如果你在工单系统与知识库里反复做老客户识别，可以考虑把经验沉淀为一个 Skill：写清触发条件、步骤、输出格式和边界，让智能体代劳重复部分，人只负责把关。

本文以「老客户识别」为例，逐段讲解 SKILL.md 的写法。SKILL.md 是 Claude Agent Skills 采用的格式：YAML 头 + Markdown 正文，其结构思路也适用于其他平台的规则文件与指令。

完整示例

---
name: returning-customer
description: 识别老客户并调整服务方式。当用户提到老客户识别、或给出客户历史并希望得到服务建议时使用。
---

# 老客户识别

## 输入
- 客户历史
- 若缺少关键信息，先列出需要补充的问题

## 步骤
1. 查询历史记录
2. 总结偏好与问题
3. 提示坐席
4. 建议个性化方案

## 输出
- 服务建议
- 末尾附「需人工确认」清单（没有则写“无”）

## 约束
- 退款、赔偿等承诺必须由人工确认。
- 信息不足时先提问，不要自行编造数据或事实。
- 只访问完成任务所需的最小范围，不读取无关数据，不代替用户发送或提交。

## 外部连接
- 通过已授权的连接器读取所需数据；连接不可用时说明原因并停止

第一段：name

name 用小写字母和连字符，例如 returning-customer，与文件夹名保持一致，方便检索和引用。不要用空格、中文或版本号。

第二段：description（最关键）

智能体平时只看得到 description，靠它判断要不要加载技能。好的 description 同时回答两件事：做什么（识别老客户并调整服务方式），什么时候用（用户提到老客户识别或给出客户历史时）。

反例：“一个很有用的老客户识别工具”——没有触发条件，智能体很难对上号。

第三段：输入与步骤

输入写清楚需要什么材料，并要求缺信息时先提问。步骤用编号列表，每步一个动作：

  1. 查询历史记录
  2. 总结偏好与问题
  3. 提示坐席
  4. 建议个性化方案

步骤是给智能体的执行顺序，不是给人看的说明书，越具体越好。

第四段：输出

写明交付物（服务建议）以及固定结构。建议统一附上“需人工确认”清单，让复核的人知道看哪里。

第五段：约束

约束写的是不能做什么、遇到什么情况要停下：

  • 退款、赔偿等承诺必须由人工确认。
  • 信息不足时先提问，不要自行编造数据或事实。
  • 只访问完成任务所需的最小范围，不读取无关数据，不代替用户发送或提交。

渐进式加载：把长资料拆出去

团队规范、长模板、术语表不要塞进 SKILL.md 正文，放到同目录的 reference.md 等文件中，在正文里写“需要时阅读 reference.md”。这样平时加载很轻，需要时再读取细节。

目录结构

.claude/skills/returning-customer/
├── SKILL.md
└── reference.md      # 可选：团队规范、模板等长资料，按需加载

写完之后

用三种不同说法描述任务，看技能是否都能被触发；再用一个无关请求确认不会误触发。之后参考测试用例与效果评估持续改进。

每一步要产出什么

把每一步的中间产出写清楚，智能体就不容易跳步，人也方便定位问题：

  1. 查询历史记录：产出一段简短的中间结果，并注明依据来自客户历史的哪一部分
  2. 总结偏好与问题：产出一段简短的中间结果，并注明依据来自客户历史的哪一部分
  3. 提示坐席：产出一段简短的中间结果，并注明依据来自客户历史的哪一部分
  4. 建议个性化方案：产出一段简短的中间结果，并注明依据来自客户历史的哪一部分

最后一步之后，再把这些中间结果汇总成服务建议。中间结果可以折叠或省略展示，但在技能指令中要求智能体“先完成再汇总”，能明显减少遗漏。

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。