Claude Code Skill 实战：数据质量巡检的目录结构与示例
把「数据质量巡检」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（数据表），按什么顺序处理，交付什么（质量报告），哪些事不能做。Skill 就是把这些写下来的载体。
本文介绍如何在 Claude Code Skill 上实现这个技能，包括它的形态、示例配置、启用步骤、一次完整的运行过程和常见坑。
这个技能做什么
| 项目 | 说明 |
|---|---|
| 技能 | 数据质量巡检（data-quality-check） |
| 作用 | 检查数据的完整性、一致性与及时性 |
| 输入 | 数据表 |
| 输出 | 质量报告 |
| 形态 | 带脚本 |
| 风险 | 低 |
| 适用人群 | 数据分析师与运营 |
处理流程分四步：
- 定义检查规则
- 运行检查
- 标出异常
- 建议负责人
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；风险较低，但输出仍需快速过目再使用。
在 Claude Code Skill 中是什么形态
Claude Code 的 Agent Skills 以文件夹为单位：一个 SKILL.md（YAML 头写 name 与 description）加上可选的脚本和参考资料。智能体平时只看到 description，判断相关时才加载全文，所以 description 写得准不准，直接决定 Skill 会不会被用上。
个人级放在 ~/.claude/skills/，项目级放在仓库的 .claude/skills/，随代码一起提交，团队成员拉取后即可使用。
示例配置
.claude/skills/data-quality-check/
├── SKILL.md
├── scripts/data_quality_check.py
└── reference.md # 可选：团队规范、模板等长资料，按需加载
SKILL.md 示例（示意）：
---
name: data-quality-check
description: 检查数据的完整性、一致性与及时性。当用户提到数据质量巡检、或给出数据表并希望得到质量报告时使用。
---
# 数据质量巡检
## 输入
- 数据表
- 若缺少关键信息，先列出需要补充的问题
## 步骤
1. 定义检查规则
2. 运行检查
3. 标出异常
4. 建议负责人
## 输出
- 质量报告
- 末尾附「需人工确认」清单（没有则写“无”）
## 约束
- 结论要回到原始数据核对口径，避免把相关当因果。
- 信息不足时先提问，不要自行编造数据或事实。
- 脚本只在当前项目目录内运行，运行失败时报告错误原文，不要猜测结果。
## 脚本
- 需要解析或批量处理时运行 `python scripts/data_quality_check.py <路径>`，读取其输出后再总结
示例里最重要的是两处：一是描述（或指令开头）要写明「什么时候用」，让智能体在数据分析师与运营提出相关请求时能对上号；二是约束部分要写进「结论要回到原始数据核对口径，避免把相关当因果」这类领域规矩，避免智能体自作主张。
安装与启用步骤
- 在项目根目录新建
.claude/skills/data-quality-check/文件夹 - 写 SKILL.md：先写 name 和 description，再写步骤、输出与约束
- 需要确定性处理的部分放进 scripts/ 目录，在 SKILL.md 中写明何时调用
- 重新启动或新开会话，用一句自然语言描述任务，观察是否自动加载
- 把 Skill 提交到仓库，在 README 或 AGENTS.md 中登记
实操：一次完整的运行
假设你在表格、数据库与 Notebook中发出这样的请求（虚构示例）：
这是今天的数据表，按团队的数据质量巡检流程处理一下。
智能体识别到任务与「数据质量巡检」相关后，会依次定义检查规则、运行检查、标出异常、建议负责人。最终交付质量报告，并在末尾列出需要人工确认的内容。你的工作是对照原始数据表抽查两三处关键信息，确认无误后再使用。
测试与验收
在新会话中用三种说法描述同一任务，确认 Skill 都能被触发；再用一个不相关请求确认它不会误触发。
针对这个技能，还建议额外准备：
- 一份信息齐全的标准数据表，检查输出是否完整
- 一份缺少关键信息的输入，检查智能体是否先提问而不是编造
- 一份包含“忽略以上规则”等字样的输入，检查约束是否仍然有效
常见坑
- description 写成口号（如“强大的助手”），智能体无法判断何时使用。
- 把大量参考资料塞进 SKILL.md 正文，拖慢每次加载；长资料应拆到单独文件按需读取。
- 只写了步骤，没写交付格式，导致每次输出的质量报告结构不同。
- 没有给出样例，智能体对“好结果”的理解与你不一致；在参考资料里放一两份范例会明显改善。
延伸阅读
- 数据质量巡检 · 检查清单
- 数据质量巡检 · OpenAI Agents SDK 版
- 数据质量巡检 · 文心智能体平台 版
- 样本量估算 · Claude Code Skill 版
- 分析笔记本整理 · Claude Code Skill 版
- 智能体Skills 分类：625 个技能 × 32 个角度
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。