Skill用得好，下班走得早：一文讲透Skill的结构与设计

这篇文章带你搞懂 Skill 是什么、怎么用、怎么设计。全是干货，看完你也能自己写 Skill。

---

别再每次都手动敲指令了

你有没有这种经历：每个月都要汇总一遍客户反馈。打开 Claude Code，打一串差不多的指令，等结果，发现忘了指定输出格式，又改一下，勉强能用。下个月再来一次，又不记得上次怎么写的了，花20分钟重新试出正确的指令，输出跟上个月还不一样，想对比都没法比。

这就是提示词跑步机效应——反复做同样的事，但每次都在重复劳动，没有积累。

Skill 就是来解决这个问题的。 Skill 就像一个写好的"作业模板"。你只需要把模板做好，之后喊一声"跑一下"，它就会按你定的流程自动干活。

那建一个 Skill 到底值不值？ 算笔账就清楚了：

• 第一次建 Skill 大概要 30-60 分钟

• 之后每次用只要 5-10 分钟

• 用 2 次就开始赚了，用 5 次能省将近 2 小时，用 10 次能省近 5 小时

---

Skill 到底是什么？

说白了，Skill 就是一个 Markdown 文件，里面写着"遇到这种情况该怎么做"。Claude Code 读了就会按你说的办。

Skill 放在两个地方：

• 项目级

  ：.claude/skills/（跟代码放一起，团队都能用）

• 个人级

  ：~/.claude/skills/（存在你自己的电脑上，所有项目都能用）

Skill 和提示词有啥区别？

对比方面	临时提示词	Skill
用完还在不在？	会话结束就没了	存在文件里
下次还能用吗？	靠脑子回忆	喊名字就行
每次结果一样吗？	每次不一样	流程固定
能分享给别人吗？	复制粘贴发给对方	Git 提交就行了
能改进吗？	丢了就找不到了	有版本记录

Skill 的文件长啥样

每个 Skill 就是一个文件夹，里面至少有一个 SKILL.md 文件：

 .claude/skills/
├── feedback-synthesis/
│   └── SKILL.md
├── release-notes/
│   ├── SKILL.md
│   └── resources/
│       └── customer-voice-guide.md
└── prd-audit/
    ├── SKILL.md
    └── resources/
        └── prd-checklist.md 

Skill 怎么用？

两种方式：

1. 自动发现

   ：你说"帮我汇总这些反馈"，Claude Code 自动匹配到对应的 Skill。

2. 斜杠命令

   ：直接输入 /feedback-synthesis，强制运行。

⚠️ 要注意：Skill 的描述里要写用户平时会说的话。写"分析客户情感数据"不如写"汇总客户反馈、NPS调查、支持工单"——因为大家平时说的是"帮我汇总一下反馈"，而不是"分析一下情感数据"。

---

Skill 里面都有什么？

一个 Skill 文件夹可以放这些文件：

SKILL.md 是主文件

里面最重要的部分叫 YAML 头信息，用 --- 包起来，告诉 Claude Code 这个 Skill 是干什么用的。

最简单的例子：

 ---
name: standup-notes
description: 根据昨天的 Git 提交生成晨会记录。当用户提及晨会、每日更新或我昨天做了什么时使用。
--- 

YAML 头后面就是正文，用 Markdown 格式写，告诉 Claude Code 具体怎么做：

 # 晨会记录

## 目的
根据最近的提交生成格式化的晨会记录。

## 输入
- 包含提交历史的 Git 仓库

## 流程
1. 读取过去 24 小时的提交
2. 按类型分组（功能、修复、重构）
3. 以第一人称、过去时态撰写

## 输出
将晨会记录打印到终端。不要创建文件。 

参考文件（resources/）

如果你的 Skill 比较复杂，可以把一些固定内容放到单独的文件里，这样 SKILL.md 保持清爽：

 feedback-synthesis/
├── SKILL.md
└── resources/
    ├── category-definitions.md        # 分类标准
    ├── output-template.md              # 输出格式模板
    └── quality-rubric.md               # 质量评分标准 

参考文件分为几种：

• 类别定义

  ：分类标准写在单独文件里，不用堆在 SKILL.md 中

• 输出模板

  ：输出的格式模板

• 质量评分标准

  ：怎么判断输出好不好

• 风格指南

  ：用什么样的语气和措辞

在 SKILL.md 里引用它们："使用 resources/category-definitions.md 中的定义对反馈进行分类。"

