Ti è mai capitato di sentire che i nuovi termini nel campo dell'IA si aggiornano più velocemente dei modelli di telefono?
Ieri hai appena capito "Function Calling", oggi spunta "Skills". L'altro ieri qualcuno menzionava "MCP", e prima che tu potessi reagire, un altro parlava di "Agents". Ogni volta che vedi queste parole, il tuo primo pensiero è: Sono già di nuovo indietro?
Niente panico. Oggi analizzeremo bene "Claude Skills".
Ancora più importante, ti spiegherò come si collega a concetti che già conosci: funzioni e function calling. Scoprirai che non sono tre termini isolati, ma passaggi costruiti uno sull'altro. Una volta compresi questi tre livelli, sarai in grado di capire dove si colloca qualsiasi nuovo termine.
Il punto di partenza
Partiamo da qualcosa di familiare: le "funzioni" nella programmazione.
Puoi pensare a una funzione come a un "piccolo assistente". Gli dici cosa fare (gli dai un input), e lui ti dice il risultato dopo aver finito (ti dà un output). Come un cameriere in un ristorante: ordini, lui serve, seguendo un procedimento fisso ogni volta.
Ad esempio, un programmatore scrive una funzione chiamata calculate_tax(income). Inserisci l'importo del reddito e lei calcola le tasse dovute. Devi ricalcolarlo? Basta chiamarla di nuovo. Nessun bisogno di riscrivere la logica fiscale ogni volta.
Il valore di una funzione si riassume in tre parole: incapsulamento, riutilizzo e standardizzazione.
Impacchetta un compito in modo che chiunque possa usarlo allo stesso modo ogni volta. Questo è stato lo strumento di produttività più basilare per i programmatori per decenni.
Ma le funzioni hanno un limite: vivono solo nel mondo del codice.
Un programmatore scrive getWeather() nel codice, e verrà eseguito al 100%. Ma le persone comuni non scrivono codice, e l'IA non "esegue" direttamente questo codice. Quindi, come possiamo far sì che l'IA usi questi "piccoli assistenti"?
Il ponte
Intorno al 2023, il concetto di "Function Calling" è diventato popolare.
Puoi pensarlo come dare a quell'IA "che chatta solo" un telefono e una rubrica.
Prima, se chiedevi a un'IA "Che tempo fa a Pechino oggi?", indovinava dai dati di addestramento o rispondeva onestamente "Non lo so" perché non aveva "mani o piedi" per controllare davvero.
Con il function calling, le cose sono cambiate.
Gli sviluppatori dicono in anticipo all'IA: "Ecco una rubrica con una funzione chiamata get_weather. Chiama questo numero se vuoi controllare il tempo." Quando l'IA riceve la domanda, giudica: "Oh, devo chiamare get_weather per rispondere."
Poi genera un "promemoria" standard (chiamato JSON) che dice:
{ "function": "get_weather", "arguments": { "city": "Beijing" } }
Questo promemoria viene ricevuto, analizzato ed eseguito da un programma esterno. Il programma esterno è ciò che effettivamente chiama la stazione meteorologica. Il risultato viene restituito all'IA, che poi ti dice in linguaggio semplice: "Oggi a Pechino c'è sole, 15 gradi."
C'è un punto di svolta chiave qui che i principianti spesso trascurano.
Le funzioni tradizionali sono "deterministiche": se un programmatore scrive getWeather(), verrà eseguito.
Ma il function calling delle LLM è "probabilistico": l'IA deve giudicare da sola se chiamare la funzione. Questo giudizio si basa sulla comprensione, non su regole. C'è una piccola possibilità che possa interpretare male la richiesta.
Quindi, l'essenza del function calling è: lasciare che l'IA "faccia telefonate", ma decide lei se chiamare e chi chiamare.
Questo è un enorme balzo in avanti: l'IA non è più solo una "base di conoscenza"; diventa un "attore".
Ma il function calling ha ancora un problema: è frammentato e una tantum.
Se un compito richiede di chiamare cinque o sei funzioni in sequenza con giudizi logici e riferimenti a documenti, il semplice function calling non basta.
Il salto
Il 16 ottobre 2025, Anthropic ha rilasciato una nuova funzionalità: Claude Skills.
Puoi pensare a Skills come a una combinazione di un "manuale del dipendente" e una "cassetta degli attrezzi".
Il manuale dice all'IA: "Quando incontri questo tipo di compito, ecco come procedere, passo dopo passo, e quali strumenti usare in ogni passaggio." La cassetta degli attrezzi contiene gli script e i materiali di riferimento di cui ha bisogno.
Nello specifico, una Skill è una cartella che contiene tre cose:
Primo, il file SKILL.md. Sono "istruzioni" scritte in linguaggio naturale. Dice all'IA a cosa serve la Skill, quando usarla e tutte le precauzioni.
Secondo, script. Possono essere codice scritto in Python, JavaScript, ecc. Quando l'IA ha bisogno di "sporcarsi le mani", esegue questi script.
