1. 项目概述一个技能库的诞生与价值最近在整理自己的AI使用经验时我意识到一个问题我们与Claude这类大型语言模型的交互很多时候是零散的、即兴的。一个今天用得很顺手的提示词Prompt过两周可能就忘了具体怎么写的一个针对特定任务比如代码审查、数据分析精心调校的对话模板也很难系统地复用和迭代。这种状态对于一个希望将AI作为生产力工具深度融入工作流的从业者来说无疑是低效的。于是我动手创建了robuxref2005/my_claude_skills这个项目。本质上它是我个人使用Claude AI的“技能库”或“提示词知识库”。这个项目不是什么复杂的软件系统它的核心就是一个结构化的文档仓库。我把日常使用Claude解决各类问题编程、写作、学习、分析等时那些经过验证、效果出色的对话模式、提示词模板、以及相关的上下文设置都系统地整理、归类并存储在这里。你可以把它想象成一个高度个人化的“Claude使用手册”或“最佳实践合集”只不过它是活的会随着我的使用经验和Claude模型能力的进化而不断更新。它适合谁呢首先当然是适合我自己作为个人知识管理的一部分。其次它也适合任何希望更高效、更系统地使用Claude或其他类似AI助手的朋友无论是开发者、写作者、学生还是研究者。通过参考这个库里的“技能”你可以快速获得一个经过实战检验的起点避免从零开始摸索从而把精力更多地集中在问题本身而不是与AI的沟通成本上。2. 核心设计思路如何构建一个实用的AI技能库创建一个技能库听起来简单但要让其真正产生长期价值而不是变成另一个“收藏即学会”的电子垃圾堆就需要在初始设计时想清楚几个关键问题。我的核心思路是场景驱动、结构清晰、持续可维护。2.1 以场景而非功能作为分类第一维度很多提示词合集喜欢按“功能”分类比如“写作类”、“编程类”、“翻译类”。这当然没错但粒度太粗实用性会打折扣。在my_claude_skills里我首要的分类原则是“场景”。例如在“编程”这个大类下我不会简单放一个“代码生成”的提示词。我会进一步细分场景Web后端API开发- 技能“基于FastAPI快速生成包含JWT认证、数据库模型SQLAlchemy和CRUD端点的脚手架代码”。场景数据清洗与分析- 技能“使用Pandas对混乱的CSV文件进行标准化清洗并生成数据质量报告”。场景代码审查与重构- 技能“以安全性和可维护性为重点审查Python代码并给出具体的重构建议和代码示例”。为什么是场景因为用户在使用AI时脑子里首先蹦出来的是“我要解决一个什么问题”场景而不是“我要使用AI的哪个功能”。以场景为纲能让技能库的检索和使用路径更符合直觉。当我想处理一个数据文件时我直接去“数据清洗”场景下找对应的技能模板而不是在“编程”大类里漫无目的地翻找。2.2 技能卡片的结构化描述每个“技能”都不是简单的一段提示词文本。我为其设计了一个简单的结构化模板确保信息完整且易于理解。一个标准的技能卡片包含以下部分技能名称清晰、具体地描述这个技能能做什么。例如“将复杂技术概念转化为面向小白的类比解释”。目标场景详细说明这个技能最适合在什么情况下使用。这能帮助用户快速判断是否适用。核心提示词Prompt这是技能的“源代码”。我会提供经过多次迭代优化后的最终版本。使用示例展示1-2个真实的、简化的对话示例包括我的输入和Claude的典型输出。这是理解技能如何生效的关键。参数与变体提示词中哪些部分是可以根据具体需求替换的变量例如{topic}代表主题{target_audience}代表目标受众。同时我也会提供这个技能的几种常见变体以适应微调的需求。效果评估与注意事项记录我在使用这个技能时观察到的效果比如Claude在哪些方面做得出色在哪些边界情况下可能会失效。以及使用时的关键技巧比如是否需要分步骤引导是否需要提供示例等。关联技能指向其他相关的技能卡片。例如一个“生成产品需求文档PRD草稿”的技能可能会关联到“进行用户故事梳理”和“制定验收标准AC”这两个技能。这种结构化的记录不仅是为了给别人看更是为了我自己日后回顾和迭代。它能让我清晰地回忆起当时设计这个提示词的上下文和意图。2.3 工具选型与知识管理逻辑项目本身存储在GitHub上这几乎是天然的选择。Git的版本控制能力对于提示词的迭代优化至关重要。我可以清晰地看到某个技能提示词是如何从V1.0演变到V2.1的每次修改的提交信息就是我的“优化日志”。文档格式我选择了Markdown。原因很简单通用、轻量、可读性强无论是直接在GitHub上浏览还是用本地编辑器打开体验都很好。每个技能一个.md文件按场景分类存放在不同的文件夹中。此外我还会维护一个README.md文件作为技能库的“总目录”和“使用指南”。里面会包含技能库的简要介绍和设计理念。快速入门告诉新用户如何最有效地使用这个库例如先看README再按场景查找。技能索引一个结构化的表格列出所有技能的名称、所属场景、一句话简介并链接到具体的文件。贡献指南如果未来考虑开源协作说明如何提交新的技能或改进建议。