企业官网建设流程全解析

前言

开会之后整理文字稿、每天从多个网站筛选 AI 新闻，这两类任务看起来不同，实际却有相同的问题：执行步骤固定、重复频率高、输出格式明确，但每次输入都会变化。

如果每次都临时写一段 Prompt，AI 当然也能完成任务。不过，Prompt 会散落在不同对话里，规则容易遗漏，输出格式也可能随着表达方式变化。更适合长期使用的方法，是把已经验证过的工作流程固化为Skill，让 Claude 在识别到对应需求后，自动加载并执行这套规则。

这次实践完成了两条工作流：

• 将会议转写文本整理为结构化会议纪要
• 抓取并筛选 AI 资讯，最终生成可直接打开的 HTML 日报

其中，skill-creator来自 Anthropic 官方 Skills 仓库。本文只介绍它的拉取与使用过程，不展开分析其内部实现。随后创建的meeting-minutes和tian-ai-daily，都是在 Claude 中调用skill-creator，通过自然语言需求生成的 Skill。

1. 为什么要把 Prompt 固化为 Skill

1.1 一次性 Prompt 的局限

普通 Prompt 更像一次任务说明。以会议纪要为例，我们不仅要告诉 AI “总结这场会议”，还希望它先清理停顿词和重复表达，再按会议信息、会议目标、讨论主题和行动项组织内容，遇到不确定信息时还不能自行补全。

当规则逐渐变多后，每次重新输入会出现三个问题：

• 容易遗漏某一步，例如忘记要求提取负责人和截止时间
• 相同任务的输出结构不稳定，不方便归档和继续处理
• Prompt 只存在于某次对话中，难以复用、维护和迭代

Skill 的价值，就是把这些稳定规则从一次对话中抽离出来，变成项目内可复用的能力。

Skill 是一组可被模型按需加载的任务说明与配套资源。它把“什么时候使用、按照什么流程执行、最终输出什么”固化在项目中。

1.2 Prompt、Skill 与最终产物的关系

这四层不能混在一起。Prompt 用来创建或调用能力，Skill 用来固化能力，输入文件提供本次任务的数据，最终文件才是实际交付物。

2. 项目目录与文件职责

本次实践的核心目录如下：

meeting/ ├── .claude/ │ └── skills/ │ ├── skill-creator/ # 从 Anthropic 官方仓库拉取 │ ├── meeting-minutes/ │ │ └── SKILL.md # 第一段 Prompt 创建的会议纪要 Skill │ └── tian-ai-daily/ │ ├── SKILL.md # 第二段 Prompt 创建的 AI 日报 Skill │ └── assets/ │ └── template.html # 日报页面模板 └── moss_ai_daily.html # AI 日报 Skill 生成的页面 meeting_content.txt # 导入的会议转写文本

这里有一个容易混淆的命名细节：第二个 Skill 的实际名称是tian-ai-daily，它生成的文件则叫作moss_ai_daily.html。前者是能力名称，后者是输出产物名称。

meeting_content.txt是导入的会议文字稿，包含多位发言人的连续转写内容。它是meeting-minutes的输入材料，不是 Skill 本身。当前资料中没有单独保存由它生成的会议纪要文件，因此本文只说明输入与处理链路，不虚构一份不存在的输出。

3. 在 Claude 项目中拉取 Skill Creator

3.1 拉取前先理解 GitHub 链接

skill-creator的来源是 Anthropic 官方仓库中的子目录：

https://github.com/anthropics/skills/tree/main/skills/skill-creator

这个地址是 GitHub 的目录浏览页，不是一个可以直接执行git clone的独立仓库地址。真正的仓库地址是：

https://github.com/anthropics/skills.git

在 Claude 中可以直接说明来源和目标位置，让 Claude 帮助完成拉取，例如：

请将下面仓库中的 skill-creator 拉取到当前项目的 .claude/skills/skill-creator 目录： https://github.com/anthropics/skills/tree/main/skills/skill-creator

