cover

为什么你的 Claude Code 能力总是留不住

我见过太多人这样用 Claude Code：装一堆 MCP Server，CLAUDE.md 改了一版又一版，可一开新项目还是得从零解释上下文。工具越攒越多，能力没沉淀下来。

这不是 Claude Code 的问题，是缺一套管理框架。

这篇文章想聊的就是怎么把 Claude Code 的 Skills 生态盘活——从技能发现、评估到工作流组合，建一套能反复用的体系。

先换个视角

传统开发里，依赖靠 package.json，基础设施靠 IaC，接口契约靠 OpenAPI。到了 AI Coding 场景，很多人的能力管理还停在文档夹和浏览器收藏夹里。

Claude Code 通过 MCP（Model Context Protocol）把外部工具接进 Agent 的上下文。配置得当的实例，本质是一个能力栈，不是一个聊天窗口。我的经验是，视角一转，用法就变了：

  • 技能是可调用的原子能力
  • 工作流是技能的编排组合
  • CLAUDE.md 是这套能力的接口声明

想清楚这三层关系，后面的事就顺了。

第一层：技能发现

MCP 生态现在大到没法靠人肉翻，我常走三条路。

策划型注册表。 awesome-claude（HeyClaude）把 MCP servers、skills、commands、hooks 都收进来了，支持 npm 包分发。找某类能力的优选项，从这里翻最快。

反向匹配。 skill-finder 的思路反过来——不堆工具清单，而是按你的任务描述筛能力组合。输入要做什么，它给你拼工具链。任务驱动，省心。

交叉链接。 MCP 社区最近在推一个做法，在各 server 的 README 里加「Works Well With」段落，把互补的包串起来。比如 server-filesystem 配上带搜索能力的 MCP，Agent 就能直接把搜到的结果落盘。顺着这张图找，比单独看一个工具有意思得多。

第二层：技能评估

不是每个 MCP 都值得进你的能力栈。找到之后，我习惯从四个维度快速过一遍：

维度 要问自己的问题
原子性 这工具做的事够不够单一、职责清不清楚？
组合性 它能跟手头已有的工具叠出有效能力吗？
稳定性 维护活不活跃？CI 有没有固定版本？
上下文消耗 调一次大概吃多少 token？会不会把 context window 撑爆？

稳定性这条最容易被人略过。MCP 官方 servers 仓库里有个 PR 专门讨论把 GitHub Actions 的 floating tags 换成不可变的 commit SHA——原因是那条 workflow 牵扯到 NODE_AUTH_TOKEN 的发包权限，供应链风险不能马虎。自己维护的能力栈，同样需要版本锁定。

第三层：工作流组合

单个技能能干的事有限，组合起来才有乘数效应。这也是大家最容易低估的一环。

我用得最顺的范式是「数据获取 → 处理加工 → 结果落盘」：

filesystem MCP        ←  读写本地文件
search/fetch MCP      ←  获取外部数据
transform skill       ←  数据清洗 / 格式转换
output MCP            ←  生成 PDF / 推送 API

落到 claude_desktop_config.json 上是这样：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/workspace"]
    },
    "fetch": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-fetch"]
    },
    "pdf-generator": {
      "command": "npx",
      "args": ["-y", "your-pdf-mcp-server"]
    }
  }
}

用 CLAUDE.md 声明能力接口

很多人把 CLAUDE.md 当成给模型看的背景资料，其实它更该是能力栈的接口声明文件。把可用工具、调用约定、输出格式都写进去：

## 可用能力

### 文件操作
- 工具：filesystem MCP
- 约定：所有输出文件放 /workspace/output/，按日期分目录

### 外部数据获取
- 工具：fetch MCP
- 约定：原始响应缓存到 /workspace/cache/，TTL 1小时

### 文档生成
- 工具：pdf-generator MCP
- 约定：模板放 /workspace/templates/，优先复用已有模板

## 工作流组合示例
「生成竞品分析报告」= fetch竞品信息 → 写入cache → 调用report模板 → 输出PDF

这么写完，每开新会话，Claude Code 一眼就知道当前能调什么、边界在哪，不用你再一遍遍解释。

第四层：能力沉淀

工作流跑出来的成果怎么留住？这一步我发现很多人压根没想过。

建一个私有的 skills repo：

my-claude-skills/
├── workflows/
│   ├── code-review.md       # 代码审查工作流
│   ├── api-doc-gen.md       # API 文档生成工作流
│   └── bug-triage.md        # Bug 分类工作流
├── mcpConfigs/
│   ├── dev-stack.json       # 开发场景 MCP 配置
│   └── research-stack.json  # 调研场景 MCP 配置
├── claudeMDs/
│   ├── backend-project.md   # 后端项目模板
│   └── frontend-project.md  # 前端项目模板
└── README.md                # 技能图谱索引

新项目初始化时，直接从这个 repo 拉对应配置，五分钟就能让 Claude Code 进入工作状态。claude-skills-vibe-toolkit 做的也是这个方向：把工作流资产系统化，让能力变成可复用的东西，而不是锁在你的个人记忆里。

进阶：给能力栈做版本管理

在团队里推 Claude Code，版本管理这关躲不掉。几条亲测有用的做法：

  • MCP 配置走 Git，跟代码一个待遇，工具一升级就有 diff 可查
  • 锁版本，配置里写死精确版本号，别用 latest
  • 按场景拆栈，开发、测试、文档生成各用各的 MCP 配置，互不干扰
  • 每月 review 一次，没实际调用记录的工具移出去
// 推荐：锁定版本
"args": ["-y", "@modelcontextprotocol/[email protected]"]

// 不推荐：浮动版本
"args": ["-y", "@modelcontextprotocol/server-filesystem@latest"]

写在最后

把 Claude Code Skills 当成需要工程化管理的生态，而不是随手拼的工具箱。这个转变，是「会用 AI 编程工具」和「真正发挥 Agent 能力」之间真正的分水岭。

发现、评估、组合、沉淀，四步连成闭环。每做完一个项目，能力栈就该比上次更完整一点。这不是配一次就完事的活，是要持续迭代的工程习惯。

顺带说一句接入的事。Claude Code 本身免费开源，真正的门槛在国内用起来麻烦：得自己解决网络、还要管 API 账单。我们做 ECC 就是把这块磨平，让你直接接上 Anthropic 全系模型，免梯子、计费透明、连接稳定，省下配环境的功夫。

关于 Easy Claude Code

如果你想用上 Claude Code，可以试试我们 ECC（Easy Claude Code）的中转服务：免🪜、低成本、快速稳定，直连官方 Claude Code。企业定制化服务可详询。