Claude Code把“斜杠命令”和“技能”合二为一，从此AI不仅能听懂指令，还能自动判断什么时候该用哪套本事，就像一个会自己翻工具箱的程序员同事，既能在你喊“/修bug”时立刻动手，也能在你聊到“这段代码怎么跑的”时主动掏出解释图。
这套机制不仅保留了旧有命令的兼容性，还通过YAML前缀、子代理隔离、动态上下文注入等设计，让技能具备自动触发、手动调用、安全执行、可视化输出等多重能力，真正实现人机协作的无缝衔接。
Claude Code完成一次结构级整合：Slash Commands与Skills合并成同一套能力体系。表面变化看起来像命名合并，底层变化属于架构升级。
所有旧Slash命令照常工作，所有Skills直接用斜杠调用，模型与使用者共享同一套调用逻辑。技能系统负责动态加载上下文、按需读取文件、层层展开信息，还能天然配合子智能体执行复杂任务。心智负担减少，能力上限抬升，扩展空间直接拉满，这一波属于工具链成熟期的标志动作。
斜杠命令和技能终于成了一家人
以前在Claude Code里，有两种方式告诉AI该干啥：一种是用户敲“/deploy”这种斜杠命令，另一种是给AI装一套叫“技能”的说明书。
现在这两兄弟正式合并了，变成同一个东西——所有技能都能用斜杠命令的方式调用，所有老的斜杠命令也自动变成技能继续工作。这就像把两个独立的工具箱焊在一起，左边抽屉放锤子右边放螺丝刀，现在全塞进一个带标签的智能收纳盒，AI伸手就能摸到最合适的工具。用户不用做任何迁移操作，原来放在~/.claude/commands/目录下的命令文件照常运行，但新做的功能建议直接做成技能，因为技能能用更多高级功能，比如搭配子代理干活。
为什么要合并：从早期技巧到成熟能力的自然进化
最早的Slash Commands承担一个非常重要的角色：按需加载上下文。只有在敲下斜杠的那一刻，相关信息才进入模型视野，资源使用高效，理解路径清晰，像抽屉一样随开随用。随着模型能力持续增强，单纯的命令式上下文加载逐渐显得“空间有限”，就像小推车装不下大工程。
Skills的出现改变了这件事。技能不只是一段提示词，而是一套可以主动读取文件、判断相关性、引用其他文件的动态系统。SKILL.MD文件允许多层引用，像一本能自动翻页的说明书，模型根据当前任务主动决定读哪一页。这种能力正是工程语境里常说的渐进式信息展开，也叫progressive disclosure。合并发生在这个节点，属于顺水推舟而非推倒重来。
技能的本质是一套带说明书的工具包
每个技能其实就是一个文件夹，里面必须有个叫SKILL.md的主文件，其他文件都是可选配件。
这个SKILL.md分成两部分：上面是YAML格式的“使用说明贴纸”，用三个短横线包起来；下面是Markdown写的“操作手册”。
YAML里最关键的两个字段是name和description，name决定了斜杠命令叫什么，比如写name: explain-code，以后就能敲/explain-code；description告诉AI这个技能能干啥，比如“用比喻和ASCII图解释代码原理”，这样当有人问“这段函数怎么工作的”时，AI就会自动想起这个技能。如果没写name，就默认用文件夹名字当命令名；如果没写description，就拿手册第一段当介绍。
合并后的直觉变化：一条斜杠，背后是一整个技能系统
合并之后，调用方式彻底统一。任何技能都可以通过斜杠触发，任何原有Slash命令都可以被当作技能执行。操作手感依旧轻快，背后能力明显变厚。使用者敲下“/”，模型理解到的是“调用一个具备上下文加载能力的技能单元”，而不是单一命令。
这一点对模型本身也非常友好。工具种类减少，判断路径变短，调用决策更加直接。系统层面少了一种工具类型，认知路径更直线，执行稳定性自然上升。
技能默认既能让AI自动调用，也能让用户手动敲斜杠命令启动。
