Claude Code Skills Factory：AI 编程工具的「模具工厂」

想象一下：你在用 Claude Code 写代码，突然需要一套完整的代码审查流程。以前可能要折腾半天，但现在——只需要说一句话，它就能帮你生成一整套可运行的 Skill。Claude Code Skills Factory 就是这样一个「AI 编程工具的模具工厂」，它把 Claude Code 的扩展能力变成了可复用的生产流水线。

🏭 起源：一个人如何对抗 AI 工具的碎片化困境

这个项目的作者 Alireza Rezvani 在 2025 年 10 月开始构建这套工具链。他的痛点很典型：随着 Claude Code 生态越来越大，开发者积累了大量零散的 prompt、skill 和自定义命令，却没有一个系统化的方法来管理它们。

他在 Medium 上写道，团队里每个开发者都在重复造轮子——写一个代码审查的 prompt，可能需要花 30 分钟反复调试效果。而 Skills Factory 的核心理念，就是把这 30 分钟压缩到 5 分钟：通过预设模板和大模型辅助，一次性生成可直接使用的生产级工具。

图1：项目作者 Alireza Rezvani 的 GitHub 头像

项目上线后增长迅速：不到一年时间，GitHub 收获 802 颗星、161 个 Fork、27 个公开 issue，被标记为 AI agents、claude-ai、claude-skills 等 6 个主流主题。社区活跃度说明这套方法论确实击中了开发者的痛点。

⚙️ 核心功能：五大工厂，覆盖 AI 编程全流程

1. Skills Factory（技能工厂）

生成完整的 Claude Skills 目录结构，包括：

• SKILL.md：YAML frontmatter + 完整使用文档，Claude Code 在相关任务触发时自动加载
• Python 实现文件：当 Skill 需要真正执行计算或文件生成时，提供配套 .py 模块
• 示例数据：JSON 格式的 sample_input_* 和 expected_output.* 文件，用于验证效果
• ZIP 打包：一键导出可分发格式，其他用户复制到 ~/.claude/skills/ 即可安装

生成流程是「引导式问答 + 模板填充」：工厂 agent 问 4-5 个问题（技能用途、触发场景、输出格式等），用户回答后直接输出完整的技能包，省去了查阅文档再手动拼装的过程。

2. Agents Factory（代理工厂）

Claude Code 支持「子代理（Sub-Agent）」机制——在主对话之外启动独立上下文的专业助手。Agents Factory 为此设计了增强型 YAML frontmatter，支持：

• 工具访问配置：指定代理可用工具（Read、Write、Bash 等），实现最小权限原则
• MCP 集成：通过 mcp_tools 字段接入 Model Context Protocol 工具链
• 自动触发描述：description 字段决定 Claude 何时自动委派任务给该代理
• 视觉分类：color 和 field 字段在 Claude Code 界面中可视化呈现

生成出的代理以单个 Markdown 文件存储（AGENTS.md），Claude Code 会在启动时扫描并注册所有可用代理。

3. Prompt Factory（提示词工厂）

这是目前产出最丰富的模块，内置 69 个专业提示词预设，覆盖 15 个行业领域：技术开发、商业分析、创意写作、法律合规、金融财务、人力资源、设计、客户服务、高管决策、生产制造、研发、监管合规、专业技术、学术研究、创意媒体。

每套提示词都支持四种主流格式输出：XML（结构化标签）、Claude（角色+约束+示例风格）、ChatGPT（系统提示+少样本风格）、Gemini（指令+Chain-of-Thought 风格）。通过 5-7 个引导问题，理解用户的具体需求后，从预设库中智能组合，生成「一次可用」的 mega-prompt。

4. Hooks Factory（钩子工厂）

Claude Code 的 Hook 机制允许在特定事件发生时注入自定义逻辑。Hooks Factory 生成针对 7 种事件类型的钩子：SessionStart（会话启动）、PostToolUse（工具使用后）、SubagentStop（子代理停止）等。

内置安全检查：检测危险操作（如格式化文件、删除目录）时自动静默失败，不会中断正常开发流程。已支持 Python/Black、Javascript/Prettier、Rust/rustfmt、Go/gofmt 等常见语言工具链的自动格式化钩子。

