给Claude Code装了40个Skill之后，我发现它半夜在偷偷烧我的Token

上个月账单出来的时候，我盯着屏幕愣了十几秒。

Claude Code的账单比平时多了将近一倍。我翻了半天日志，没找到任何异常的大任务。后来才发现罪魁祸首是我自己装的那40个Agent Skill技能包——其中有一大半，我一次都没主动用过。

Skill这东西，装上去了，就在扣你的钱。

它并不只在每次使用时才扣费。只要你开着Claude Code，哪怕全程不碰它，Token也在按秒流逝。

Skill到底是个什么东西，跟MCP差在哪

先把概念理清楚，不然后面踩坑你都不知道怎么踩的。

很多人第一次接触Claude Code的扩展体系，看到Skill、MCP、Hook、Plugin四个词就懵了。我一开始也是，以为它们是四个平行的选择——“我这个需求该用哪个？”

这个思维模型本身就是错的。

腾讯云社区有篇文章打了个很准确的比方：Skill解决的是“Claude知不知道怎么做”，MCP解决的是“Claude能不能跟外部系统对话”，Hook解决的是“做事前后要不要自动触发”，Plugin解决的是“这些能力怎么分发给团队”。四层金字塔，从知识层到分发层，各管各的。

Anthropic官方文档的表述更简洁：MCP负责连接数据，Skill负责教会Claude怎么处理这些数据。

举个我自己的例子。我在Claude Code里接了一个数据库查询的MCP Server，让Claude能直接读我的PostgreSQL。但光接上没用——它不知道该查哪些表、字段命名什么规范、结果该输出什么格式。这时候就需要一个Skill，把“查数据库时按什么步骤走”写清楚。

MCP是手，Skill是脑子里的操作手册。

那Skill和普通Prompt有什么区别？Prompt是你每次在对话里临时说的话，“帮我改一下这段代码”。Skill是你提前写好的、Claude在判断任务匹配时自动加载的长期指令。Prompt是即兴的，Skill是常驻的。

跟Cursor Rules的区别也类似。Rules永远在场，每次对话都塞进上下文；Skill按需加载，只在你做的事情匹配到它的触发条件时才进来。Rules管“人设与红线”，Skill管“怎么把某类活干对”。

40个Skill的真实账单

概念说完了，说钱。

我在~/.claude/skills/目录下装了40个Skill。装的时候特别爽，GitHub上看到好用的就往里拖。有PR审查的、TypeScript迁移的、数据库迁移校验的、日志追踪的、CSV清洗的……

然后我注意到Token消耗不对劲。

后来我翻到DEV社区一篇实测文章，作者Kenimo用5个Skill做了7小时的追踪，结论让我彻底清醒：即使Skill从未被调用，它们描述里的元数据也会在每一轮对话中被反复计费。

具体机制是这样的：Claude Code启动时，会读取每个Skill的SKILL.md文件里的name和description，塞进系统上下文。正文不会加载，只有Claude判断当前任务匹配时才读正文。听起来很合理对吧？

问题在于——description会在每一轮对话中重新进入上下文并计费，并非只在启动时加载一次。

Kenimo的实测数据：5个Skill的description加起来约1490个Token，一轮对话就是1490 Token的额外消耗。他那次会话跑了84轮，光这些描述就被计费了84次。

我40个Skill。按平均每个300 Token的description算，每轮对话固定多出12000 Token。我一天跑几十轮，月底账单翻倍一点都不奇怪。

更离谱的是那篇文章里有个案例：160个Skill加载后，每次工具调用额外增加约25K Token，一个会话50次工具调用就是125万Token白白烧掉。

你以为Skill是免费升级，其实它是租金。

哪些Skill真有用，哪些纯粹是占地方

踩完坑之后我做了一次大清理。40个删到只剩9个。

留下来的标准很简单：过去30天内至少触发过3次，且每次触发确实省了我时间。

真正在帮我干活的几个：

review-pr。PR审查工作流，自动检查代码风格、潜在bug、测试覆盖率。这个用得最多，一周触发十几次。但它确实吃Token，每次加载正文大约3000 Token，我接受。

migrate-db。数据库迁移校验，自动比对migration文件和当前schema是否一致。我们团队每次发版前都要跑，省了大量手动比对的时间。

commit-writer。自动生成规范的git commit message。小而精，description写得短，开销低，但高频使用。

删掉的典型代表：

那些“全能型”Skill，比如声称能“帮你处理任何文档”的。description写了四五百个Token，但实际触发率极低，因为触发条件太模糊，Claude根本判断不准什么时候该用它。

