Claude Skills 使用方式：把重複工作寫成可驗收流程

假設一位行政同事每週一要把訂單系統匯出的 CSV 整理成固定格式的報表。真正花時間的不是按下匯出，而是排除測試資料、合併同一家公司的不同抬頭、補上當週沒有訂單的業務。這些判斷平常只存在這位同事的腦中，換人代理的那一週，報表就會出錯。

把這件事交給 AI 之前，要先讓這些判斷被寫下來。Claude Skills（官方文件稱 Agent Skills）做的就是這件事：把一份作業說明固定成 Claude 每次都會照著讀的檔案。規則寫清楚了，Skill 才有用；規則不清楚時，Skill 只會更快地把模糊放大。

這篇說明 Skill 是什麼、能在哪些地方用、怎麼從一個真實工作開始導入、最常低估的三件事，以及它和 AI agent 之間的分工。

什麼是 Claude Skills：它解決哪一種問題

依 Anthropic 的說明，Agent Skills 是一個個資料夾，裡面至少有一份 SKILL.md，寫著這個 Skill 的名稱、用途說明和執行步驟，也可以附上範本、參考文件或程式腳本。你可以把它想成一份寫給 AI 的作業說明書：任務要做什麼、需要哪些輸入、按什麼步驟處理、輸出長什麼樣子、遇到例外要怎麼辦。

它和「直接在對話框打一段指令」的差別，在於可重複性。臨時打的指令每次寫法都不一樣，結果也跟著飄；Skill 把說明固定下來，同一件事交辦十次，十次的規格相同。

Skill 也不會一直佔用 Claude 的注意力。Anthropic 的文件說明，Claude 平常只讀每個 Skill 的名稱和用途說明，遇到符合的任務才讀完整步驟，需要時再讀附帶的檔案或執行腳本。所以一個團隊可以準備很多個 Skill，各管一件事。例如同時準備「週報整理」「報價單檢查」「會議紀錄格式化」三個 Skill，Claude 只會在任務符合時讀對應的那一份。

適合做成 Skill 的工作有三個共同特徵：

• 重複發生：每週、每月都要做一次，而不是一年一次。
• 步驟固定：流程本身不太變，變的是每次的資料。
• 輸出可驗收：有人能一眼看出這次做對了沒有。

「把這個月的訂單資料整理成固定格式的報表」三項都符合；「幫我想一個行銷策略」每次都要重新判斷，寫成 Skill 的效益就有限。

Skill 可以在哪裡用

Skill 目前能在幾個 Claude 產品裡使用，放置和分享的方式各不相同：

分享範圍的差異很容易被忽略。例如行政同事自己在 claude.ai 上傳的週報 Skill，其他同事看不到；要讓整個團隊用同一份，就要改放到專案資料夾，或透過 API 上傳到工作區。

Skill 也能在 Claude Cowork 裡用。Cowork 會自己拆步驟、讀檔案、交出成品，遇到符合的工作就照 Skill 的步驟做。公司要開給員工用之前要先決定的方案與權限，整理在 Claude Cowork 是什麼。

Anthropic 另外把 Skill 的格式公開成開放標準，其他支援這個格式的 agent 產品也能讀同一份 Skill。可用的產品與方案以 Anthropic 官方文件當下為準。

怎麼開始：從一個工作開始，不要從工具開始

導入的順序建議倒過來：先找工作，再談工具。

第一步，選一個現在真的在做的重複工作

具體到「誰、多久做一次、花多少時間、產出是什麼」。例如：「業務助理每週一整理上週訂單，從系統匯出 CSV，比對客戶名單，填進一份固定格式的 Excel，約需兩小時。」這樣的描述可以驗收；「提升行政效率」則不行。

第二步，把現行做法寫成步驟

請目前在做這件事的人把流程口述一遍，逐步寫下來，包括那些「大家都知道所以沒寫」的判斷：哪些資料要排除、遇到缺漏怎麼處理、什麼情況要退回人工。很多流程在被寫下來的時候，才第一次發現有兩個人的做法不一樣。

第三步，先手動跑一次

把步驟和一份真實資料直接給 Claude，看輸出是什麼樣子。這一步不需要寫程式，目的是確認說明夠不夠清楚、輸出格式對不對。不理想的話，通常要修的是說明，而不是換模型。

第四步，固定成 Skill，再接上流程

手動跑得穩定了，再把說明寫進 SKILL.md，決定它的觸發方式：由使用者手動叫用、在對話中自動套用，還是由既有系統呼叫。到這一步才會牽涉 API、權限和系統整合。

