Claude Code skills 进阶：安装技能与搭建长期多智能体科研工作流

科研自动化入门篇讲了「把重复劳动交出去、写 CLAUDE.md、初识 skills」。这篇是进阶篇：把 skills 系统用透，并用 Claude Code 官方的多智能体机制（subagents、agent teams）搭一套能长期推进课题的工作流。以下用法基于 Claude Code 官方文档（code.claude.com/docs），版本迭代快，细节以官方文档为准。

一、skills：把你的方法论变成可复用的能力

skills 是什么

一个 skill 就是一个目录 + 一份 SKILL.md：YAML frontmatter 写名字和触发条件描述，正文写具体流程。Claude 遇到匹配任务时自动调用，也可以用 /技能名 手动触发。关键优势是按需加载：技能正文只在被用到时才进入上下文，再长的参考材料也不占日常对话的空间——这点比把所有规范塞进 CLAUDE.md 好得多。

Claude Code 的 skills 遵循开放的 Agent Skills 标准（agentskills.io），同一份技能在多个 AI 工具间通用。

安装与目录

• 项目级：.claude/skills/<技能名>/SKILL.md（跟仓库走，团队共享）；
• 个人级：~/.claude/skills/<技能名>/SKILL.md（所有项目可用）。

Anthropic 官方维护了一个技能仓库 anthropics/skills（截至 2026‑08 约 16 万+ star），内含文档处理、数据分析等现成技能，克隆后把需要的目录拷进 skills 目录即可用。

写一个科研技能（示例）

# ~/.claude/skills/exp-report/SKILL.md
---
name: exp-report
description: 跑完实验后生成标准化实验报告。当用户要求整理实验结果时使用。
---
1. 读取 results/ 下最新的指标文件与训练日志
2. 与 baselines.md 里的基线对比，标出显著差异
3. 生成报告：配置、结果表、对比图（matplotlib）、异常与下一步建议
4. 报告写入 reports/YYYY-MM-DD.md，图表存 figures/

写技能的诀窍：description 决定触发时机，要写清楚「什么时候用」；正文写成一步步的检查清单，而不是散文。

二、多智能体：官方机制怎么选

Claude Code 官方提供了几种并行机制，适用场景不同：

机制	是什么	科研中的典型用法
Subagents（子智能体）	会话内派出的独立工作者，自己的上下文里干活，只把摘要交回主对话	「去把这 30 篇论文的方法部分逐篇总结」——海量中间结果不污染主对话
Agent teams（智能体团队）	多个 Claude Code 实例组队：一个 lead 分配任务，队员独立上下文、互相通信（实验性功能，需设置 CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1 开启）	「实验代码、数据分析、论文撰写」三条线并行推进
手动多开	开多个终端各跑一个实例，git 分支隔离	最朴素也最可控，任何版本都能用

自定义 subagent 放在 .claude/agents/ 下，可以给它专属的系统提示、工具权限——比如定义一个「统计审稿人」子智能体，只负责挑分析方法的毛病。

三、长期科研工作流的搭法

课题是以月为单位的，靠的不是单次对话，而是把状态写进仓库：

1. 仓库即记忆：PLAN.md（路线图与当前进度）、CLAUDE.md（项目规范）、decisions.md（关键决定与理由）。每次会话开始让它先读这三个文件；
2. 每日循环：claude "读 PLAN.md，做下一个未完成项，完成后更新进度并把改动提交到 git"——配合可信目录下的自动批准模式可以挂机执行，但要用 git 兜底，随时可回滚；
3. 角色分工：实验、分析、写作各一个实例（或 agent team 的三个队员），彼此产出互相 review——交叉审查比单实例自查可靠得多；
4. 技能沉淀：任何重复了两次以上的流程（数据清洗、图表规范、综述格式），当场写成 skill，复利最高的投入。

四、额度与成本

多智能体是「用 token 换时间」，消耗显著大于单会话（官方文档明确提示 agent teams 用量更高）。省钱组合：

• 主力订阅跑交互（Claude Pro/Max），Max 档位窗口限额更高；
• 批量/挂机任务走按量的 Claude 中转额度，配 CC Switch 或 CCR 随时切换分流。

五、学术边界（再强调一次）

多智能体让「批量产出文字」变得容易，也让红线更容易被越过：

• AI 可以加速文献整理、代码实现、图表制作，但论点、实验设计与结论必须自己负责；
• 引用逐条核实——模型会编造不存在的文献；
• 按学校/期刊要求披露 AI 使用情况，不要用任何手段规避学校的 AI 检测与使用规定；代写论文不在本教程讨论范围，也不应是你使用这些工具的方式。

相关教程

• 科研自动化入门
• Claude Code 安装教程
• 多智能体自动化产品开发