人力资源经常要做「面试反馈整理」这类事：把面试官笔记整理为结构化反馈。每次都从头写提示词，结果时好时坏；把它做成智能体 Skill，就能让智能体每次按同一套步骤执行，输出结构也更稳定。

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
技能面试反馈整理（interview-feedback）
作用把面试官笔记整理为结构化反馈
输入面试笔记
输出面试反馈
形态纯提示词
风险低
适用人群人力资源

处理流程分四步：

  1. 按能力维度整理
  2. 引用具体证据
  3. 给出结论
  4. 避免主观标签

这个技能纯指令型，不需要额外脚本或外部连接，复制到大多数平台都能用；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/interview-feedback/
├── SKILL.md
└── 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: interview-feedback
description: 把面试官笔记整理为结构化反馈。当用户提到面试反馈整理、或给出面试笔记并希望得到面试反馈时使用。
---

# 面试反馈整理

## 输入
- 面试笔记
- 若缺少关键信息，先列出需要补充的问题

## 步骤
1. 按能力维度整理
2. 引用具体证据
3. 给出结论
4. 避免主观标签

## 输出
- 面试反馈
- 末尾附「需人工确认」清单（没有则写“无”）

## 约束
- 涉及个人信息与录用决定，必须由人做最终判断。
- 信息不足时先提问，不要自行编造数据或事实。

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」，让智能体在人力资源提出相关请求时能对上号；二是约束部分要写进「涉及个人信息与录用决定，必须由人做最终判断」这类领域规矩，避免智能体自作主张。

安装与启用步骤

  1. 在项目根目录新建 .claude/skills/interview-feedback/ 文件夹
  2. 写 SKILL.md：先写 name 和 description，再写步骤、输出与约束
  3. 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
  4. 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
  5. 把 Skill 提交到仓库，在 README 或 AGENTS.md 中登记

实操：一次完整的运行

假设你在招聘与人事系统中发出这样的请求（虚构示例）：

用面试反馈整理技能处理这份面试笔记，输出面试反馈。

智能体识别到任务与「面试反馈整理」相关后，会依次按能力维度整理、引用具体证据、给出结论、避免主观标签。最终交付面试反馈，并在末尾列出需要人工确认的内容。你的工作是对照原始面试笔记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面试笔记，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，导致每次输出的面试反馈结构不同。
  • 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

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。