输出模板怎么写

如果 Skill 要生成文档，最好提前定好输出长什么样：

 ## 输出格式

生成文件：`reports/feedback-synthesis-[date].md`

遵循以下结构：

# 反馈综合报告：[日期范围]

## 执行摘要

[3-5 个关键发现的要点]

## 主题分析

### 主题 1：[名称]

- **出现频率：** [计数] 次提及（[百分比]%）
- **情感倾向：** [正面/负面/混合]
- **代表性引述：**
  - "[引述 1]"
  - "[引述 2]"
- **影响分析：** [这对产品意味着什么]

[为每个主题重复此结构]

## 建议

[按优先级排序的建议行动列表]

## 方法论

[数据来源和分析方法的简要说明] 

脚本（scripts/）

有些复杂操作可以放脚本文件：

 release-notes/
├── SKILL.md
└── scripts/
    └── fetch-jira-tickets.py 

不过对大部分人来说，脚本不是必需的。只有在需要调用外部 API、处理超大数据集、或者转换数据格式时才会用到。

完整的 Skill 目录长这样

 skill-name/
├── SKILL.md               # 必需：核心指令
├── resources/              # 可选：参考文档
│   ├── template.md
│   └── rubric.md
├── scripts/                # 可选：辅助脚本
│   └── helper.py
└── examples/               # 可选：示例输入/输出
    ├── sample-input.csv
    └── expected-output.md 

examples/ 文件夹可以放一些示例，方便其他人理解这个 Skill 是干什么的。

---

SKILL.md 文件怎么写？（手把手教程）

第一步：写 YAML 头

 ---
name: feedback-synthesis
description: 将客户反馈综合为主题报告。当用户提及反馈分析、NPS 综合、支持工单主题或客户情感时自动调用。
--- 

两个必填字段：

• name

  ：唯一的名字，小写字母加连字符。之后用 /feedback-synthesis 就能调用它。

• description

  ：描述文字，不仅要让人看懂，还要让 Claude Code 能自动匹配到。要写用户平时会说的话。

第二步：写正文

正文需要包含几个关键部分：

1. 目的说明

用一两句话说清楚这个 Skill 有什么用。先说好处，再说怎么做：

 ## 目的

将原始客户反馈转化为可操作的洞察报告，供产品团队用于优先级决策。 

重点是告诉读者"你能得到什么"，而不是"内部怎么运作的"。

2. 输入要求

说清楚用户需要提供什么：

 ## 预期输入

- **必填：** 包含客户反馈的 CSV 或文本文件（每行一条反馈）
- **可选：** 用于筛选的日期范围（默认为最近 30 天）
- 支持格式：CSV、JSON、纯文本文件
- 最低要求：至少 10 条反馈条目以确保有意义分析 

写得越具体越好。"CSV 文件"太模糊了，要说"包含反馈文本且列名为 feedback 的 CSV"。

3. 执行步骤

按顺序写出 Claude Code 要干什么：

 ## 流程

1. **读取并验证输入文件** 
   - 确认文件存在且格式符合预期 
   - 识别反馈列
   - 报告记录数量
2. **识别主题** 
   - 阅读所有反馈条目 
   - 按常见话题分组 
   - 如需严格分类，使用 resources/categories.md 中的类别定义
3. **分析每个主题** 
   - 统计出现频率 
   - 评估情感倾向（正面、负面、混合） 
   - 提取代表性引述（逐字原文）
4. **生成报告** 
   - 遵循 resources/output-template.md 中的模板 
   - 包含执行摘要、主题分析和建议 
   - 保存至 reports/feedback-synthesis-[日期].md
5. **质量检查** 
   - 验证所有主题都有支持性引述 
   - 确认百分比总和约为 100% 
   - 检查建议是否具有可操作性 

注意要用"读取文件"这种命令式的语气，不要用"文件应被读取"这种被动句。

4. 输出格式

规定生成的文件长什么样：

 ## 输出格式

生成文件：reports/feedback-synthesis-YYYY-MM-DD.md

结构：
- 执行摘要（3-5 条要点）
- 主题分析（每个主题一个章节，包含频率、情感、引述、影响）
- 建议（按优先级排序的列表）
- 方法论（简要说明） 

5. 质量标准

让 Claude Code 在完成前自我检查：

 ## 质量标准

- 每个主题至少包含 2 条支持性引述
- 引述为源数据逐字原文，非转述
- 情感评估需解释推理过程
- 建议需与特定主题相关联
- 文件成功保存至指定路径 

6. 可选部分

还可以加上调用示例、边缘情况和相关 Skill：

调用示例：

 ## 使用示例

- 标准版："对 data/customer-feedback-q4.csv 运行反馈综合"
- 带日期范围："仅针对11月的 feedback.csv 运行反馈综合"
- 快速版："运行反馈综合，只需给我前三大主题" 