但有些活儿不能随便自动干，比如部署上线或者发Slack消息，万一AI看代码写得漂亮就自作主张点发布按钮就糟了。这时候就在YAML里加一行disable-model-invocation: true，相当于给技能贴个“禁止自动使用”封条，AI再聪明也不敢乱动，只能等人敲命令才干活。
反过来，有些技能是纯知识型的，比如解释某个老系统的架构，用户没必要手动调用，但AI需要知道这些背景知识。那就设user-invocable: false，这样斜杠菜单里看不到它，但AI聊天时能悄悄参考。这两种设置组合起来，就能精确控制技能的使用权限。
技能的真正强点：动态上下文与多层文件读取
Skills的核心价值集中在“动态”。技能在执行时可以扫描当前项目文件，根据相关性加载必要内容，而非一次性塞进所有资料。SKILL.MD内部可以引用其他文件，这些文件又可以继续引用更多文件，形成层级结构。
这种结构像知识树而不是备忘录。模型读取路径随任务变化而变化，信息密度随需求变化而变化。复杂项目环境中，这种机制让上下文始终保持“刚刚好”的状态，信息既充足又不拥挤。
子智能体登场：技能真正开始“分身作业”，任务隔离执行
技能系统与子智能体天然匹配。技能执行时可以指定使用某个子智能体，相当于派出一个专门小分队执行任务。主上下文保持干净，子上下文专心干活，结果再带回来。
这种模式尤其适合搜索、研究、分析类技能。子智能体加载大量资料，主智能体只接收整理后的结果，认知压力明显下降。
复杂任务经常需要干净的环境，比如研究代码库时不想被当前对话的历史干扰。这时候在YAML里加context: fork，技能就会在一个全新的子代理里运行，就像给AI开了个独立办公室。还能指定用哪种类型的子代理，比如agent: Explore，这个Explore代理自带只读工具，专门用来翻代码不搞破坏。
举个例子，做个Research技能，内容是“彻底研究$ARGUMENTS提到的技术”，配上Explore代理，AI就会在隔离环境里专注查资料，最后把摘要送回主对话。这种设计既保护了主上下文不被污染，又让重型任务有专属资源。
记忆型技能示例：并行工作不打扰主线
记忆类技能可以使用fork模式的上下文。子智能体复制当前上下文，在独立空间执行总结、归档、写文件等操作。主上下文保持当前任务节奏，工具执行过程不产生噪音。
这种并行能力非常适合长期会话管理。历史总结自动完成，主思路始终连贯，体验非常接近“后台自动保存”。
动态参数和实时数据让技能活起来
技能支持传参数，比如做个/fix-issue 123的命令，123就是参数。在SKILL.md里用$ARGUMENTS占位符接收，AI收到的就是“按规范修复GitHub第123号问题”。如果忘了写$ARGUMENTS，系统会自动在手册末尾加一行ARGUMENTS: 123，确保参数不丢。
更厉害的是能插入实时数据，用感叹号加命令的形式，比如!gh pr diff，这行会在AI看到内容前先执行，把真实PR差异贴进手册。
这样技能处理的就不是静态文字，而是活生生的最新代码变动，相当于给AI装了实时数据接口。
技能还能生成可视化报告
技能目录里可以放任意脚本，比如Python或Shell，AI能直接调用它们干活。典型场景是生成交互式HTML报告，比如做个codebase-visualizer技能，里面带个visualize.py脚本。
这个脚本扫描当前目录，统计文件数量、类型分布，画出柱状图，再生成可折叠的树形结构，最后输出codebase-map.html并自动打开浏览器。AI只负责发号施令，具体绘图计算全交给脚本，这样既能处理大数据，又能产出图形化结果。这种模式适合做依赖图、测试覆盖率、API文档等各种可视化需求。
技能存放位置决定谁能看到它
技能放不同地方，生效范围就不同。
放~/.claude/skills/是个人全局技能，所有项目都能用；
