Claude Code Skill 实战：客户声音报告的目录结构与示例

把「客户声音报告」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（反馈数据），按什么顺序处理，交付什么（VOC 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	客户声音报告（`voc-report`）
作用	汇总客户反馈形成产品改进建议
输入	反馈数据
输出	VOC 报告
形态	带脚本
风险	低
适用人群	客服团队

处理流程分四步：

收集反馈
按主题聚类
量化频次
提出建议

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/voc-report/
├── SKILL.md
├── scripts/voc_report.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: voc-report
description: 汇总客户反馈形成产品改进建议。当用户提到客户声音报告、或给出反馈数据并希望得到VOC 报告时使用。
---

# 客户声音报告

## 输入
- 反馈数据
- 若缺少关键信息，先列出需要补充的问题

## 步骤
1. 收集反馈
2. 按主题聚类
3. 量化频次
4. 提出建议

## 输出
- VOC 报告
- 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。
- 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/voc_report.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/voc-report/ 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）：

帮我做一下客户声音报告，材料是附上的反馈数据。

智能体识别到任务与「客户声音报告」相关后，会依次收集反馈、按主题聚类、量化频次、提出建议。最终交付VOC 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反馈数据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反馈数据，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VOC 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

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。