整个项目的目录结构看起来会是这样my_claude_skills/ ├── README.md ├── 01_编程开发/ │ ├── 01_代码生成与脚手架.md │ ├── 02_代码审查与重构.md │ └── 03_调试与问题排查.md ├── 02_内容创作与写作/ │ ├── 01_技术博客写作.md │ ├── 02_营销文案优化.md │ └── 03_创意头脑风暴.md ├── 03_学习与知识管理/ │ ├── 01_复杂概念解析.md │ └── 02_读书笔记与摘要.md └── 04_效率与工具/ ├── 01_会议纪要整理.md └── 02_邮件草稿优化.md这种结构平衡了清晰度和灵活性让我能轻松地扩展新的场景和技能。3. 核心技能解析与实战案例拆解光有架子不行里面得有实实在在的“干货”。我来分享几个my_claude_skills库里经过实战检验的核心技能并拆解其设计思路和实操要点。3.1 技能一技术博客写作助手这是一个高频使用的技能。我的目标不是让Claude替我写完整篇文章而是让它成为我的“高级协作编辑”帮我突破写作瓶颈、梳理逻辑、优化表达。核心提示词设计请你扮演一位经验丰富的技术博主和编辑。我将提供一个博客文章的主题和大纲或核心观点。请你根据以下步骤协助我 1. **拓展与细化**针对我提供的大纲中的每个要点提出2-3个可以深入阐述的子观点、值得提及的技术细节或读者可能产生的疑问。 2. **提供开篇钩子Hook**基于主题提供3个不同风格如直接提问、场景故事、惊人事实的文章开头段落用于吸引读者。 3. **优化表达与过渡**审视我提供的段落或句子提供更流畅、更专业或更生动的改写建议并说明修改理由。 4. **检查逻辑流**指出大纲或段落之间是否存在逻辑跳跃并建议如何添加过渡句或调整顺序以使文章更连贯。 5. **生成代码示例如适用**如果涉及编程概念请生成简洁、规范、带有注释的代码片段来辅助说明。 请始终以协作者的口吻回应提供具体选项和建议而非直接重写全文。我的主题是{blog_topic}。我的初步大纲/核心观点是{outline_or_key_points}。设计思路解析这个提示词的成功在于“角色扮演”和“结构化任务分解”。角色扮演“经验丰富的技术博主和编辑”这个设定为Claude的输出质量定下了基调它会更倾向于产出符合技术博客风格的、逻辑严谨的内容。结构化任务将复杂的“协助写作”任务分解为5个具体的、可执行的子任务拓展、开篇、优化、检查、代码。这比笼统地说“帮我写博客”要有效得多因为它限制了Claude的输出范围使其更专注、更有用。Claude擅长在明确的框架内进行创造。协作式口吻强调“提供建议而非重写”这很重要。它确保了我用户始终是内容的主导者Claude是增强我能力的工具而不是替代我。这能避免产出过于通用或失去我个人风格的内容。实操心得与变体心得1在提供{outline_or_key_points}时越具体越好。例如与其说“写一篇关于Python异步编程的文章”不如提供如“1. 同步与异步的直观比喻 2. asyncio的核心概念事件循环、协程、Task 3. 一个使用aiohttp进行并发HTTP请求的实战例子”这样的简要大纲。Claude能基于此给出极具针对性的建议。心得2第2步“提供开篇钩子”非常实用。写作最难的就是开头Claude提供的几个选项往往能给我带来灵感直接选用或融合修改即可。变体对于“教程类”博客可以在任务中增加“设计循序渐进的动手练习步骤”或“预判初学者常见错误及解答”。3.2 技能二代码审查与安全增强顾问作为开发者代码审查是日常。这个技能旨在让Claude成为我的“第一轮审查员”专注于发现常见代码坏味道、潜在漏洞和可维护性问题。核心提示词设计请你扮演一位资深软件工程师专注于代码安全和可维护性。我将粘贴一段代码语言{programming_language}。请你以代码审查者的身份按以下优先级提供反馈 1. **安全性问题高优先级**检查是否存在SQL注入、命令注入、路径遍历、不安全的反序列化、硬编码密钥、权限绕过等常见安全漏洞。对于发现的问题必须提供具体的代码位置和修复建议代码片段。 2. **潜在的Bug与边界情况中优先级**检查空指针引用、数组越界、类型错误、资源未释放如文件、数据库连接、循环逻辑错误等。分析输入边界和异常处理是否完备。 3. **代码可读性与可维护性低优先级**评估命名规范性、函数长度与复杂度、注释清晰度、代码重复度。提供具体的重构建议例如提取函数、简化条件判断等。 4. **性能考量如果明显**指出是否存在低效的算法如嵌套循环处理大数据集、重复计算或不必要的数据库查询。 请以清晰的列表形式输出每个问题点包含**问题类型**、**代码位置行号**、**问题描述**、**风险等级高/中/低**、**修复建议附代码**。 以下是需要审查的代码 {code_snippet}设计思路解析这个提示词的关键在于“明确优先级”和“格式化输出”。优先级排序将“安全性”置于首位这符合现代软件开发的最佳实践。它引导Claude先关注最致命的问题。很多通用的代码审查提示词不分主次反馈可能杂乱无章。具体检查项提示词中列举了各类问题的具体例子如SQL注入、空指针这相当于给Claude一个“检查清单”能显著提高其审查的全面性和准确性。