Terzo, file di risorse. Come documenti di riferimento, modelli o file di configurazione che l'IA può consultare durante l'esecuzione del compito.
Potresti chiedere: Qual è la differenza fondamentale rispetto al function calling?
La differenza è: Il function calling è un "singolo strumento", mentre Skills sono una "soluzione completa".
Il function calling è come darti un martello e un cacciavite; devi sapere quando usare quale. Skills sono come darti un manuale di montaggio IKEA che include tutti i passaggi, gli strumenti e le parti.
C'è anche un importante meccanismo chiamato "divulgazione progressiva".
La "memoria di lavoro" (finestra di contesto) dell'IA è limitata. Se stipi tutte le Skills in una volta, l'IA si confonde. Skills permettono all'IA di sapere che il manuale esiste e di "sfogliare la pagina" solo quando ne ha effettivamente bisogno.
Ora, osserviamo insieme i tre livelli:
Dal basso verso l'alto, il livello di astrazione aumenta. Le funzioni sono a livello di codice, il function calling a livello di interfaccia e Skills a livello di flusso di lavoro.
Le Skills possono contenere chiamate a funzioni, ma il function calling è solo una parte delle Skills.
Applicazione pratica
Cosa possono fare effettivamente le Skills? Diamo un'occhiata ad alcuni casi reali.
Primo, il mio progetto: x-article-publisher-skill.
Se scrivi in Markdown e vuoi pubblicare su X (Twitter) Articoli, scoprirai che copiare e incollare perde tutta la formattazione. Devi correggere manualmente intestazioni, grassetti e link, il che richiede 15-20 minuti per articolo.
Le immagini sono ancora peggio. Devi caricarli manualmente e trascinarli nella posizione corretta. Questa Skill risolve il problema.
Analizza il tuo Markdown, estrae il titolo e la copertina, e calcola un "indice di blocco" per ogni immagine. Poi converte il Markdown in HTML rich text per un incollaggio perfetto e usa l'automazione del browser (Playwright) per inserire ogni immagine nella posizione corretta automaticamente.
Quello che richiedeva 30 minuti manualmente ora richiede pochi minuti completamente in automatico. Per i pigri, non dover muovere un dito è il vero valore.
Potresti dire: Non è solo uno script di automazione?
Sì e no. Un script richiede che tu ricordi come eseguirlo. Una Skill include quelle istruzioni. Basta dire all'IA "Pubblica questo su X", e lei sa quale Skill usare e come operarla.
Questo è il valore della "codifica della conoscenza": trasformare "So come si fa" in "Anche l'IA sa come si fa".
Altri scenari includono:
Gestione riunioni: Una Skill che estrae riepiloghi e azioni da trascrizioni e abbozza email di follow-up.
Analisi dati: Carica un CSV, e identifica metriche chiave e genera un report con grafici.
Supporto clienti: Recupera risposte da una knowledge base e le organizza in una risposta simile a quella umana.
Infine, strumenti per sviluppatori.
C'è una Skill chiamata skill-creator: una Skill per creare Skills. Descrivi il flusso di lavoro, e lei genera la struttura del progetto per te.
Per iniziare
Per utilizzare Skills esistenti, il modo più semplice è attraverso il marketplace dei plugin di Claude Code.
Puoi aggiungere altri marketplace usando /plugin marketplace add anthropics/claude-code.
Una volta installato, puoi gestirle con il comando /plugin.
Per crearne una tua, usa la meta-skill skill-creator. Puoi persino creare Skills che analizzano materiali e disegnano diagrammi, come questa mappa delle relazioni dei personaggi del Sogno della camera rossa:
O le interazioni dei Sette Regni Combattenti:
Puoi persino collegare Claude Skills a strumenti esterni come NotebookLM per combinare un potente recupero di informazioni con la tua creatività.
Dai un'occhiata a awesome-claude-skills su GitHub per una lista comunitaria di Skills eccellenti.
Personalmente raccomando il marketplace 42plugin del team di Yang Zhiping, che include valutazioni per aiutarti a evitare plugin di bassa qualità.
Il punto più importante: Creare una Skill non richiede necessariamente la programmazione.
Le istruzioni in SKILL.md sono in linguaggio naturale. Se il tuo flusso di lavoro non necessita di script complessi, il solo linguaggio naturale può ottenere molto.
Riepilogo
- Le funzioni sono la base (livello di codice).
- Il Function Calling è il ponte (livello di interfaccia).
- Claude Skills sono il progetto (livello di flusso di lavoro).
Come dicono gli analisti di Gartner, l'attenzione si sta spostando dagli "aggiornamenti dei modelli" all'"implementazione dei casi d'uso". Le Skills trasformano l'IA da "risponditore" a "collaboratore".
La prossima volta che senti un nuovo termine sull'IA, chiediti: A quale livello appartiene? Pensare in questo modo rende i nuovi termini molto meno intimidatori.
Hai già provato Claude Skills? Sentiti libero di condividere i tuoi flussi di lavoro nei commenti!
