7.4 三类 Skill 与适用场景

面向经管学生、研究者与从业者的 AI 智能体设计教材

作者

李学恒、林建浩、严翊歆

发布于

2026-05-11

Skill 并非千篇一律。根据 Anthropic 官方指南，Skill 可以按用途分为三类：文档资产型、流程自动化型和 MCP 增强型。三类的核心区别在于：是否需要外部工具，是否包含多步流程，以及领域知识在其中扮演什么角色。

文档资产型（Document & Asset Creation）

文档资产型 Skill 的目标是产出一致、高质量的文档或资产。它不依赖外部工具，完全利用 Claude 的内置能力完成工作。

典型特征：

嵌入格式规范和风格要求
提供模板结构确保输出一致
正文中包含质量检查清单
无需 MCP 或外部 API

经济金融场景：会议纪要整理、研报摘要模板、政策简报生成、投资备忘录起草。

▶ Skill

---
name: policy-briefing
description: >
  生成结构化政策简报。当用户要求撰写政策分析、
  政策解读、监管动态简报时使用。输出包含政策
  背景、核心条款、影响评估和应对建议四部分。
---

# 政策简报生成

## 执行步骤

### 第 1 步：确认政策信息
- 政策名称、发布机构、生效日期
- 适用行业和主体范围

### 第 2 步：提炼核心条款
- 列出 3-5 条关键条款
- 标注与现行规定的差异

### 第 3 步：评估影响
- 对行业格局的短期和中期影响
- 对主要市场参与者的影响

### 第 4 步：结构化输出
按固定格式输出简报：
- 一句话摘要
- 政策背景（不超过 200 字）
- 核心条款表
- 影响评估
- 应对建议

流程自动化型（Workflow Automation）

流程自动化型 Skill 编排多步流程，并在关键节点设置验证。它强调步骤顺序、依赖关系和质量门禁。

典型特征：

明确的步骤顺序和依赖关系
每个阶段有验证条件
内置审查和改进建议
可包含迭代精修循环

经济金融场景：数据收集核对清单、季度财报分析流水线、尽职调查流程、合规检查清单。

▶ Skill

---
name: due-diligence-checklist
description: >
  执行投资项目尽职调查流程。当用户提到尽职调查、
  DD checklist、投资前审查、标的公司调研时使用。
  按财务、法律、业务三个维度逐项核对。
---

# 投资尽职调查

## 执行步骤

### 第 1 步：收集基础资料
确认标的公司名称、行业、融资轮次。
读取用户提供的资料文件。

### 第 2 步：财务维度核查
- [ ] 近三年营收和利润趋势
- [ ] 现金流是否覆盖运营支出
- [ ] 应收账款周转率
- [ ] 重大关联交易

### 第 3 步：法律维度核查
- [ ] 股权结构是否清晰
- [ ] 是否存在未决诉讼
- [ ] 知识产权归属

### 第 4 步：业务维度核查
- [ ] 核心竞争力和护城河
- [ ] 客户集中度
- [ ] 行业监管风险

### 第 5 步：生成调查报告
汇总各维度结果，标注风险项和待补充事项。
输出结构化报告和待办清单。

MCP 增强型（MCP Enhancement）

MCP 增强型 Skill 在工具接口之上叠加领域专业知识。MCP 提供数据访问和工具调用能力，Skill 提供使用这些工具的最佳实践和工作流指引。

典型特征：

协调多个 MCP 工具调用的顺序
嵌入领域专业知识和最佳实践
提供用户原本需要自行摸索的上下文
包含工具调用错误处理

经济金融场景：股票数据查询 + 合规检查、数据库查询 + 分析最佳实践、多平台研报聚合。

▶ Skill

---
name: stock-compliance-check
description: >
  查询股票数据并执行合规检查。当用户要求查询
  持仓数据、检查交易合规性、生成合规报告时使用。
  需要 market-data MCP 服务。
allowed-tools: "Read Bash(python:*)"
metadata:
  mcp-server: market-data
---

# 股票数据合规检查

## 执行步骤

### 第 1 步：获取交易数据
通过 market-data MCP 查询指定股票的持仓和交易记录。

### 第 2 步：应用合规规则
- 检查单只股票持仓是否超过基金净值 10%
- 检查是否存在禁止期内的交易
- 检查关联方交易是否已报备

### 第 3 步：风险评估
根据检查结果评定合规等级：
- 合规：所有检查通过
- 待关注：存在接近阈值的项目
- 违规：存在超限或未报备项目

### 第 4 步：生成审计留痕
输出合规检查报告，包含检查时间、检查项、结果和建议。

如何选择 Skill 类型

面对一个具体任务，可以用三个问题快速判断它属于哪一类：

判断问题	是	否
是否需要调用外部工具或 API？	→ 考虑 MCP 增强型	→ 排除 MCP 增强型
是否包含多步流程且步骤间有依赖？	→ 考虑流程自动化型	→ 排除流程自动化型
核心价值是否在于输出格式和领域知识？	→ 考虑文档资产型	→ 排除文档资产型

实践建议

初学者建议从文档资产型 Skill 起步。它不依赖外部工具，结构简单，能快速验证 Skill 的触发和执行效果。熟悉基本机制后，再尝试流程自动化型和 MCP 增强型。

三类之间并非互斥。一个 Skill 可能同时具备多类特征。比如一个研报生成 Skill，既需要从 MCP 获取数据（MCP 增强型），又需要按固定流程处理（流程自动化型），最终输出标准化文档（文档资产型）。分类的目的是帮助设计时明确重心，而不是划定不可逾越的边界。