边缘情况：

 ## 边缘情况

- **数据稀疏（少于10条）：** 生成报告时附带样本量有限的说明
- **格式混杂：** 若反馈列不明确，请用户指定
- **反馈条目过长：** 对超过500字的单条条目进行摘要
- **非英文内容：** 注明语言后继续处理；不尝试翻译 

相关Skill：

 ## 相关Skill

- prd-audit：利用反馈综合的洞察来审核PRD的完整性
- user-story-expander：将反馈主题转化为用户故事 

完整的 Skill 示例

把上面所有东西拼起来，就是一个完整的 SKILL.md 文件（大概 600 字）：

 ---
name: feedback-synthesis
description: 将客户反馈综合成带有可操作洞察的主题报告。当用户提及反馈分析、NPS综合、支持工单主题、客户情绪或客户之声时自动调用。
--- 

 # 反馈综合

## 目的
将原始客户反馈转化为可操作的洞察报告，供产品团队用于优先级决策。

## 预期输入
- **必需：** 包含客户反馈的文件（CSV、JSON或纯文本）
- **可选：** 日期范围、特定关注领域
- 至少10条反馈条目才能进行有意义的分析
- 支持来自以下渠道的反馈：支持工单、NPS调查、用户访谈、应用商店评论

## 流程
1. **读取并验证输入**
   - 确认文件存在且可读
   - 识别反馈内容
2. **识别主题**
   - 按常见话题对反馈进行分组
   - 目标为4-8个主题
3. **分析每个主题**
   - 统计频率
   - 计算百分比
   - 评估情绪
   - 提取2-3条代表性引述
4. **综合发现**
   - 撰写执行摘要
   - 按频率和业务影响排序
   - 生成可操作的建议
5. **生成报告**
   - 保存至 reports/feedback-synthesis-YYYY-MM-DD.md
6. **质量检查**
   - 验证所有主题均有支持性引述