结构化输出要求要求以列表形式并包含“问题类型、位置、描述、风险、建议”这几个固定字段。这强制Claude的输出是机器可读、人工可快速扫描的极大提升了反馈的可用性。我不需要从一大段散文式的评论中自己去提炼要点。实操心得与避坑指南心得1分块审查。对于较长的代码文件不要一次性全部粘贴。最好按功能模块如一个类、一个关键函数分段提交审查。Claude的上下文窗口虽然大但针对小块代码的分析通常更深入、更准确。心得2提供上下文。有时在{code_snippet}前简单用注释说明这段代码的用途和上下文例如# 这是一个用户登录验证函数接收用户名和密码能帮助Claude做出更合理的判断。避坑指南Claude不是万能的静态分析工具。它可能会遗漏一些深层的逻辑漏洞也可能对某些“问题”产生误报尤其是风格上的争议。它的反馈应被视为“高级lint提示”和“第二双眼睛”绝不能替代人工审查和自动化测试。对于它指出的问题尤其是安全相关的问题开发者必须自己理解并验证。3.3 技能三复杂概念“小白式”解析器当需要向非技术背景的同事、客户或朋友解释一个技术概念时这个技能无比好用。它的目标是将抽象、复杂的概念转化为任何人都能听懂的生活化类比和简单语言。核心提示词设计请你扮演一位善于用比喻和简单例子解释复杂概念的老师。我的目标是向一个完全不具备 {domain} 例如计算机网络、机器学习、区块链领域知识的人解释清楚 {concept_to_explain} 这个概念。 请遵循以下步骤进行解释 1. **核心比喻**想一个最贴切的生活中常见事物或场景作为比喻用来概括这个概念的本质。例如用“邮局和信件”比喻“网络协议和IP数据包”。 2. **分步拆解**利用这个比喻将概念的关键组成部分和运作流程一步一步讲清楚。避免使用任何专业术语如果必须使用请立即用比喻中的对应物进行解释。 3. **为什么要关心它**解释清楚理解这个概念对普通人有什么实际意义或影响它能解决什么现实问题 4. **一个极简的“一句话总结”**最后用一句非常通俗的话总结这个概念。 请确保整个解释过程口语化、亲切就像在和朋友聊天。现在请开始解释 {concept_to_explain}。设计思路解析这个技能的核心是“强制降维”和“场景化锚定”。强制使用比喻要求第一步必须提供“核心比喻”这迫使Claude跳出技术定义的窠臼去寻找跨领域的连接点。这是将复杂概念“翻译”成通用语言的关键。分步与意义要求“分步拆解”和“为什么要关心”这确保了解释不仅有骨架比喻还有血肉过程和灵魂价值。很多人解释技术概念只停留在“是什么”而这个提示词强制包含了“怎么运作”和“为什么重要”构成一个完整的认知闭环。输出格式控制虽然没有要求严格的列表但“步骤化”的指令自然引导Claude产出结构清晰、层层递进的内容。实操示例与效果评估示例解释“数据库索引”。输入{domain}: 数据库{concept_to_explain}: 数据库索引。Claude输出精简版核心比喻就像一本教科书最后的“索引”页。你想找“光合作用”相关内容不需要一页页翻全书直接查索引找到对应页码即可。分步拆解数据库的表就像一本厚厚的书里面全是数据。没有索引时找一条数据比如叫“张三”的用户就得从头翻到尾全表扫描。创建索引就像给这本“书”单独做了一份“姓名目录”记录了每个名字在哪一页。下次找“张三”直接查目录瞬间跳到那页。为什么要关心这能让软件运行飞快比如你在电商网站搜索商品没有索引可能要等几分钟有了索引瞬间出结果。但索引也不是免费的它像目录一样要占额外空间而且当书的内容增删改时目录也需要更新维护开销。一句话总结数据库索引就是数据的“快速查找目录”用一点额外的存储和维护成本换来搜索速度的巨大提升。效果评估这个技能在解释“API”、“缓存”、“递归”、“正则表达式”等概念时效果极佳。它产出的解释通常生动、准确且能抓住概念最核心的“痛点”为什么需要它。对于教授者而言这提供了一个绝佳的讲解草稿对于学习者而言这是一个低门槛的入门砖。4. 技能库的维护、迭代与高效使用心法构建一个技能库不是一劳永逸的事情它的价值在于持续的生长和精心的使用。下面分享我在维护my_claude_skills过程中积累的一些心法。4.1 技能的持续优化与版本管理一个提示词技能不是写出来就固定不变的。随着Claude模型本身的更新从Claude 2到Claude 3能力差异显著以及我自身使用经验的加深技能需要迭代。我的迭代流程通常是初次创建基于一个具体需求设计出初版提示词保存到技能库并记录使用场景和初步效果。实战检验在接下来的几天或几周内多次在真实任务中使用这个技能。发现问题记录下每次使用时遇到的“不完美”之处。例如Claude的回复偶尔会偏离重点对于某些边界情况处理不佳输出的格式不符合我的后续处理习惯等。分析修正分析问题根源。是提示词指令不够清晰是角色设定有偏差还是任务分解的逻辑有问题然后有针对性地修改提示词。可能只是调整几个词也可能是重组整个任务结构。更新与备注在技能卡片的“效果评估与注意事项”部分详细记录这次迭代的原因和修改点。在Git中这就是一次新的提交提交信息如“优化代码审查技能明确要求优先列出高风险安全问题”。重要心得不要追求一次写出“完美”的提示词。