关键不是让 Claude 记住某个网页，而是把两个约束说清楚：从哪里取，以及放到哪里。

3.2 只拉取目标子目录

如果希望自己在终端完成，也可以使用 Git 的稀疏检出，只获取仓库中的目标目录：

# 浅克隆仓库，并暂不检出全部目录gitclone--depth1--filter=blob:none--sparse\https://github.com/anthropics/skills.git anthropic-skillscdanthropic-skills# 只检出官方仓库中的 skill-creator 子目录gitsparse-checkoutsetskills/skill-creator# 将它放进 Claude 项目的 Skills 目录mkdir-p../.claude/skillscp-Rskills/skill-creator../.claude/skills/

完成后，通过下面的命令检查目标文件是否存在：

# SKILL.md 存在，说明 Claude 已经能发现这个 Skilltest-f../.claude/skills/skill-creator/SKILL.md&&echo"skill-creator ready"

到这里，拉取过程就完成了。后续只需要在 Claude 中提出“创建一个 Skill”的需求，并明确业务规则与保存位置即可。本文不继续展开skill-creator目录中的脚本、Agent 或评测实现。

4. 创建会议纪要 Skill

4.1 用原始 Prompt 描述业务流程

第一个 Skill 的目标，是把冗长、口语化的会议文字稿整理为结构化会议纪要。在 Claude 中调用skill-creator时，使用的 Prompt 为：

请帮我创建一个skill，这个skill用于生成会议纪要。根据用于提供的文字稿， 生成会议纪要，具体流程为：先通读全文，去除停顿词等与会议无关内容。 结构化输出：会议基本信息（时间，地点，人物），会议目标（目的/预算，背景信息） 会议内容（按主题划分，讨论了什么，观点是什么） 行动项（谁在何时需要做什么）不确定的内容请留空 请将技能创建在当前工作目录的/.claude/skills 文件夹中。

这段 Prompt 虽然不长，却提供了创建 Skill 最关键的四类信息：

4.2 生成后的 Skill 如何工作

Claude 最终在.claude/skills/meeting-minutes/下创建了SKILL.md。这个文件把原始需求扩展成了更完整的执行规范，包括触发描述、清理原则、结构化模板、行动项表格以及不确定信息的处理方式。

一个典型 Skill 的开头使用 YAML Front Matter 保存基础信息：

---name:meeting-minutesdescription:根据会议文字稿生成结构化会议纪要。当用户提供会议记录、 会议录音转写文本，或要求整理会议纪要、提取行动项时使用。---

其中，name是 Skill 的稳定标识；description不只是介绍文字，也是模型判断是否应该加载该 Skill 的重要依据。正文则保存真正的工作流程。

这套会议处理链路可以概括为：

meeting_content.txt ↓ 通读完整文字稿，理解会议上下文 ↓ 删除停顿词、重复表达和无关闲聊 ↓ 按讨论主题归并观点与结论 ↓ 提取负责人、任务和截止时间 ↓ 无法确认的信息留空 ↓ 输出结构化会议纪要

这里最重要的约束不是“总结得多漂亮”，而是信息必须可追溯到输入文本。会议时间、预算、负责人和截止日期都属于高风险字段，原文没有明确说明时就应留空。对会议纪要而言，少写一项通常比编造一项更可靠。

4.3 导入会议文字稿进行调用

meeting_content.txt是这次导入的原始会议转写文本。它保留了发言人编号、时间戳、重复表达和语音识别产生的不通顺内容，正好可以用于检验 Skill 是否真的执行了“先清洗、再结构化”的流程。

在 Claude 中调用时，不需要重新粘贴整套会议纪要规则，只需要提供文件并说明任务：

请读取 meeting_content.txt，并生成会议纪要。

Claude 根据文件类型和用户意图匹配meeting-minutes的description，加载SKILL.md中的流程，再对本次文本执行处理。这正是 Skill 相比一次性 Prompt 的价值：稳定规则只维护一次，后续调用只提供变化的输入。

