把「课程反馈分析」交给智能体，难点不在模型能力，而在流程是否说清楚：输入是什么（反馈数据），按什么顺序处理，交付什么（分析报告），哪些事不能做。Skill 就是把这些写下来的载体。

很多人纠结一开始要不要把技能写得很完整。答案是：先极简，再按需升级。下面对比「课程反馈分析」的两种写法。

极简版：五行就够

你负责课程反馈分析。
输入：反馈数据。
步骤：统计评分；归纳意见；找出问题；提出改进。
输出：分析报告。
信息不足先提问，不要编造。

适合个人临时使用、验证流程是否合理。缺点是输出格式不够稳定，边界情况处理不一致。

进阶版：完整技能包

.claude/skills/course-feedback/
├── SKILL.md
├── scripts/course_feedback.py
└── reference.md      # 可选：团队规范、模板等长资料，按需加载

进阶版在极简版基础上增加：

  • 精确的 description，确保自动触发
  • 固定的输出结构与“需人工确认”清单
  • 约束段落（权限、领域规矩、不可逆操作）
  • 参考资料（团队规范、范例），按需加载
  • 脚本，负责确定性的解析与校验
  • tests/ 测试样例

对比

维度极简版进阶版
编写时间几分钟一到两小时
输出稳定性一般较好
边界处理依赖模型自觉有明确规则
团队共享不方便可评审、可版本化
适用个人试用日常高频、多人使用

什么时候该升级

  • 每周使用超过几次
  • 输出要给别人看或进入正式流程
  • 已经发现两次以上同类错误
  • 风险较低，但输出仍需快速过目再使用

升级时参考SKILL.md 写法，并用测试用例验证。

平台选择建议

同一个「课程反馈分析」技能可以落在不同平台上，选择时主要看你在哪里工作、要不要执行代码、要不要接外部系统：

  • 飞书 aily：飞书 aily 是飞书推出的企业级智能伙伴开发平台。详见飞书 aily 版
  • GPTs：GPTs 是在 ChatGPT 中创建的定制版助手。详见GPTs 版
  • Dify 工作流：Dify 是开源的大模型应用开发平台。详见Dify 工作流 版

这个技能需要运行本地脚本（解析文件、调用命令行工具等），要求运行环境允许执行代码，可据此排除不支持相应能力的平台。

智能体与人的分工

技能不是把工作全部交出去，而是把重复、机械的部分交给智能体，人把住判断和责任：

步骤智能体负责人负责
统计评分按指令完成并给出依据抽查关键处，确认无误
归纳意见按指令完成并给出依据抽查关键处，确认无误
找出问题按指令完成并给出依据抽查关键处，确认无误
提出改进按指令完成并给出依据抽查关键处，确认无误
最终交付整理分析报告决定是否采用、是否对外

风险较低，但输出仍需快速过目再使用。

准备一份好范例

在技能的参考资料里放一份你认可的分析报告范例，往往比多写十条规则更有效。好范例应当：

  • 来自真实工作，但已去除个人信息和敏感数据
  • 体现团队习惯的结构、措辞和详略程度
  • 包含一处“需人工确认”的标注示范，让智能体学会如何表达不确定
  • 篇幅适中，不要比平时的产出长太多

范例不必多，一到两份即可；太多范例反而会让智能体机械模仿某一份的细节。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。