“小步快跑持续迭代”才是正道。每次只解决一个最突出的问题慢慢打磨。技能卡片的版本历史和修改备注本身就是一份宝贵的学习资料记录了你是如何思考并与AI协作的。4.2 如何高效检索与组合使用技能技能库积累多了如何快速找到想要的技能除了依赖清晰的目录结构我还有两个习惯为技能卡片添加标签在Markdown文件的YAML Front Matter或文件开头我会用关键词作为标签。例如一个技能可能同时拥有#编程#代码审查#安全#Python等标签。虽然GitHub本身不支持标签检索但本地使用VS Code等编辑器可以通过搜索标签来快速过滤。维护一个“技能矩阵”索引在README.md中除了树形目录我还会维护一个表格形式的索引列包括技能名称、主要场景、关键标签、一句话简介、文件链接。这个表格可以按场景、按标签排序一目了然。关于技能组合高级用法往往不是使用单个技能而是“技能链”。 例如我需要完成一个任务“为一个新的开源项目撰写README文件”。第一步使用“创意头脑风暴”技能与Claude一起罗列README应该包含的模块项目简介、特性、安装、使用示例、API文档、贡献指南等。第二步针对“安装”部分我已有项目代码可以结合“代码审查”技能让Claude帮我确保安装命令如pip install和依赖列表是准确、简洁的。第三步针对“使用示例”部分使用“技术写作”技能让它帮我将核心功能的调用代码润色成一段连贯、友好的教程。第四步最后使用“文案优化”技能对整篇README的语言风格、语气进行统一和优化使其更符合开源社区的氛围。这个过程就是根据任务流串联起不同的技能卡片让Claude在不同阶段扮演不同的专业角色共同完成一个复杂任务。4.3 常见问题与排查思路在构建和使用技能库的过程中我也踩过一些坑总结如下问题现象可能原因排查与解决思路Claude输出偏离预期答非所问1. 提示词语义模糊存在歧义。2. 角色设定与任务不匹配。3. 任务步骤过于复杂Claude“迷失”了。1.简化并明确指令用最直白的语言重写核心要求。避免长句和复杂从句。2.强化角色设定在提示词开头更强调“你是一个XXX专家请专注于YYY”。3.拆分任务将多步任务拆成多次对话每一步给一个清晰的子提示词。技能在类似场景下效果不稳定1. 提供的输入上下文{variable}差异太大。2. Claude模型本身存在随机性尽管已很小。3. 技能边界定义不清。1.规范输入在技能卡片中明确说明输入变量的格式和要求如“请提供结构化的大纲而非零散想法”。2.设置约束在提示词中增加约束如“请将回答控制在3个要点以内”、“请用列表形式输出”。3.接受一定波动理解AI的非确定性将技能视为“产生高质量草稿或选项的工具”而非“确定性的代码编译器”。技能库变得臃肿难以管理1. 过度细分创建了大量使用频率极低的技能。2. 技能之间功能重叠。1.定期复盘与合并每季度回顾一次将类似或使用频率低的技能进行合并。保留通用性强的核心技能。2.建立“元技能”设计一些用于“管理技能”的技能例如“请分析我提供的三个提示词技能找出它们的共同点和可合并之处”。感觉技能“失效”了效果变差1. Claude模型版本更新行为有变化。2. 外部知识或最佳实践已更新但提示词未同步。1.重新校准用几个基准问题测试核心技能在新模型下的表现必要时微调提示词。2.持续学习将技能库的维护视为一个持续学习的过程。关注AI社区的新提示工程技术适时引入到自己的技能中。5. 从个人库到团队资产扩展可能性目前robuxref2005/my_claude_skills还是一个纯粹的个人项目。但它已经展现出了作为一种“知识沉淀”模式的潜力。很自然地我们可以思考如何将其扩展到团队协作场景。团队共享技能库的构想中央仓库在团队内部Git服务器如GitLab, Gitea或共享网盘建立团队技能库。分类与权限可以按部门如研发、市场、产品或项目进行分类。设置基本的贡献和审核流程。技能卡片标准化制定更严格的技能卡片模板要求必须包含创建者、创建日期、最后更新日期、适用模型版本、测试用例、效果评分等字段。评审与认证建立简单的同行评审机制。一个技能在被纳入“团队推荐”列表前需要由另外1-2名成员验证其有效性。使用统计与反馈鼓励成员在使用技能后在卡片评论区留下反馈如“用于XX场景效果很好”或“参数Y需要调整”形成良性互动。这样做的好处是显而易见的它能将团队内成员与AI高效协作的“隐性知识”转化为“显性资产”减少重复摸索快速提升整个团队的人机协作水平。新成员 onboarding 时学习团队技能库会成为快速上手AI工具的捷径。我个人最深的体会是创建和维护my_claude_skills的过程其价值远不止于产出了一个工具库。它更像是一个“元认知”训练。为了写好一个提示词技能我必须非常深入地思考我到底要解决什么问题解决这个问题的理想步骤是什么我该如何清晰、无歧义地向一个“超级大脑”描述我的需求这个过程反过来极大地锻炼了我自己分析问题、拆解任务和清晰表达的能力。这个技能库既是管理AI的工具也是我自身思维方式的映射和锤炼工具。它让我和Claude的协作从随机的“问答”变成了有章法、可积累、可复用的“交响乐”。
