể cài đặt skill-creator và củng cố một hành động chung — có thể sàng lọc các điểm nóng cho các chủ đề, biến nhật ký lỗi thành kế hoạch sửa chữa, hoặc chuyển đổi liên kết thành tóm tắt. Chỉ một thôi.

Khi nó chạy thành công, bạn sẽ hiểu giá trị của việc tái sử dụng.

Ngày mai bạn sẽ muốn cái thứ hai. Ngày kia, bạn sẽ muốn chuyển tất cả các quy trình của mình vào.

Tại thời điểm đó, bạn bước vào một trạng thái khác.

Tự do. Trạng thái sáng tạo.

Những dự án mã nguồn mở rực rỡ đó trên GitHub — hàng thập kỷ trí tuệ của con người, được chia sẻ miễn phí. Nhờ có Kỹ năng, nhờ có Đặc vụ, mọi người bình thường giờ đây đều có thể chỉ huy sức mạnh đó.

Bạn không cần ba đầu sáu tay. Bạn không cần khả năng siêu nhiên. Đằng sau bạn là kiến thức tích lũy của nhân loại. Miễn là bạn muốn nó — nó là của bạn.

Nếu bạn so sánh bản thân mình bây giờ với bản thân mình ba năm trước, liệu có sự so sánh nào không? Hãy nhìn vào những gì bạn có thể làm hôm nay. Hãy nhìn vào nơi ranh giới khả năng của bạn đã mở rộng.

Kỷ nguyên rực rỡ, tráng lệ này có thể biến bất kỳ ai thành siêu nhân — nó không làm bạn phấn khích sao?