--- title: "7.4 三类 Skill 与适用场景" --- ![7.4 配图](images/img_04_skill_types.png) Skill 并非千篇一律。根据 Anthropic 官方指南，Skill 可以按用途分为三类：文档资产型、流程自动化型和 MCP 增强型。三类的核心区别在于：是否需要外部工具，是否包含多步流程，以及领域知识在其中扮演什么角色。 ### 文档资产型（Document & Asset Creation）文档资产型 Skill 的目标是产出一致、高质量的文档或资产。它不依赖外部工具，完全利用 Claude 的内置能力完成工作。 **典型特征**： - 嵌入格式规范和风格要求 - 提供模板结构确保输出一致 - 正文中包含质量检查清单 - 无需 MCP 或外部 API **经济金融场景**：会议纪要整理、研报摘要模板、政策简报生成、投资备忘录起草。 ```skill --- name: policy-briefing description: > 生成结构化政策简报。当用户要求撰写政策分析、政策解读、监管动态简报时使用。输出包含政策背景、核心条款、影响评估和应对建议四部分。 --- # 政策简报生成 ## 执行步骤 ### 第 1 步：确认政策信息 - 政策名称、发布机构、生效日期 - 适用行业和主体范围 ### 第 2 步：提炼核心条款 - 列出 3-5 条关键条款 - 标注与现行规定的差异 ### 第 3 步：评估影响 - 对行业格局的短期和中期影响 - 对主要市场参与者的影响 ### 第 4 步：结构化输出按固定格式输出简报： - 一句话摘要 - 政策背景（不超过 200 字） - 核心条款表 - 影响评估 - 应对建议 ``` ### 流程自动化型（Workflow Automation）流程自动化型 Skill 编排多步流程，并在关键节点设置验证。它强调步骤顺序、依赖关系和质量门禁。 **典型特征**： - 明确的步骤顺序和依赖关系 - 每个阶段有验证条件 - 内置审查和改进建议 - 可包含迭代精修循环 **经济金融场景**：数据收集核对清单、季度财报分析流水线、尽职调查流程、合规检查清单。 ```skill --- name: due-diligence-checklist description: > 执行投资项目尽职调查流程。当用户提到尽职调查、 DD checklist、投资前审查、标的公司调研时使用。按财务、法律、业务三个维度逐项核对。 --- # 投资尽职调查 ## 执行步骤 ### 第 1 步：收集基础资料确认标的公司名称、行业、融资轮次。读取用户提供的资料文件。 ### 第 2 步：财务维度核查 - [ ] 近三年营收和利润趋势 - [ ] 现金流是否覆盖运营支出 - [ ] 应收账款周转率 - [ ] 重大关联交易 ### 第 3 步：法律维度核查 - [ ] 股权结构是否清晰 - [ ] 是否存在未决诉讼 - [ ] 知识产权归属 ### 第 4 步：业务维度核查 - [ ] 核心竞争力和护城河 - [ ] 客户集中度 - [ ] 行业监管风险 ### 第 5 步：生成调查报告汇总各维度结果，标注风险项和待补充事项。输出结构化报告和待办清单。 ``` ### MCP 增强型（MCP Enhancement） MCP 增强型 Skill 在工具接口之上叠加领域专业知识。MCP 提供数据访问和工具调用能力，Skill 提供使用这些工具的最佳实践和工作流指引。 **典型特征**： - 协调多个 MCP 工具调用的顺序 - 嵌入领域专业知识和最佳实践 - 提供用户原本需要自行摸索的上下文 - 包含工具调用错误处理 **经济金融场景**：股票数据查询 + 合规检查、数据库查询 + 分析最佳实践、多平台研报聚合。 ```skill --- name: stock-compliance-check description: > 查询股票数据并执行合规检查。当用户要求查询持仓数据、检查交易合规性、生成合规报告时使用。需要 market-data MCP 服务。 allowed-tools: "Read Bash(python:*)" metadata: mcp-server: market-data --- # 股票数据合规检查 ## 执行步骤 ### 第 1 步：获取交易数据通过 market-data MCP 查询指定股票的持仓和交易记录。 ### 第 2 步：应用合规规则 - 检查单只股票持仓是否超过基金净值 10% - 检查是否存在禁止期内的交易 - 检查关联方交易是否已报备 ### 第 3 步：风险评估根据检查结果评定合规等级： - 合规：所有检查通过 - 待关注：存在接近阈值的项目 - 违规：存在超限或未报备项目 ### 第 4 步：生成审计留痕输出合规检查报告，包含检查时间、检查项、结果和建议。 ``` ### 如何选择 Skill 类型面对一个具体任务，可以用三个问题快速判断它属于哪一类： | 判断问题 | 是 | 否 | |:---|:---|:---| | 是否需要调用外部工具或 API？ | → 考虑 MCP 增强型 | → 排除 MCP 增强型 | | 是否包含多步流程且步骤间有依赖？ | → 考虑流程自动化型 | → 排除流程自动化型 | | 核心价值是否在于输出格式和领域知识？ | → 考虑文档资产型 | → 排除文档资产型 | ::: {.callout-tip} ## 实践建议初学者建议从文档资产型 Skill 起步。它不依赖外部工具，结构简单，能快速验证 Skill 的触发和执行效果。熟悉基本机制后，再尝试流程自动化型和 MCP 增强型。 ::: 三类之间并非互斥。一个 Skill 可能同时具备多类特征。比如一个研报生成 Skill，既需要从 MCP 获取数据（MCP 增强型），又需要按固定流程处理（流程自动化型），最终输出标准化文档（文档资产型）。分类的目的是帮助设计时明确重心，而不是划定不可逾越的边界。