构建个人AI技能库：结构化提示词管理与高效人机协作实践
1. 项目概述一个技能库的诞生与价值最近在整理自己的AI使用经验时我意识到一个问题我们与Claude这类大型语言模型的交互很多时候是零散的、即兴的。一个今天用得很顺手的提示词Prompt过两周可能就忘了具体怎么写的一个针对特定任务比如代码审查、数据分析精心调校的对话模板也很难系统地复用和迭代。这种状态对于一个希望将AI作为生产力工具深度融入工作流的从业者来说无疑是低效的。于是我动手创建了robuxref2005/my_claude_skills这个项目。本质上它是我个人使用Claude AI的“技能库”或“提示词知识库”。这个项目不是什么复杂的软件系统它的核心就是一个结构化的文档仓库。我把日常使用Claude解决各类问题编程、写作、学习、分析等时那些经过验证、效果出色的对话模式、提示词模板、以及相关的上下文设置都系统地整理、归类并存储在这里。你可以把它想象成一个高度个人化的“Claude使用手册”或“最佳实践合集”只不过它是活的会随着我的使用经验和Claude模型能力的进化而不断更新。它适合谁呢首先当然是适合我自己作为个人知识管理的一部分。其次它也适合任何希望更高效、更系统地使用Claude或其他类似AI助手的朋友无论是开发者、写作者、学生还是研究者。通过参考这个库里的“技能”你可以快速获得一个经过实战检验的起点避免从零开始摸索从而把精力更多地集中在问题本身而不是与AI的沟通成本上。2. 核心设计思路如何构建一个实用的AI技能库创建一个技能库听起来简单但要让其真正产生长期价值而不是变成另一个“收藏即学会”的电子垃圾堆就需要在初始设计时想清楚几个关键问题。我的核心思路是场景驱动、结构清晰、持续可维护。2.1 以场景而非功能作为分类第一维度很多提示词合集喜欢按“功能”分类比如“写作类”、“编程类”、“翻译类”。这当然没错但粒度太粗实用性会打折扣。在my_claude_skills里我首要的分类原则是“场景”。例如在“编程”这个大类下我不会简单放一个“代码生成”的提示词。我会进一步细分场景Web后端API开发- 技能“基于FastAPI快速生成包含JWT认证、数据库模型SQLAlchemy和CRUD端点的脚手架代码”。场景数据清洗与分析- 技能“使用Pandas对混乱的CSV文件进行标准化清洗并生成数据质量报告”。场景代码审查与重构- 技能“以安全性和可维护性为重点审查Python代码并给出具体的重构建议和代码示例”。为什么是场景因为用户在使用AI时脑子里首先蹦出来的是“我要解决一个什么问题”场景而不是“我要使用AI的哪个功能”。以场景为纲能让技能库的检索和使用路径更符合直觉。当我想处理一个数据文件时我直接去“数据清洗”场景下找对应的技能模板而不是在“编程”大类里漫无目的地翻找。2.2 技能卡片的结构化描述每个“技能”都不是简单的一段提示词文本。我为其设计了一个简单的结构化模板确保信息完整且易于理解。一个标准的技能卡片包含以下部分技能名称清晰、具体地描述这个技能能做什么。例如“将复杂技术概念转化为面向小白的类比解释”。目标场景详细说明这个技能最适合在什么情况下使用。这能帮助用户快速判断是否适用。核心提示词Prompt这是技能的“源代码”。我会提供经过多次迭代优化后的最终版本。使用示例展示1-2个真实的、简化的对话示例包括我的输入和Claude的典型输出。这是理解技能如何生效的关键。参数与变体提示词中哪些部分是可以根据具体需求替换的变量例如{topic}代表主题{target_audience}代表目标受众。同时我也会提供这个技能的几种常见变体以适应微调的需求。效果评估与注意事项记录我在使用这个技能时观察到的效果比如Claude在哪些方面做得出色在哪些边界情况下可能会失效。以及使用时的关键技巧比如是否需要分步骤引导是否需要提供示例等。关联技能指向其他相关的技能卡片。例如一个“生成产品需求文档PRD草稿”的技能可能会关联到“进行用户故事梳理”和“制定验收标准AC”这两个技能。这种结构化的记录不仅是为了给别人看更是为了我自己日后回顾和迭代。它能让我清晰地回忆起当时设计这个提示词的上下文和意图。2.3 工具选型与知识管理逻辑项目本身存储在GitHub上这几乎是天然的选择。Git的版本控制能力对于提示词的迭代优化至关重要。我可以清晰地看到某个技能提示词是如何从V1.0演变到V2.1的每次修改的提交信息就是我的“优化日志”。文档格式我选择了Markdown。原因很简单通用、轻量、可读性强无论是直接在GitHub上浏览还是用本地编辑器打开体验都很好。每个技能一个.md文件按场景分类存放在不同的文件夹中。此外我还会维护一个README.md文件作为技能库的“总目录”和“使用指南”。里面会包含技能库的简要介绍和设计理念。快速入门告诉新用户如何最有效地使用这个库例如先看README再按场景查找。技能索引一个结构化的表格列出所有技能的名称、所属场景、一句话简介并链接到具体的文件。贡献指南如果未来考虑开源协作说明如何提交新的技能或改进建议。