还有一类是功能重叠的。我装了三个不同来源的代码审查Skill，其实功能大同小异。留一个就够了，另外两个纯粹在每轮对话里白烧Token。

GitHub上那些标着10万+安装量的Top Skill，我试过几个。有的确实好用，有的就是占地方。安装量高不代表适合你，得看你的工作流。

有个数据让我印象很深：LangChain团队做了一个Skill框架的基准测试，Claude Code在LangChain相关任务上的通过率从29%飙升到95%。好Skill的提升是巨大的。但前提是——它得匹配你的真实工作流。别人觉得好用的，在你手里可能就是一个每轮对话扣费的累赘。

国内用户怎么用，免费版够吗

先说免费版的事。

Claude Skills功能在2026年2月已经向免费用户开放了。但要注意：免费版能用Skill，但能用和好用是两回事。免费版的对话轮次和Token额度有限，装了太多Skill之后，光描述占用的Token就可能把额度吃掉一大块。

国内用户还有一个更实际的问题：网络。Claude Code需要访问Anthropic的API，直连不稳定。

我的方案是混着用。日常编码任务用DeepSeek-TUI，它上线一周拿了22500个GitHub星，Skill发现路径直接兼容.claude/skills目录，你现有的SKILL.md文件原地不动就能被识别。重任务或者需要Claude独有能力的时候，再切回Claude Code。

Kimi Code也是一个选项。它支持Kimi K3，API同时兼容OpenAI和Anthropic两种协议，Skills、Hooks、MCP都能定制。

OpenClaw的Skill安装也不复杂，官方文档有保姆级步骤，但国内网络得折腾一下。安装Skill的时候，国内用户建议走Gitee镜像。有开发者做了cn-skills-cli工具，从Gitee拉取Skill包，免翻墙。

会不会拖慢响应速度？会，但拖慢的不是推理速度，是Token消耗和上下文长度。你装的Skill越多，每一轮对话塞进去的元数据就越多，模型处理的时间也会变长。

如果你现在想开始装Skill

三个建议，全是踩坑换来的。

第一，先装3个，用一周再说。 别像我一样一口气拖40个进去。装完之后盯着你的Token消耗曲线，看看到底涨了多少。如果涨得不明显，再加。零基础的话，先别急着创建自己的第一个Agent Skill。从GitHub拉现成的，用一周，找到感觉再动手写。

第二，写短description。 如果你自己写Skill，description控制在50个Token以内。说清楚“什么时候该用我”就够了，不需要把功能列表全塞进去。每多一个字，都在每轮对话里被重复计费。

第三，定期清理。 每隔两周翻一下你的skills目录，问自己：“这个Skill最近触发过吗？”没触发过的，删。不删就是在给Anthropic做慈善。

至于全自动写周报和会议纪要，我试过。能写，但得你先把模板和口径写进Skill里，不然出来的东西没法直接用。Agent Skill能做到很多事，但它不会读心。

一个人用Agent Skill能不能干出一个团队的活？我的答案是：能，前提是你留的那几个Skill真的在干活。

Skill是个好东西。LangChain的测试数据摆在那里，用对了能把通过率从三成拉到九成以上。但它跟所有工具一样，装得越多不一定干得越好。有时候，少装几个，反而跑得更快、花得更少。

我现在的9个Skill，每个月的Token消耗比我之前40个的时候低了将近40%，但实际干活效率没降。因为剩下的每一个，都是我真正在用的。