Reddit 用戶 Brandon 分享了一套系統化的方法，將日常工作轉化為可重複執行的 Claude Skills。這套方法的核心概念在於透過迭代訓練，讓 AI 助手逐步理解你的工作偏好與需求。
什麼是 Claude Skills？
Claude Skills 是 Anthropic 推出的功能，允許用戶將特定工作流程封裝成可重複使用的技能模組。與傳統的單次提示不同，Skills 能夠記住你的偏好設定、格式要求與特定邏輯，在後續對話中自動套用。這種機制特別適合需要標準化輸出的專業場景，例如內容創作、程式開發或數據分析。
第一步：手動執行完整流程
在開始建立 Skill 之前，先在單次對話中完整執行一遍工作流程。以撰寫特定類型的電子郵件為例，可以依序請 Claude 完成以下步驟：撰寫主題行、構思正文內容、添加合適的結尾問候語。這個階段的重點在於將原本模糊的工作需求拆解為具體、可執行的指令序列。
這種拆解方式有助於釐清哪些步驟需要人工判斷，哪些可以完全自動化。根據 Andrew Ng 與 Anthropic 合作的 Claude Code 課程，將複雜任務分解為更小的子任務，是提升 AI 協作效率的關鍵策略。
第二步：即時分析與回饋
當 Claude 執行每個步驟時，立即提供具體回饋。例如：「語氣應該更口語化」或「更新紀錄應該放在最上方，不是最下方」。這些修正意見將成為下一階段建立 Skill 的重要素材。
有效的回饋應該包含三個元素：問題描述、期望結果、具體示例。模糊的指令如「寫得更好一點」缺乏可操作性；相較之下，「將句子長度控制在 20 字以內，避免使用被動語態」則提供了明確的改進方向。
第三步：系統化建立 Skill
任務成功完成後，請 Claude 將對話中的整個過程轉化為新的 Skill。這個步驟會將你的回饋、偏好設定、格式要求整合成一份結構化的指令集。Claude 會分析對話脈絡，提取可重複使用的模式與規則。
根據 Claude Code 2.0 攻略的經驗，Skill 的品質取決於訓練資料的完整性。對話過程中涵蓋的情境越多元，生成的 Skill 適應性越強。
第四步：深度訓練 Skill
這個階段是整個流程的核心。使用規劃模式（Shift+Tab）讓 Claude 主動向你提問。這些問題通常涉及：
邊緣案例處理：當輸入資料不完整或格式異常時，應採取什麼預設行為？
預設行為設定：在沒有明確指示的情況下，輸出格式、語氣、長度應如何設定？
使用者偏好確認：特定術語、品牌名稱、專有名詞的使用規範為何？
這種問答式訓練能夠填補 Skill 的邏輯漏洞，確保其在各種情境下都能產出符合預期的結果。Claude Code 使用一個月後的實用技巧指出，主動訓練的 Skill 在實際應用中錯誤率降低約 60%。
第五步：迭代強化
Skill 的第一版幾乎不可能完美。在後續使用過程中，當輸出與預期不符時，按照之前的方式提供修正，然後告訴 Claude：「根據我剛才做的修正，更新這個 Skill。」
| 迭代階段 | 常見問題類型 | 改進方向 |
|---|---|---|
| 初期（1-3次） | 格式偏差、語氣不一致 | 明確格式規範、提供風格範例 |
| 中期（4-7次） | 邊緣案例處理不當 | 補充例外情境的處理邏輯 |
| 後期（8次以上） | 特殊需求未涵蓋 | 建立條件式分支規則 |
這種漸進式優化讓 Skill 隨著使用次數增加而愈發精準。Claude Code Sub Agents 的設計理念也採用類似的迭代機制，透過持續回饋強化任務執行能力。
第六步：部署與推廣
當 Skill 表現穩定後，可將其應用於個人工作流程，或分享給團隊成員以實現流程標準化。對於團隊協作場景，建議建立以下文件：
使用說明書：描述 Skill 的適用情境、輸入格式、預期輸出。
限制事項：說明 Skill 無法處理的情況，以及這些情況的替代方案。
更新紀錄：記錄每次修改的原因與內容，便於追蹤 Skill 的演進過程。
AI 工作流程的價值在於將專業知識轉化為可執行、可複製的標準作業程序。透過 Claude Skills，原本只存在於個人腦中的工作方法得以系統化，成為團隊的共享資產。
實務應用場景
這套方法適用於多種專業情境。以下列舉三個典型案例：
內容行銷團隊：建立品牌語調 Skill，確保所有對外發布的文案維持一致的語氣與格式。包含敏感詞過濾、SEO 關鍵字嵌入、CTA 模板等功能。
軟體開發團隊：建立程式碼審查 Skill，自動檢查命名規範、註解完整性、潛在安全漏洞。Claude Code 教學指南提供了更多開發場景的應用範例。
客戶服務團隊：建立回覆範本 Skill，針對常見問題類型產出標準化回應，同時保留個人化調整空間。
技術考量與限制
建立 Claude Skills 時需注意以下技術限制：
上下文長度：過於複雜的 Skill 可能超出單次對話的上下文限制。建議將大型 Skill 拆分為多個功能模組，透過模組化設計提升可維護性。
版本管理：目前 Claude Skills 缺乏內建的版本控制機制。團隊使用時，建議採用外部工具追蹤 Skill 的修改歷程。
跨平台相容性：Skills 的表現可能因 Claude 版本更新而有所差異。定期測試並更新 Skills 是維持其效能的必要措施。
總結
Brandon 的六步驟方法將 Claude Skills 的建立過程從藝術轉化為科學。透過手動執行、即時回饋、系統建立、深度訓練、迭代強化、部署推廣這六個階段，任何專業人士都能將自己的工作知識轉化為可重複執行的 AI 技能。
這套方法的核心價值在於降低 AI 協作的學習曲線。不需要深厚的技術背景，只需要清楚理解自己的工作流程，並願意投入時間訓練 AI 助手。隨著 AI Agent 技術的持續演進，這種人機協作模式將成為提升工作效率的主流方式。
引用來源
- Agent Skills - Claude Code Docs
- Agent Skills - Claude Docs
- Equipping agents for the real world with Agent Skills \ Anthropic
- Claude Code 實戰課程 | 課程目錄
關於作者
觀點：Claude Skills 代表了一種新的工作典範。過去，專業知識的傳承依賴手把手的教學與長期的經驗累積；現在，透過結構化的訓練方法，我們可以將工作智慧編碼為可複製、可優化的 AI 技能。這不僅提升個人效率，更為組織知識管理開啟新的可能性。
若您希望進一步了解如何將 Claude Skills 整合至企業工作流程，或探索 AI 驅動的效率提升方案，歡迎與 Tenten 團隊預約諮詢，探討最適合您企業的解決方案。