整个项目的目录结构看起来会是这样my_claude_skills/ ├── README.md ├── 01_编程开发/ │ ├── 01_代码生成与脚手架.md │ ├── 02_代码审查与重构.md │ └── 03_调试与问题排查.md ├── 02_内容创作与写作/ │ ├── 01_技术博客写作.md │ ├── 02_营销文案优化.md │ └── 03_创意头脑风暴.md ├── 03_学习与知识管理/ │ ├── 01_复杂概念解析.md │ └── 02_读书笔记与摘要.md └── 04_效率与工具/ ├── 01_会议纪要整理.md └── 02_邮件草稿优化.md这种结构平衡了清晰度和灵活性让我能轻松地扩展新的场景和技能。3. 核心技能解析与实战案例拆解光有架子不行里面得有实实在在的“干货”。我来分享几个my_claude_skills库里经过实战检验的核心技能并拆解其设计思路和实操要点。3.1 技能一技术博客写作助手这是一个高频使用的技能。我的目标不是让Claude替我写完整篇文章而是让它成为我的“高级协作编辑”帮我突破写作瓶颈、梳理逻辑、优化表达。核心提示词设计请你扮演一位经验丰富的技术博主和编辑。我将提供一个博客文章的主题和大纲或核心观点。请你根据以下步骤协助我 1. **拓展与细化**针对我提供的大纲中的每个要点提出2-3个可以深入阐述的子观点、值得提及的技术细节或读者可能产生的疑问。 2. **提供开篇钩子Hook**基于主题提供3个不同风格如直接提问、场景故事、惊人事实的文章开头段落用于吸引读者。 3. **优化表达与过渡**审视我提供的段落或句子提供更流畅、更专业或更生动的改写建议并说明修改理由。 4. **检查逻辑流**指出大纲或段落之间是否存在逻辑跳跃并建议如何添加过渡句或调整顺序以使文章更连贯。 5. **生成代码示例如适用**如果涉及编程概念请生成简洁、规范、带有注释的代码片段来辅助说明。 请始终以协作者的口吻回应提供具体选项和建议而非直接重写全文。我的主题是{blog_topic}。我的初步大纲/核心观点是{outline_or_key_points}。设计思路解析这个提示词的成功在于“角色扮演”和“结构化任务分解”。角色扮演“经验丰富的技术博主和编辑”这个设定为Claude的输出质量定下了基调它会更倾向于产出符合技术博客风格的、逻辑严谨的内容。结构化任务将复杂的“协助写作”任务分解为5个具体的、可执行的子任务拓展、开篇、优化、检查、代码。这比笼统地说“帮我写博客”要有效得多因为它限制了Claude的输出范围使其更专注、更有用。Claude擅长在明确的框架内进行创造。协作式口吻强调“提供建议而非重写”这很重要。它确保了我用户始终是内容的主导者Claude是增强我能力的工具而不是替代我。这能避免产出过于通用或失去我个人风格的内容。实操心得与变体心得1在提供{outline_or_key_points}时越具体越好。例如与其说“写一篇关于Python异步编程的文章”不如提供如“1. 同步与异步的直观比喻 2. asyncio的核心概念事件循环、协程、Task 3. 一个使用aiohttp进行并发HTTP请求的实战例子”这样的简要大纲。Claude能基于此给出极具针对性的建议。心得2第2步“提供开篇钩子”非常实用。写作最难的就是开头Claude提供的几个选项往往能给我带来灵感直接选用或融合修改即可。变体对于“教程类”博客可以在任务中增加“设计循序渐进的动手练习步骤”或“预判初学者常见错误及解答”。3.2 技能二代码审查与安全增强顾问作为开发者代码审查是日常。这个技能旨在让Claude成为我的“第一轮审查员”专注于发现常见代码坏味道、潜在漏洞和可维护性问题。核心提示词设计请你扮演一位资深软件工程师专注于代码安全和可维护性。我将粘贴一段代码语言{programming_language}。请你以代码审查者的身份按以下优先级提供反馈 1. **安全性问题高优先级**检查是否存在SQL注入、命令注入、路径遍历、不安全的反序列化、硬编码密钥、权限绕过等常见安全漏洞。对于发现的问题必须提供具体的代码位置和修复建议代码片段。 2. **潜在的Bug与边界情况中优先级**检查空指针引用、数组越界、类型错误、资源未释放如文件、数据库连接、循环逻辑错误等。分析输入边界和异常处理是否完备。 3. **代码可读性与可维护性低优先级**评估命名规范性、函数长度与复杂度、注释清晰度、代码重复度。提供具体的重构建议例如提取函数、简化条件判断等。 4. **性能考量如果明显**指出是否存在低效的算法如嵌套循环处理大数据集、重复计算或不必要的数据库查询。 请以清晰的列表形式输出每个问题点包含**问题类型**、**代码位置行号**、**问题描述**、**风险等级高/中/低**、**修复建议附代码**。 以下是需要审查的代码 {code_snippet}设计思路解析这个提示词的关键在于“明确优先级”和“格式化输出”。优先级排序将“安全性”置于首位这符合现代软件开发的最佳实践。它引导Claude先关注最致命的问题。很多通用的代码审查提示词不分主次反馈可能杂乱无章。具体检查项提示词中列举了各类问题的具体例子如SQL注入、空指针这相当于给Claude一个“检查清单”能显著提高其审查的全面性和准确性。