Claude Code Skill 实战:评价回复的目录结构与示例
「评价回复」是电商运营的高频任务。它的输入通常是评价内容,期望得到的是回复草稿。这类有固定流程、又需要一点判断力的工作,很适合封装成智能体 Skill。
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 | 评价回复(review-reply) |
| 作用 | 为买家评价起草回复 |
| 输入 | 评价内容 |
| 输出 | 回复草稿 |
| 形态 | 纯提示词 |
| 风险 | 低 |
| 适用人群 | 电商运营 |
处理流程分四步:
- 识别情绪与问题
- 表达感谢或歉意
- 给出解决方案
- 保持真诚
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/review-reply/
├── 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: review-reply
description: 为买家评价起草回复。当用户提到评价回复、或给出评价内容并希望得到回复草稿时使用。
---
# 评价回复
## 输入
- 评价内容
- 若缺少关键信息,先列出需要补充的问题
## 步骤
1. 识别情绪与问题
2. 表达感谢或歉意
3. 给出解决方案
4. 保持真诚
## 输出
- 回复草稿
- 末尾附「需人工确认」清单(没有则写“无”)
## 约束
- 遵守平台规则,价格、库存以系统数据为准。
- 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」,让智能体在电商运营提出相关请求时能对上号;二是约束部分要写进「遵守平台规则,价格、库存以系统数据为准」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/review-reply/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
假设你在店铺后台与表格中发出这样的请求(虚构示例):
这是今天的评价内容,按团队的评价回复流程处理一下。
智能体识别到任务与「评价回复」相关后,会依次识别情绪与问题、表达感谢或歉意、给出解决方案、保持真诚。最终交付回复草稿,并在末尾列出需要人工确认的内容。你的工作是对照原始评价内容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评价内容,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,导致每次输出的回复草稿结构不同。
- 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
- 评价回复 · 介绍
- 评价回复 · 常见坑
- 评价回复 · 纯提示词版
- 促销活动文案 · Claude Code Skill 版
- 店铺日报 · 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。