---
url: /fastapi_best_architecture_docs/blog/claude-ai-ecosystem.md
---
Claude 的“智能体”（agentic）功能越来越强大，随着 **Skills**（技能）的推出，用户开始关注其生态系统中各个组件的角色与协作方式

## Projects（项目）

付费计划专属的自包含工作空间，拥有独立聊天历史、200K 上下文窗口和知识库

### 工作机制

* 可上传文档作为知识库，Claude 在项目内所有对话均可访问
* 接近上限时自动启用 RAG（检索增强生成），有效扩展上下文
* 支持自定义项目指令，适用于所有子对话

### 适用场景

* 需要持久背景知识的项目（如产品发布、研究专题）
* 团队协作（共享知识库）
* 为特定领域设定统一语气、视角或方法

**示例**：创建一个“Q4 产品发布”项目，上传相关文档，设置指令“从产品策略角度分析竞争对手，提出差异化建议”。所有后续对话自动遵循

## Skills（技能）

Skills 是一个“文件夹”，包含指令、脚本和资源文件。Claude 在处理任务时会动态扫描并加载相关 Skills

### 工作机制

* 采用渐进披露设计：先加载元数据（约 100 tokens）判断相关性，再加载完整指令（通常 < 5k tokens），脚本或文件仅在必要时加载。
* 这避免了上下文窗口被无关内容占满

### 适用场景

* 需要持久、一致的专业能力时
* 公司品牌指南、合规流程、领域专家知识（如 Excel 高级操作、PDF 处理）
* 个人偏好（如编码风格、笔记系统）

**优势**：可复用、可移植，多个对话或子智能体都能共享

**示例**：创建一个“品牌指南”Skill，包含颜色、字体、布局规范。此后所有生成内容自动遵守标准，无需重复说明

## MCP（Model Context Protocol）

一种开放标准协议，用于将 Claude 连接到外部工具和数据源（如 Google Drive、GitHub、数据库、CRM）

### 作用

* 提供持久的外部数据访问，而非每次手动上传
* 类比互联网时代的 HTTP/API，是 AI 时代的“连接器”

**与 Skills 的关系**：

* MCP 负责连接与数据获取（原子能力）
* Skills 负责处理逻辑与流程（SOP 化指导）
  两者互补：MCP 提供工具，Skills 指导如何使用

**适用场景**：需要频繁访问外部系统或集成企业工具时

## Subagents（子智能体）

拥有独立上下文、系统提示和工具权限的专用助手。主要在 Claude Code 或 Agent SDK 中使用

### 适用场景

* 任务专业化（如代码审查、测试生成）
* 隔离复杂子任务，保持主对话简洁
* 并行处理或限制工具权限（例如只读不写，提高安全性）

**与 Skills 的区别**：

* Subagents 更像“专属员工”，适合特定工作流
* Skills 更像“通用教材”，适合跨对话共享专业知识

## Prompts（提示词）

对话中直接输入的自然语言指令，短暂且对话式

### 适用场景

* 一次性任务（如总结文章）
* 实时调整（如“语气更专业”）
* 临时上下文或格式要求

**特点**：不跨会话持久化。如果同一类指令频繁重复，建议升级为 Skill 或 Project 指令

## 各组件如何协同

* **Project** 提供持久上下文和知识库
* **Skills** 注入可复用的专业知识和处理规范
* **MCP** 连接外部实时数据源
* **Subagents** 分担专业子任务
* **Prompts** 用于实时微调

### 实际案例

《构建竞争情报智能体》

* 创建 **Project**，上传历史报告，设置统一分析指令
* 创建 “竞争分析” **Skill**，定义文档检索策略和输出模板
* 通过 **MCP** 连接 Google Drive 和 Web 搜索
* 设置两个 **Subagents**：市场研究员（趋势分析）和技术分析师（产品对比）
* 用户只需一个 **Prompt** 启动：“分析前三大竞争对手的 AI 功能，找出突破机会”

**结果**：Claude 自动协调多源数据、专业方法、子任务分工，输出结构化、高质量报告

## 总结建议

* 持久项目上下文 → 用 **Projects**
* 重复性专业知识 → 封装为 **Skills**（最高复用性）
* 外部工具集成 → 用 **MCP**
* 任务隔离与并行 → 用 **Subagents**
* 临时调整 → 用 **Prompts**

合理组合这些模块，能大幅提升 Claude 在个人效率、企业流程、复杂代理工作流中的表现。未来随着生态成熟，更多标准化工具与 Skills
将进一步简化智能体构建