结构化输出要求要求以列表形式并包含“问题类型、位置、描述、风险、建议”这几个固定字段。这强制Claude的输出是机器可读、人工可快速扫描的极大提升了反馈的可用性。我不需要从一大段散文式的评论中自己去提炼要点。实操心得与避坑指南心得1分块审查。对于较长的代码文件不要一次性全部粘贴。最好按功能模块如一个类、一个关键函数分段提交审查。Claude的上下文窗口虽然大但针对小块代码的分析通常更深入、更准确。心得2提供上下文。有时在{code_snippet}前简单用注释说明这段代码的用途和上下文例如# 这是一个用户登录验证函数接收用户名和密码能帮助Claude做出更合理的判断。避坑指南Claude不是万能的静态分析工具。它可能会遗漏一些深层的逻辑漏洞也可能对某些“问题”产生误报尤其是风格上的争议。它的反馈应被视为“高级lint提示”和“第二双眼睛”绝不能替代人工审查和自动化测试。对于它指出的问题尤其是安全相关的问题开发者必须自己理解并验证。3.3 技能三复杂概念“小白式”解析器当需要向非技术背景的同事、客户或朋友解释一个技术概念时这个技能无比好用。它的目标是将抽象、复杂的概念转化为任何人都能听懂的生活化类比和简单语言。核心提示词设计请你扮演一位善于用比喻和简单例子解释复杂概念的老师。我的目标是向一个完全不具备 {domain} 例如计算机网络、机器学习、区块链领域知识的人解释清楚 {concept_to_explain} 这个概念。 请遵循以下步骤进行解释 1. **核心比喻**想一个最贴切的生活中常见事物或场景作为比喻用来概括这个概念的本质。例如用“邮局和信件”比喻“网络协议和IP数据包”。 2. **分步拆解**利用这个比喻将概念的关键组成部分和运作流程一步一步讲清楚。避免使用任何专业术语如果必须使用请立即用比喻中的对应物进行解释。 3. **为什么要关心它**解释清楚理解这个概念对普通人有什么实际意义或影响它能解决什么现实问题 4. **一个极简的“一句话总结”**最后用一句非常通俗的话总结这个概念。 请确保整个解释过程口语化、亲切就像在和朋友聊天。现在请开始解释 {concept_to_explain}。设计思路解析这个技能的核心是“强制降维”和“场景化锚定”。强制使用比喻要求第一步必须提供“核心比喻”这迫使Claude跳出技术定义的窠臼去寻找跨领域的连接点。这是将复杂概念“翻译”成通用语言的关键。分步与意义要求“分步拆解”和“为什么要关心”这确保了解释不仅有骨架比喻还有血肉过程和灵魂价值。很多人解释技术概念只停留在“是什么”而这个提示词强制包含了“怎么运作”和“为什么重要”构成一个完整的认知闭环。输出格式控制虽然没有要求严格的列表但“步骤化”的指令自然引导Claude产出结构清晰、层层递进的内容。实操示例与效果评估示例解释“数据库索引”。输入{domain}: 数据库{concept_to_explain}: 数据库索引。Claude输出精简版核心比喻就像一本教科书最后的“索引”页。你想找“光合作用”相关内容不需要一页页翻全书直接查索引找到对应页码即可。分步拆解数据库的表就像一本厚厚的书里面全是数据。没有索引时找一条数据比如叫“张三”的用户就得从头翻到尾全表扫描。创建索引就像给这本“书”单独做了一份“姓名目录”记录了每个名字在哪一页。下次找“张三”直接查目录瞬间跳到那页。为什么要关心这能让软件运行飞快比如你在电商网站搜索商品没有索引可能要等几分钟有了索引瞬间出结果。但索引也不是免费的它像目录一样要占额外空间而且当书的内容增删改时目录也需要更新维护开销。一句话总结数据库索引就是数据的“快速查找目录”用一点额外的存储和维护成本换来搜索速度的巨大提升。效果评估这个技能在解释“API”、“缓存”、“递归”、“正则表达式”等概念时效果极佳。它产出的解释通常生动、准确且能抓住概念最核心的“痛点”为什么需要它。对于教授者而言这提供了一个绝佳的讲解草稿对于学习者而言这是一个低门槛的入门砖。4. 技能库的维护、迭代与高效使用心法构建一个技能库不是一劳永逸的事情它的价值在于持续的生长和精心的使用。下面分享我在维护my_claude_skills过程中积累的一些心法。4.1 技能的持续优化与版本管理一个提示词技能不是写出来就固定不变的。随着Claude模型本身的更新从Claude 2到Claude 3能力差异显著以及我自身使用经验的加深技能需要迭代。我的迭代流程通常是初次创建基于一个具体需求设计出初版提示词保存到技能库并记录使用场景和初步效果。实战检验在接下来的几天或几周内多次在真实任务中使用这个技能。发现问题记录下每次使用时遇到的“不完美”之处。例如Claude的回复偶尔会偏离重点对于某些边界情况处理不佳输出的格式不符合我的后续处理习惯等。分析修正分析问题根源。是提示词指令不够清晰是角色设定有偏差还是任务分解的逻辑有问题然后有针对性地修改提示词。可能只是调整几个词也可能是重组整个任务结构。更新与备注在技能卡片的“效果评估与注意事项”部分详细记录这次迭代的原因和修改点。在Git中这就是一次新的提交提交信息如“优化代码审查技能明确要求优先列出高风险安全问题”。