放项目根目录的.claude/skills/就只对当前项目有效；
企业管理员还能推全公司技能；
插件作者则把技能打包进插件目录。
特别贴心的是，在monorepo项目里，如果正在编辑packages/frontend/里的文件，AI还会自动去packages/frontend/.claude/skills/找专属技能，这样每个子模块都能有自己的工具集，互不干扰。
工具权限和上下文预算的精细控制
技能可以限制能用的工具，比如allowed-tools: [file-read, shell]就只允许读文件和执行命令，禁止写文件或联网，相当于给技能戴了个安全手套。另外所有技能的描述文本会预加载到AI上下文里，方便它判断该用哪个。
但如果技能太多，描述总长度超过15000字符，多余的部分会被砍掉。这时候可以调环境变量SLASH_COMMAND_TOOL_CHAR_BUDGET加大预算，或者精简description，确保关键技能不被挤掉。
老命令无缝升级，新功能尽情扩展
这次合并完全向后兼容，老斜杠命令文件放~/.claude/commands/照样跑，但新功能建议直接用技能。因为技能支持更多扩展点，比如挂钩生命周期的hooks、指定专用模型的model字段、甚至跨会话传递ID的${CLAUDE_SESSION_ID}变量。
未来所有新特性都会优先在技能上实现，斜杠命令本质上成了技能的简化版入口。这种设计既照顾了老用户习惯，又引导大家走向更强大的技能体系。
从架构角度看：技能成为Claude Code的能力核心
这一轮合并让技能系统站到核心位置。Slash Commands不再是独立抽象，而是技能的一种触发形式。所有扩展能力围绕技能展开，所有新特性优先进入技能体系。
从工程演化角度看，这是平台稳定后的必经阶段。抽象层减少，能力集中，生态扩展路径更加清晰。
对使用者的实际影响：操作更少，能力更大
日常使用层面，几乎感觉不到“改变”。斜杠依旧顺手，命令依旧好记。实际获得的，是更强的上下文处理能力、更自然的复杂任务拆分方式、更安静的主对话空间。
这类变化往往在一段时间后才显出威力。任务变复杂时，系统开始显得从容，使用者也跟着从容。
对Claude本身的影响：判断更简单，执行更稳定
工具合并后，Claude内部判断路径减少。调用哪个能力、加载哪些内容、是否派出子智能体，都围绕技能这一核心对象展开。决策树变短，误判概率自然下降。
这种变化属于“系统级优化”，通常在大规模使用场景下效果最明显。
技能是所有新能力的入口
官方建议已经非常明确：未来需要自定义Slash Command的场景，直接做成Skill。技能将承载更多扩展接口，包括子智能体协作、上下文策略、文件系统交互等。
这意味着技能并非当前形态的终点，而是能力生长的起点。系统已经为后续演进留出足够空间。
为什么说这是通向AGI的重要一步
真正的通用智能不是把所有知识塞进一个大脑，而是知道什么时候该用哪套方法论。
Claude Code的技能系统正是模拟这种能力：通过description匹配场景，通过frontmatter控制权限，通过subagent隔离任务，通过supporting files扩展知识边界。
这四个部分组合在一起，形成一种清晰的模式：识别任务 → 选择能力 → 隔离执行 → 回收结果。
这一模式与人类使用计算机时的行为高度同构。写代码时调用调试器、文档写作时翻规范、决策分析时跑模型模拟，本质上都属于外部能力调用，而非大脑内推理。这正是“像人类一样使用计算机”。
类似特斯拉自动驾驶替代驾驶员，智能体替代程序员编程，这是每个行业的AGI到来的时代！ 这套外部架构的价值，甚至可能超过模型本身的微小进步。
AGI定义其实不需要遵循宝塔式结构定义，宝塔尖头必须有非常通用广泛智能，然后进入各个领域做成专家，这种定义是遵循人的模式，强调“意识或自主性从哪里来”，其实每个行业自动化无人值守了，这就是全面AGI。