5. Slash Commands Factory（斜杠命令工厂）

Claude Code 支持自定义斜杠命令（如 /build skill）。工厂内置 17 种预设命令，涵盖业务分析、开发调试、文档生成、代码分析等场景。遵循 Anthropic 官方三种命令模式：Simple（单次响应）、Multi-Phase（多阶段对话）、Agent-Style（委派给子代理）。

🏛️ 架构设计：纯 Markdown + YAML 的「无代码」扩展哲学

整个项目的架构设计非常清晰：

• 零依赖：不需要 Dockerfile、不需要安装包，纯 Markdown 文件 + 可选 Python 脚本。部署方式就是「复制目录」，符合 Claude Code 本身的插件化理念。
• 模块化 CLAUDE.md：项目内部使用多个 CLAUDE.md 文件，每个子目录对应不同上下文。Claude Code 根据当前工作目录自动加载最相关的文档，实现「按需感知」。
• 模板驱动：5 个工厂各有专属 Prompt 模板（位于 documentation/templates/），定义生成规则和质量标准。模板本身也是 Markdown，可直接用 AI 辅助修改。
• 生成物分类存储：generated-skills/（生产级技能）、generated-agents/（代理定义）、generated-prompts/（提示词）、generated-hooks/（钩子）、generated-commands/（斜杠命令），结构一目了然。

图2：Claude Code Skills Factory 的核心目录结构，涵盖五大工厂模块

技术栈方面，主体是 Python（仓库主语言），但 skill 模板和配置文件大量使用 Markdown + YAML。生成的产物以 Markdown 为主，Python 文件仅在需要实际计算逻辑时出现（如 Prompt Factory 中的 token 计数脚本）。

🚀 上手体验：三个快捷方式，总有一个适合你

根据 README，上手路径非常友好：

方式一（最懒）：直接安装 Prompt Factory Skill

cp -r generated-skills/prompt-factory ~/.claude/skills/
# 然后对 Claude 说：「我需要一个 [某角色] 的提示词」

方式二（交互式）：使用 /build 系列命令

/build skill    # 交互式构建新 Skill
/build agent    # 交互式构建新代理
/build prompt   # 交互式构建新提示词
/build hook     # 交互式构建新钩子

方式三（最聪明）：直接说出需求，让 factory-guide 调度

I want to build something

factory-guide 是整个项目的调度中枢，它会根据你的描述判断你需要的是 Skill、Agent 还是 Prompt，然后委派给对应的 guide agent 进行处理。

⚠️ 局限与争议

1. 质量问题：生成的产物质量高度依赖 AI 模型的推理能力。preset 模板只是框架，最终效果仍需人工审核和微调。对于高风险场景（安全审计、金融合规），不能直接拿来就用。

2. 维护负担：预设库（69 个 prompt 预设、17 个命令预设）随着 Claude Code 版本迭代可能失效，需要持续维护。

3. 非生产部署工具：这不是一个 Web 服务或 Docker 容器，它是一套本地工具链。使用门槛是「已经安装并使用 Claude Code」，对不熟悉 CLI 的用户有一定障碍。

4. 创意同质化风险：当大量用户使用同一套 preset 生成 Skill 时，可能出现功能高度相似的「AI 工具农场」，差异化竞争力下降。

📈 行业意义：AI 编程工具的「工业化转型」信号

Claude Code Skills Factory 的出现，折射出一个更大的趋势：AI 编程工具正从「单点能力爆发」走向「工业化生产」。2025 年以前，大家关注的是「哪个模型做代码补全最强」；2025 年开始，焦点转向「如何系统化管理、复用和分发 AI 工具」。

802 颗星和 161 个 Fork 说明这个需求是真实存在的。随着 Claude Code 生态持续扩大，类似 Skills Factory 的工具链会越来越重要——它解决的不是「AI 能做什么」的问题，而是「团队如何高效管理 AI 能力」的问题。

对于 AI 爱好者来说，这是一套可以直接提升日常工作效率的工具包；对于 AI 开发者来说，它的架构设计（模板 + 工厂 + 引导式问答）本身就是一个值得参考的工程范式。