5. 创建 moss 每日 AI 新闻概览 Skill

5.1 从功能清单生成第二个 Skill

第二个 Prompt 的目标更复杂，不仅要检索和摘要内容，还要生成一个带交互和样式的 HTML 页面：

帮我创建一个skill，下面是详细描述。 Skill名称：tian-ai-daily（moss每日 AI 新闻概览） 核心功能：为你精选每日最值得关注的AI行业资讯，让你用最少的时间掌握 最新的行业动态。 具体要求： 1. 收集近24小时内的AI领域重要新闻，覆盖权威AI科技媒体 （TechCrunch、The Verge、Hacker News）。 2. 智能过滤，只保留有价值的行业资讯。 3. 将抓取内容转化为中文精华版，每条提炼50-100字核心要点。 4. 智能标注关键词标签，方便快速定位感兴趣的内容。 5. 输出精美的可视化HTML页面，顶部显示“moss AI日报-[日期]”。 6. 使用卡片式设计，每条资讯一目了然，每张卡片可点击查看原文详情。

这一次，需求同时包含了数据源、时间范围、过滤标准、内容格式和页面形式。与会议纪要相比，它已经是一条小型内容生产流水线。

5.2 Skill、模板与页面产物

生成后的tian-ai-daily不只有一个SKILL.md，还包含assets/template.html。两者分工如下：

将模板单独放在assets中，比每次让模型从零生成整页 HTML 更稳定。页面骨架和样式可以持续复用，每次变化的只有日期、统计数字、标签以及新闻卡片数据。

模板中预留了类似下面的占位位置：

<!-- 日期、数量和新闻卡片由 Skill 在执行时写入 --><divclass="date-badge">DATE_PLACEHOLDER</div><divclass="stat-num">NEWS_COUNT_PLACEHOLDER</div><divclass="news-grid"><!-- NEWS_CARDS_PLACEHOLDER --></div>

实际生成的moss_ai_daily.html是一个独立文件，CSS、新闻卡片和筛选脚本都已经写入其中，不需要启动服务器即可在浏览器打开。当前页面产物包含日期、资讯统计、标签筛选、十张新闻卡片和原文链接，也体现了第二段 Prompt 中的主要要求。

5.3 AI 日报的完整执行过程

这个 Skill 的运行链路可以拆成六步：

与会议纪要不同，AI 日报依赖外部信息源，时效性和来源准确性必须在每次运行时重新验证。当前 HTML 产物中存在超出“近 24 小时”范围的时间标签，来源也比原 Prompt 指定的三类媒体更广。这并不影响页面作为生成结果展示，但说明 Skill 创建完成不等于业务规则已经永久正确，真实产物仍需要验收并继续迭代。

6. Skill 被触发和执行的底层逻辑

6.1 Claude 如何发现一个 Skill

项目级 Skill 放在.claude/skills/<skill-name>/下。Claude 首先读取可用 Skill 的基础信息，再根据当前请求判断是否需要加载某个 Skill。可以把这个过程理解为两阶段匹配：

• 发现阶段：通过name和description了解有哪些能力
• 执行阶段：命中用户意图后，读取SKILL.md正文及所需资源，按照流程完成任务

因此，description不能只写一句空泛的“这是一个很有用的 Skill”。它需要包含真实的输入类型和触发表达，例如“会议文字稿”“整理会议纪要”“提取行动项”或“AI 日报”“最近的 AI 行业动态”。描述越具体，模型越容易在正确的任务中触发它，同时避免在无关请求中误用。

