Claude Code Skills 爱的初体验
之前感兴趣自学了dify，尝试学习alphaevolve的思路，搭建写作工作流，结果失败了。现在试试skills，听说可以终结人工搭建工作流？
配置教程看下面的视频，很详细。我也是跟着学的，加入了不少我自己的使用体验。
后记中记录了一些对于ai的思考
参考：n8n要凉了？Agent Skills实测对比，谁才是AI自动化之王！_哔哩哔哩_bilibili
一、什么是 Claude Code？
第一步自然是安装claude code。
这是一个ai的cli工具，可以让我们在终端启动ai。相较于网页端对话，在终端有什么好处呢？我想了下面几点：
- 可以直接编辑本地文件，这种体验大家可以轻松的在trae、cursor等ide中体验到。
- 本地执行文件，并且可以从执行结果来进行调试纠错。写python代码就会非常方便。
- 如果你是高中生，也许会觉得这可以用来装逼，我是过了这个年纪了，没有这样的心理需求。
B站上有非常多的skills介绍视频，讲的生动形象，我就不班门弄斧了。本文主要是作为一个爱折腾的外行，分享下使用体验。
下面这个视频就很不错，可以弄清楚skills是什么，和mcp、prompt的区别。
三周深度实测：Claude Skills 真的强到离谱，它不是 Prompt 收藏夹！ | 回到 Axton_哔哩哔哩_bilibili
注意：这里得提醒下大家，ai存在幻觉率，允许它直接操作本地文件是十分危险的行为，它删库跑路可不会负什么责任，切记！
个人感觉现在mcp、workflow、skills技术变动，原理上讲很简单，算是正常的小版本技术迭代，但是被各种媒体夸大宣传博取流量，动不动就爆了、炸了。过年放炮呢？被给予过分的关注了
二、初探 Claude Code：写小说 & 调试代码
先写个小说测测claude code：
这是运行效果
再或者故意写错代码，进行调试
三、正题：体验 Skills 技能系统
下面步入正题，体验skills。
这里推荐一个skills广场：
3.1 尝试 Art Skill（AI绘图）
我随便找了个画图的skills，用来测试，链接如下：
配置还挺麻烦。不过不打紧，叫ai查看skills的本地文件，并且依据内容，提出解决办法
为了能够适应我的第三方api的需求，他甚至还改动了skills的代码，从原本只传递api，变成既传递api，又传递第三方url。
现在我们来使用它，随便编写捏造一些数据，并绘制图片。
勉勉强强吧，可能是作者提示词有自己的风格。
3.2 换用 Draw.io Skill（专业绘图）
难道就到此为止了吗？
不！这图太丑了。
经过搜索，我找到了drawio的skills，链接如下
https://skillsmp.com/zh/skills/nilecui-skillsbase-cursor-skills-drawio-diagrams-enhanced-skill-md
我怀疑它这个skills，是用skills生成的skills。比如下面这个。
https://skillsmp.com/zh/skills/langgenius-dify-claude-skills-skill-creator-skill-md
很好，现在叫claude生成drawio代码绘图，并且调用我本地下载了的drawio软件（exe），导出png，最后在markdown文件中进行引用。
当当当当~
四、总结：AI + Skills 能做什么？
总结一下，我们现在可以叫ai在本地写文档，并在合适的地方，借助drawio绘图，并且自动导出png格式，在文章中合适的地方进行引用展现。后面可以再配上飞书的skills，叫ai直接把文档发送到飞书群聊。
下面是Claude Code AI的功能架构图：
没错，现学现用，最后这张就是用的我刚才搭建好的ai+skills绘制的。 提示词：希望在文章总结处，为我们的ai画一个图，展现我们的ai功能。要求用drawio绘制，并且用我们桌面的drawio工具导出png格式，再原文引用。
后记与思考：
这个东西的配置确实比mcp和dify方便的多（langgraph就叫专业的人去搞吧），后面我准备多试几款skills，看能否投入实际使用中。
难免感慨，现在ai开发的迭代太迅速了，ai算法还好，从事ai开发的人，不会不对自己的职业寿命焦虑呢？我先前花费3-4天学习了dify，现在玩通skills后，也许会快速抛弃dify。如果这个情况在众多dify用户身上上演了，dify就会成为历史。也许过一年，skills也会成为历史。
船沉了人们会去寻找新的船，继续航行。可是有人腿脚不方便，会随着船一起沉没。
最近看到马斯克即将举办ai与职业选手的lol对战，ai会采用视觉系统而不是读取后台数据，如果ai赢了意味着什么？我未来毕业后从事linux底软，与软硬件打交道，以为硬件的调试经验ai无法替代，ai无法替代合适的处理硬件bug。可要是ai的视觉能力足够强，再结合一定程度的具身智能去获取示波器、信号发生器的反馈，并借助数据库（人类的调试经验）快速定位bug并解决，就像是本文中的终端执行的反馈结果一样。替代也是迟早的事情。
部分信息可能已经过时