如果你正在用 Claude 编写 Skills（技能），很可能被这个痛点反复折磨：辛辛苦苦做好一个处理 PDF 的技能，当用户说“帮我填个表单”时，它却压根不触发；哪怕加了详细描述，触发率依然时好时坏，只能手动改一句、测一次、再改、再测……纯纯看运气。
现在不用担心了——Anthropic 刚刚发布了 Skill-Creator 的重大升级，直接把软件工程领域的「测试驱动开发（TDD）」方法论引入了技能创作流程。无论你是产品经理、运营人员、开发者，还是热衷折腾 Agent 的普通用户，读完全文就能立刻上手，用真实数据说话，让技能既精准又稳定。
1. Skill-Creator 究竟是什么？
简单来说，它是 Claude 官方推出的「技能创建器」，专为快速起草 SKILL.md、自动运行测试（Evals）、测算触发率、耗时以及 Token 消耗而设计，还能帮你迭代优化描述与内容。
过去你写技能全凭“感觉”，现在它为你提供一整套工程化闭环。官方直接在 Claude.ai、Cowork、Claude Code 插件中就能使用，相关的开源仓库也同步更新。
2. 本次更新最核心的 5 个新功能（直击你的痛点）
① 内置自动测试（Evals）——再也不用手工试 20 遍
你只需准备几条「用户可能会怎么问」的测试提示词以及预期结果，Skill-Creator 就会自动跑一遍。报告会直接告诉你：触发成功率是多少？哪些用例失败了？消耗了多少 Token？耗时多久？
② 多 Agent 并行执行测试
以前只能一个个排队运行，现在 20 个测试场景可以同时交给 20 个独立 Agent 处理，上下文互不干扰，速度直接翻倍。
③ A/B 对比盲测（Comparator Agents）
改完技能描述后心里没底？让「比较器 Agent」盲测两个版本（甚至带技能版 vs 不带技能版），它会客观告诉你哪个表现更好。彻底告别“感觉好像强了一点”的直觉判断。
④ 描述自动优化（Description Tuning）
系统会分析你的描述和测试提示词，指出哪里容易误触发、哪里容易漏触发。官方实测结果显示：为 6 个公开文档创建技能后，其中 5 个的触发率都有明显提升。
⑤ Benchmark 模式 & 持续追踪
每次修改技能或 Claude 模型更新后，只需一键运行基准测试，就能生成包含通过率、执行时间、Token 消耗的数据报表。还能接入 CI 系统，真正实现「版本管理」。
一位 X 用户（@sitinme）总结得非常精准：「Agent 的世界正在从靠 Prompt 调参，迈向测试驱动开发（TDD）时代。」
3. 手把手教你用新 Skill-Creator 创建一个技能
根据官方 SKILL.md 和博客，这里精简为最适合「非程序员」也能上手的 5 个步骤：
Step 1：明确你要做什么
直接对 Claude 说：「我想做一个 XXX 技能」。Skill-Creator 会问你：触发词是什么？输出格式是否需要固定？有没有边界案例？
Step 2：撰写 SKILL.md 草稿
它会自动帮你填充 name、description（特别提醒：描述要写得“强势”一点，比如加一句「只要用户提到数据可视化、仪表盘，就必须调用这个技能」）、具体操作步骤以及配套资源（模板、脚本等）。
Step 3：编写 3-5 个测试用例
直接在 evals/evals.json 里加入提示词，Skill-Creator 会自动生成预期断言（assertions）。
Step 4：一键运行，查看报告
它会同时运行「带技能版」和「无技能版」的对比测试，生成完整的 review 页面（包含输出文件和数据指标）。
Step 5：迭代优化
根据报告 → 修改描述或逻辑 → 再跑一轮 Benchmark → 直到满意为止。官方建议：先小范围测试，满意后再扩展到 20 个测试用例。
实用小贴士（来自官方最佳实践）：
- 能力增强型技能（例如 PDF 表单填充）→ 重点测试「是否成功完成操作」；
- 偏好编码型技能（例如 NDA 审查流程）→ 重点测试「格式是否严格遵循规范」；
- 写作类技能 → 仍需要人工判断质量，但可以用对比测试评估「哪个版本更专业」。
4. 真实案例：PDF 技能是如何被“救”回来的？
此前官方的 PDF 技能在遇到「不可填写表单」时就会崩溃。新版 Skill-Creator 利用 Evals 精准定位问题 → 改为「锚定提取文本坐标」→ 一次性修复，彻底稳定运行。你手中的技能，也可以用同样的方式“起死回生”。
5. 现在就去试试吧！
打开 Claude.ai 或 Cowork，输入「Use Skill-Creator」启动它；或者使用相关插件和仓库的文档。写完技能后记得分享到社区，一起把技能库越做越强大。
