Claude Skills

小型RAG的简易替代方案，轻松管理业务知识。以咖啡店为例，将产品、教程等资料存入Skill文档，AI自动检索并生成解答，无需向量数据库与复杂维护。技能可按业务模块或客户拆分，灵活高效。

昨天又从搜集到了 100 多个的 skills，

其中有一个非常惊艳我的用法。

他被埋没在了一条 0 赞的日语推文里面。

他的大概意思是Claude Skill 可能杀死了小型的 RAG。

我举个简单例子，

如果你经营一家精品咖啡店，有 50 款咖啡豆、100 种器具，加上冲泡教程、常见问题等，这些资料散落各个文档。

现在你想让 AI 能直接查询这些知识，帮店员快速回答顾客问题。

传统的做法就是用所谓的 RAG，把所有产品信息切成小块用 Embedding 模型转成向量存到向量数据库写检索逻辑，每次产品更新都要重新 Embedding，blalala一堆技术活。

这些所谓的技术方案在一个小型独立个体想用 ai 提效的人来说实在是难顶，而且效果还不好，经常搜索到断章取义的回答，看都不想看。

而这条日本推文就说干嘛不用 claude skills 呢？

对啊，skill 里面不是有一个 assets 资产的文档吗？

把所有东西扔进去里面，直接让模型自己去根据提问来找答案不就完事了，而且模型本身的能力这么强还能在找到之后组织语言来做一个详细的解答甚至推荐什么的。

维护起来也很简单，你有更新就直接改文档就行了，再也不用重新做若干复杂的处理了。

再进一步来思考，细分颗粒度呢？

比如按业务模块拆分：

• coffee-beans-skill — 所有咖啡豆的产地、风味、价格
• equipment-skill — 器具参数和使用教程
• brewing-guide-skill — 冲泡手法和配方

按客户拆分：

• client-hilton-skill — 希尔顿的采购偏好、历史订单、对接人
• client-wework-skill — 喜茶的定制拼配方案、账期、特殊要求
• client-muji-cafe-skill— MUJI 咖啡区的供货记录、季节限定合作

顺着这个思路想下去，Skill 的组织方式真的非常灵活。

再进一步，

skill 还可能是一个场景，一个人，甚至是一种人格。

这个使用 skill 的思路，几乎没人注意到。

我会继续保持从推特一线挖。

我从1000 条推特里面捞到了这些一手的claude skills