重要心得不要追求一次写出“完美”的提示词。“小步快跑持续迭代”才是正道。每次只解决一个最突出的问题慢慢打磨。技能卡片的版本历史和修改备注本身就是一份宝贵的学习资料记录了你是如何思考并与AI协作的。4.2 如何高效检索与组合使用技能技能库积累多了如何快速找到想要的技能除了依赖清晰的目录结构我还有两个习惯为技能卡片添加标签在Markdown文件的YAML Front Matter或文件开头我会用关键词作为标签。例如一个技能可能同时拥有#编程#代码审查#安全#Python等标签。虽然GitHub本身不支持标签检索但本地使用VS Code等编辑器可以通过搜索标签来快速过滤。维护一个“技能矩阵”索引在README.md中除了树形目录我还会维护一个表格形式的索引列包括技能名称、主要场景、关键标签、一句话简介、文件链接。这个表格可以按场景、按标签排序一目了然。关于技能组合高级用法往往不是使用单个技能而是“技能链”。 例如我需要完成一个任务“为一个新的开源项目撰写README文件”。第一步使用“创意头脑风暴”技能与Claude一起罗列README应该包含的模块项目简介、特性、安装、使用示例、API文档、贡献指南等。第二步针对“安装”部分我已有项目代码可以结合“代码审查”技能让Claude帮我确保安装命令如pip install和依赖列表是准确、简洁的。第三步针对“使用示例”部分使用“技术写作”技能让它帮我将核心功能的调用代码润色成一段连贯、友好的教程。第四步最后使用“文案优化”技能对整篇README的语言风格、语气进行统一和优化使其更符合开源社区的氛围。这个过程就是根据任务流串联起不同的技能卡片让Claude在不同阶段扮演不同的专业角色共同完成一个复杂任务。4.3 常见问题与排查思路在构建和使用技能库的过程中我也踩过一些坑总结如下问题现象可能原因排查与解决思路Claude输出偏离预期答非所问1. 提示词语义模糊存在歧义。2. 角色设定与任务不匹配。3. 任务步骤过于复杂Claude“迷失”了。1.简化并明确指令用最直白的语言重写核心要求。避免长句和复杂从句。2.强化角色设定在提示词开头更强调“你是一个XXX专家请专注于YYY”。3.拆分任务将多步任务拆成多次对话每一步给一个清晰的子提示词。技能在类似场景下效果不稳定1. 提供的输入上下文{variable}差异太大。2. Claude模型本身存在随机性尽管已很小。3. 技能边界定义不清。1.规范输入在技能卡片中明确说明输入变量的格式和要求如“请提供结构化的大纲而非零散想法”。2.设置约束在提示词中增加约束如“请将回答控制在3个要点以内”、“请用列表形式输出”。3.接受一定波动理解AI的非确定性将技能视为“产生高质量草稿或选项的工具”而非“确定性的代码编译器”。技能库变得臃肿难以管理1. 过度细分创建了大量使用频率极低的技能。2. 技能之间功能重叠。1.定期复盘与合并每季度回顾一次将类似或使用频率低的技能进行合并。保留通用性强的核心技能。2.建立“元技能”设计一些用于“管理技能”的技能例如“请分析我提供的三个提示词技能找出它们的共同点和可合并之处”。感觉技能“失效”了效果变差1. Claude模型版本更新行为有变化。2. 外部知识或最佳实践已更新但提示词未同步。1.重新校准用几个基准问题测试核心技能在新模型下的表现必要时微调提示词。2.持续学习将技能库的维护视为一个持续学习的过程。关注AI社区的新提示工程技术适时引入到自己的技能中。5. 从个人库到团队资产扩展可能性目前robuxref2005/my_claude_skills还是一个纯粹的个人项目。但它已经展现出了作为一种“知识沉淀”模式的潜力。很自然地我们可以思考如何将其扩展到团队协作场景。团队共享技能库的构想中央仓库在团队内部Git服务器如GitLab, Gitea或共享网盘建立团队技能库。分类与权限可以按部门如研发、市场、产品或项目进行分类。设置基本的贡献和审核流程。技能卡片标准化制定更严格的技能卡片模板要求必须包含创建者、创建日期、最后更新日期、适用模型版本、测试用例、效果评分等字段。评审与认证建立简单的同行评审机制。一个技能在被纳入“团队推荐”列表前需要由另外1-2名成员验证其有效性。使用统计与反馈鼓励成员在使用技能后在卡片评论区留下反馈如“用于XX场景效果很好”或“参数Y需要调整”形成良性互动。这样做的好处是显而易见的它能将团队内成员与AI高效协作的“隐性知识”转化为“显性资产”减少重复摸索快速提升整个团队的人机协作水平。新成员 onboarding 时学习团队技能库会成为快速上手AI工具的捷径。我个人最深的体会是创建和维护my_claude_skills的过程其价值远不止于产出了一个工具库。它更像是一个“元认知”训练。为了写好一个提示词技能我必须非常深入地思考我到底要解决什么问题解决这个问题的理想步骤是什么我该如何清晰、无歧义地向一个“超级大脑”描述我的需求这个过程反过来极大地锻炼了我自己分析问题、拆解任务和清晰表达的能力。这个技能库既是管理AI的工具也是我自身思维方式的映射和锤炼工具。它让我和Claude的协作从随机的“问答”变成了有章法、可积累、可复用的“交响乐”。
