背景：主持人是 Claude Code 团队的 Thariq，嘉宾是 Uber AI 团队负责人 Adam Huda，分享在内部如何使用 Skills。
这是一场讨论 Skills 及其使用方法，很有启发，核心内容已整理如下。
一、Uber 如何走进 Skills
Uber 对 Skills 的采用始于一名开发者自发创建了一个插件市场，此后迅速扩展，涵盖大量技能。
二、明星 Skills 与 元 Skills
Uber 将专项 Skills 用于代码审查、多 Agent 协作，甚至用于创建其他 Skills。
Adam Huda说了：“我现在比任何时候都更有创造力。我同时跑着多个 Claude，让 Agent 去做一件事，自己又冒出五个新想法，我不得不刻意踩一下刹车。”
三、Skill Workshop
从"做事"到"造工具"的转变。让人真正理解 Skill 的方式，不是讲格式，而是让他们先去做自己的工作，然后用 Skill Workshop 分析这个会话，提议可以创建的 Skill。
Uber 的 Skill 教学路径：
（1）先让工程师正常用 Claude Code 做任务
（2）运行 Skill Workshop，分析会话
（3）看到"哦原来这可以变成 Skill"的顿悟时刻
（4）开始迭代和优化自己的 Skills
四、Skills vs Agents
造 Skills，不造 Agents。几乎所有人都能创建一个 Skill，而极少数人才真正需要去构建 Agent。
五、验证与质量
下面是Uber 最野心勃勃的实验，功能流水线。
在验证结果时，如果出问题，别改具体代码，而是要回头看是哪个 Skill 环节出了问题，然后升级那个 Skill。这才是真正的 Agentic 工程思维。
六、工程师角色的演变
AI 加速下，代码变便宜了，但判断力更值钱了。
七、好 Skill vs 坏 Skill
好的 Skill 通过遥测数据，用户反馈以及产出确定性有效结果的能力来衡量。
内部案例：性能优化 Skill
-
Uber 的 OnKit 和 Uday 开发了一个 Skill，将优化 Go 和 Java 服务的部落知识编码其中 -
挑战在于：不具备这方面深厚知识的用户，如何判断 Skill 输出的质量
八、Skills 的分发与发现
Uber 正在开发工具和界面，帮助用户跨市场发现和评估 Skills。
九、自学习与自强化 Skills
让 Skills 基于真实使用数据自我进化。虽然 Claude 可以生成 Skills，但手动编辑以及深入理解如何引导 Claude，对于创建有效 Skills 至关重要。
十、Skills 的未来
Skills 生态仍处于早期阶段，持续的学习与实验聚焦于 Skill 开发、评估和分发的最佳实践。
Skills 是把公司部落知识编码进通用 Agent 的方式，让 Claude 从一个泛用 AI，变成真正懂你公司运作方式的业务专家。
大佬对所有人的 4 条建议：
造 Skills，不造 Agents
先做事，再让 Skill Workshop 分析
允许坏 Skill 存在于个人仓库，别急着进主库
最好的 Skills 来自某个深夜的意外发现
最后总结，Skills 不是让你替换工程师，而是让每个工程师都能获得他人所积累多年的专业能力。
可以让非技术人员也能完成完整的开发流程，让整个团队在 AI 时代比以往任何时候都更有创造力。
推荐阅读：
来自Claude Code工程师的分享，Skills 完整指南。