## 输出格式
生成文件：reports/feedback-synthesis-YYYY-MM-DD.md

## 质量标准
- 每个主题至少有2条逐字引述支持
- 引述为来源原文，非转述
- 百分比总和约等于100%
- 建议足够具体，具有可操作性

## 边缘情况
- **数据稀疏（少于10条）：** 继续处理，但附带样本有限的说明
- **反馈列不明确：** 请用户指定哪一列包含反馈
- **条目过长（超过500字）：** 在分类前先进行摘要

## 使用示例
- "对 data/q4-feedback.csv 运行反馈综合"
- "综合 surveys/november.json 中的NPS回复" 

---

五种常用的 Skill 设计模式

1. 转换模式：整理数据

适用场景： 手上有一堆乱七八糟的数据，需要整理成规整的报告。

例子： 客户反馈 → 主题报告 / 访谈记录 → 洞察摘要 / Git提交 → 发布说明 / 会议记录 → 行动项

流程：

 ## 流程
1. 读取并验证输入数据
2. 应用转换逻辑（分类、摘要、重构）
3. 生成结构化输出
4. 对照标准进行质量检查 

2. 调查模式：回答问题

适用场景： 需要查资料回答一个具体问题，还要提供证据。

例子： "为什么转化率下降了？" → 根因分析 / "这个功能怎么工作的？" → 带文件引用的解释

流程：

 ## 流程
1. 理解问题
2. 确定相关数据源
3. 分析数据源以获取答案
4. 整理证据（引用、参考、数据点）
5. 综合答案与支持证据 

⚠️ 调查模式和转换模式的区别：调查模式的输出结构不固定，取决于找到了什么。

3. 生成模式：按需创建

适用场景： 你给参数，Skill 自动生成文档。

例子： 功能描述 → 用户故事 / 冲刺目标 → 状态报告 / 产品领域 → 竞品分析

流程：

 ## 流程
1. 接收参数（功能名称、日期范围、关注领域）
2. 收集上下文（来自代码库、模板、参考文档）
3. 按照模板生成产物
4. 根据质量标准进行验证 

4. 同步模式：拉取外部数据

适用场景： 从外部系统拉数据，更新本地文档。

例子： Jira → PRD 章节 / 分析仪表板 → 每周指标 / 竞品网站 → 竞争概况

流程：

 ## 流程
1. 连接外部源（通过 MCP 或导出）
2. 提取相关数据
3. 转换为本地格式
4. 创建或更新本地产物
5. 记录同步时间戳 

5. 审计模式：检查质量

适用场景： 拿现有文档对照标准检查，找出问题。

例子： PRD → 完整性检查 / 用户故事 → 质量评估 / 文档 → 代码准确性验证

流程：

 ## 流程
1. 读取待审计的产物
2. 加载评估标准（来自参考文件）
3. 针对每条标准评估产物
4. 整理发现（通过项、未通过项、缺失项）
5. 生成改进建议 

怎么选？

问题	用什么模式
有数据需要整理？	→ 转换
要回答一个问题？	→ 调查
要按规格创建东西？	→ 生成
要拉外部数据到本地？	→ 同步
要检查现有的东西？	→ 审计

有些任务会同时用到多种模式，先从主要的入手，再扩展。

---

怎么让 Skill 每次都输出一致？

Skill 应该做到：同样的输入，差不多的输出。 虽然不能 100% 一样（AI 本身就有随机性），但可以通过设计让结果尽可能稳定。

为什么一致性很重要？

• 季度报告要能跟上一季度对比

• PRD 审核每次都要查同样的项目

• 发布说明格式要统一

技巧1：把输出格式写死

不要说"生成一份报告"，要说"按这个顺序生成这些章节"。

 ## 输出格式

按此顺序生成以下确切章节：
1. 执行摘要（3-5个要点）
2. 主题分析（每个主题一个子章节）
3. 建议（编号列表，最多5项）
4. 方法论（一个段落） 

技巧2：用参考文件定标准

把分类标准写到单独的文件里，SKILL.md 只负责引用。

 ## 流程
使用 resources/category-definitions.md 中定义的确切类别对反馈进行分类。不要创建新类别。 

技巧3：写明确的质量标准

 ## 质量标准
- 执行摘要包含恰好3-5个要点
- 每个主题章节包含频率计数和百分比
- 所有引文均来自源数据的逐字记录
- 建议按名称引用特定主题 

技巧4：规定模糊情况的处理方法

 ## 边缘情况
- 如果一条反馈可归入多个主题，则归入最具体的主题
- 如果情感倾向不明确，则标记为"混合"而非猜测
- 如果条目过短无法分类（少于10个词），则计入但不引用 

怎么测试 Skill 稳不稳定？

提交之前，同一份数据跑两遍对比：

1. 对样本数据跑一次 Skill → 保存结果

2. 清除会话（/clear）

3. 对同一份数据再跑一次

4. 比较两次结果

不用追求完美一样，结构相同、主题相似就行。 具体用词会有变化，但关键内容应该稳定。

如果两次结果差很多，说明 Skill 写得不够细，加更明确的格式或质量标准。

Skill 也要做版本管理

Skill 也是文件，要像代码一样管版本：

• 提交时写清楚改了啥

• 合并前审查变更

• 如果很多人用，标注版本号

• 记录重大变更

• 更新时考虑会不会影响其他人

---

把多个 Skill 组合起来用

不用一个 Skill 干所有事，可以拆成多个小的，然后拼在一起用。

原子Skill vs 复合工作流

• 原子Skill

  ：只做一件事（汇总反馈、生成发布说明、审核 PRD）

• 复合工作流

  ：把多个原子Skill串起来完成更大目标

例子：季度产品评审

在一个 Skill 里调用另一个

 ## 流程
1. 对提供的反馈文件运行 feedback-synthesis
2. 对提供的分析导出数据运行 metrics-summary
3. 综合两份报告的结果，形成季度总结
4. 生成季度评审文档 

什么时候分开，什么时候合在一起？

适合拆开	适合合在一起
每个小Skill可以单独用	工作流本身就是一个整体，没有中间结果
工作流有自然的停顿点	拆开反而增加麻烦
不同人可能跑不同部分	Skill 很简单，拆开是过度设计

大多数情况下拆开更好。 先建小的原子Skill，等用熟了再组合。

---

总结

读完这篇文章，你学到了：

• Skill 结构

  ：SKILL.md 文件（YAML 头 + Markdown 指令）、参考文件、辅助脚本、目录组织

• 五种设计模式

  ：转换、调查、生成、同步、审计

• 提高一致性的技巧

  ：明确输出格式、用参考文件定标准、写质量标准、规定模糊情况

• Skill 组合

  ：先建小的，再拼成大的

现在你可以动手建自己的第一个 Skill 了！