6.2 为什么资源文件要与规则分离

会议纪要主要输出 Markdown，使用一个SKILL.md就足以表达模板。AI 日报还需要稳定的视觉布局，因此增加了assets/template.html。

这体现了一条实用原则：

规则写进SKILL.md，可复用且较长的模板、素材或脚本放进独立目录，运行结果输出到 Skill 目录之外。

这样设计后，修改页面配色不必重写新闻筛选流程，调整资讯规则也不会破坏 HTML 骨架。规则、资源和产物各自拥有清晰边界，后续维护会简单很多。

7. 从创建到复用的完整方法

把两次实践放在一起，可以得到一套通用的 Skill 创建流程。

7.1 先识别值得固化的重复任务

并不是所有问题都需要 Skill。适合固化的任务通常具备以下特征：

• 会重复执行，只有输入数据发生变化
• 处理步骤相对稳定，而且顺序很重要
• 输出存在明确结构或文件格式
• 对准确性、边界条件或异常处理有固定要求

会议纪要和 AI 日报正好满足这些条件。

7.2 Prompt 要写清五个要素

向skill-creator描述需求时，建议至少写清以下内容：

如果任务包含高风险信息，还要写清禁止事项。例如会议纪要不能编造负责人，资讯日报必须保留原文链接。约束写得越明确，输出越容易验收。

7.3 用真实输入测试，而不是只看 SKILL.md

Skill 文件创建成功，只能说明目录和规则已经存在，不能证明实际效果符合预期。正确做法是准备真实输入并检查最终产物：

• 用meeting_content.txt检查口语清理、主题归并和行动项提取
• 用当天资讯检查 24 小时时间窗口、来源覆盖和去重逻辑
• 打开moss_ai_daily.html检查链接、移动端布局和标签筛选

验收时，应把“规则是否写了”和“结果是否做到”分开检查。日报 Skill 已经写明近 24 小时要求，但现有页面仍混入更早内容，这就是只有产物验收才能发现的问题。

7.4 根据偏差继续修改 Skill

当测试发现问题时，不要只在当前对话里临时纠正，而应把稳定的修正规则写回 Skill。例如，可以为日报增加以下约束：

发布时间无法确认的资讯不得进入“近24小时”列表； 如合格资讯不足8条，应明确显示“今日有效资讯不足”，不得用旧闻补足数量。

也可以为会议纪要补充验收要求：

每个行动项必须能在原始文字稿中定位到对应表述； 未明确负责人或截止时间时，对应单元格保持为空。

这一步把一次测试中的经验继续沉淀回 Skill，使它从“能运行”逐步变成“输出稳定、边界清楚、可以长期复用”。

8. 实践中的关键经验

8.1 Skill 不是更长的 Prompt

Skill 的重点不是字数，而是可维护的工作流。一个好的 Skill 会明确触发条件、步骤顺序、输入输出和异常边界，还能按需携带模板等资源。它解决的是长期复用问题，而不是把一次性 Prompt 换个目录保存。

8.2 不确定信息必须有处理策略

会议纪要中最重要的规则之一，是“不确定的内容留空”。AI 很擅长生成语言通顺的答案，但语言通顺不代表事实可靠。对时间、地点、人物、金额和截止日期等字段，必须优先保证准确性。

8.3 联网任务必须关注时间与来源

日报类 Skill 的难点不在 HTML 卡片，而在资讯是否真实、近期且值得阅读。页面再精美，如果混入旧闻、重复报道或不可核验链接，也没有完成核心任务。因此，时间窗口、来源白名单、原文链接和失败时的降级策略都应该成为明确规则。

8.4 文件命名要区分能力和产物

tian-ai-daily是 Skill 名，moss_ai_daily.html是页面产物。稳定的 Skill 名便于触发和维护，面向读者的文件名则可以服务品牌与交付场景。两者可以不同，但应在文档中明确映射，避免后续调用时找错目录。

总结

这次实践没有停留在“让 AI 帮我写一次内容”，而是完成了从能力引入到实际产物的完整闭环：先从 Anthropic 官方仓库拉取skill-creator，再用两段自然语言 Prompt 分别创建meeting-minutes和tian-ai-daily，最后把真实的会议转写文本与资讯任务交给对应 Skill 处理。

meeting_content.txt展示了输入数据与 Skill 规则分离的价值，assets/template.html展示了复杂任务中资源复用的方式，moss_ai_daily.html则证明 Skill 可以直接交付一个可打开、可交互的页面。

更重要的是，Skill 并非创建一次就结束。真实输入负责暴露问题，产物验收负责发现偏差，规则迭代负责把经验沉淀下来。当一项重复工作拥有清晰的输入、稳定的步骤、可验证的输出和明确的异常边界时，它才真正从一段 Prompt 变成了可以长期使用的 AI 能力。