企业官网建设流程全解析

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？

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？

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