我觉得最重要的是清晰的任务目标和用户场景。要让 AI 知道 Skill 是用来解决什么问题的，以及会在什么情况下使用。比如，如果我们要开发一个“翻译 Skill”，就要告诉 AI 目标用户是谁（例如，需要翻译技术文档的工程师），翻译的内容是什么（例如，英文技术文档），以及对翻译质量有什么要求（例如，专业术语的准确性）。
“用 Claude 训练 Claude”的优势在于可以充分利用 AI 的自我学习能力，快速迭代和优化 Skill。但局限性也很明显，如果 Claude A (架构师) 编写的 Skill 文档存在偏差，那么 Claude B (测试员) 就会学到错误的知识。因此，要确保 Claude A 提供的上下文和模式是准确的。而且人类的参与也很重要，要对 Claude B 的输出进行审核和修正。
同意楼上的看法，Skill 偏重于“怎么做”，MCP 偏重于“有什么”。Rule 则像是教练，告诉 Agent 什么时候用 Skill，什么时候用 MCP。我之前遇到过一个场景，需要让 Claude 自动生成周报。一开始我试图用一个 Skill 包含所有步骤，结果发现太复杂了。后来我把任务拆解成几个小的 Skill（例如，收集数据、分析趋势、撰写总结），然后用 Rule 协调它们的工作，效果好多了。
但我觉得三者之间的界限，还是在于设计者的定位，如果站在Agent的角度，他们都是工具，如果站在设计者的角度，需要通盘考虑。