把「情绪监测」做成 Claude Code Skill：SKILL.md 写法与上手

「情绪监测」是客服团队的高频任务。它的输入通常是会话内容，期望得到的是预警列表。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	情绪监测（`sentiment-monitor`）
作用	识别客户情绪激烈的会话并提醒
输入	会话内容
输出	预警列表
形态	纯提示词
风险	低
适用人群	客服团队

处理流程分四步：

判断情绪
识别流失风险
排序
建议处理人

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/sentiment-monitor/
├── 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: sentiment-monitor
description: 识别客户情绪激烈的会话并提醒。当用户提到情绪监测、或给出会话内容并希望得到预警列表时使用。
---

# 情绪监测

## 输入
- 会话内容
- 若缺少关键信息，先列出需要补充的问题

## 步骤
1. 判断情绪
2. 识别流失风险
3. 排序
4. 建议处理人

## 输出
- 预警列表
- 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。

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」，让智能体在客服团队提出相关请求时能对上号；二是约束部分要写进「退款、赔偿等承诺必须由人工确认」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/sentiment-monitor/ 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

假设你在工单系统与知识库中发出这样的请求（虚构示例）：

这是今天的会话内容，按团队的情绪监测流程处理一下。

智能体识别到任务与「情绪监测」相关后，会依次判断情绪、识别流失风险、排序、建议处理人。最终交付预警列表，并在末尾列出需要人工确认的内容。你的工作是对照原始会话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会话内容，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，导致每次输出的预警列表结构不同。
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。