第五步，設定驗收與例外處理

規定誰檢查輸出、多久抽查一次、出錯時退回哪裡。沒有這一關的自動化，錯誤會累積到某一天才被發現。

一個具體的例子：週報整理

把五步套進開頭那份訂單週報，大概是這樣。

寫成說明時才會發現幾件平常沒寫下來的事：測試訂單是用客戶名稱含「測試」來判斷；同一家公司有兩個抬頭要合併；當週沒有訂單的業務也要出現在報表上、填 0。這三條規則寫下來之後，同時也變成新人的交接文件。

手動跑一次：把說明和一份真實的 CSV 給 Claude，看報表對不對。第一次多半會有落差，例如合併規則沒套到，或填 0 的那一列漏了。修說明、再跑一次。

固定成 Skill 之後，行政同事的工作從「做兩小時」變成「檢查十分鐘，處理兩三筆例外」。省下的時間要安排去處，效益才不會只停在感覺上。

驗收怎麼設：每週抽查三列、對回原始 CSV；連續四週沒有錯誤，再考慮降低抽查比例。

Skill 像廚房的備料與作業卡：順序和份量先定好，每次換的只是當天的食材。

Skill 和 AI agent 是什麼關係

Skill 是說明書，AI agent 是照著說明書做事、並自己決定下一步的角色。Anthropic 把 Skill 定位成替 agent 補上專業知識與工作流程的方式：agent 遇到符合的任務時載入 Skill，照裡面的步驟執行。

舉例來說，一個客服 agent 收到品質回報的來信，可以載入「建立品質異常單」這個 Skill，照著裡面寫的欄位、查詢順序和例外規則處理。Skill 決定「這件事怎麼做才對」，agent 決定「現在要不要做這件事、先查哪個系統」。

這也代表 Skill 不會替 agent 解決權限問題。說明書寫了「查訂單系統」，agent 能不能真的讀到、能不能寫入，要另外設定。四種常見工具的分工可以看 AI agent 和聊天機器人、RPA、自動化流程差在哪；如果需求只是讓 Claude 每次都照同一套步驟處理不同資料，一個 Skill 加上人工檢查，常常就比做一個 agent 省事。

導入時最常低估的三件事

資料品質

輸入資料髒的話，輸出也會髒。欄位名稱不一致、日期格式混用、同一個客戶有三種寫法，這些問題在人工作業時同事會自己吸收掉；交給自動流程，它會照單全收。例如同一家客戶在訂單系統寫中文全名、在 CRM 寫英文縮寫，Skill 裡沒寫合併規則，報表上就會變成兩家公司。導入前先看一批真實資料，通常比事後除錯便宜。

例外情況

流程說明寫的是正常狀況，實際工作有很多不正常狀況。先列出已知的例外，並在 Skill 裡明確寫下「遇到不確定的情況就停下來、交回人工」，比讓它自己猜安全。

來源、權限與資料範圍

Anthropic 提醒只使用自己寫的或官方提供的 Skill。Skill 可以帶指令和程式腳本，來路不明的 Skill 可能讓 Claude 做出和說明不符的動作，所以每個檔案都要看過。另外，哪些資料可以交給 Claude 處理，要在導入前由有權限的角色確認；依 Anthropic 文件，Agent Skills 不在零資料保留（ZDR）安排的範圍內，Skill 內容與執行資料依一般保存政策處理。涉及個資或客戶資料時，先和法務、資安一起確認。

效益怎麼衡量

要判斷導入有沒有用，先量一個基準：這件事目前花多少時間、出錯率多少、由誰做。導入後用同一套方式再量一次。例如週報整理導入前記下「每次兩小時、每月被主管退回一次」，導入後照同樣的方式記，差距才有依據。

這張表是空的，因為數字要由你自己的流程填。網路上的「導入 AI 效率提升 X%」多半沒有說明分母、期間和流程差異，別人的數字填不進你的表格。

也要留意一種常見的誤算：時間省下來了，但省下來的時間跑去哪裡？沒有安排的話，效益會停在「大家比較輕鬆」。Skill 要交給 agent 自動執行時，驗收就要更完整，可以看 AI agent 專案怎麼驗收。

什麼情況不適合先導入

• 流程本身還在頻繁變動，每個月的做法都不一樣。
• 工作量很小，一年只做兩次。
• 現行流程沒有人說得清楚，需要先做的其實是流程盤點。
• 輸入資料還沒有穩定來源。

例如一份每季才做一次、每次格式都被主管改過的簡報，先把格式定下來，比先寫 Skill 容易看到結果。流程要挑哪一個先做，可以參考哪些企業流程適合先交給 AI agent裡的四個條件。

我們能協助的部分

如果 Skill 要接上既有系統，或要交給 agent 自動執行，可以參考我們的企業 AI 營運方案：從需求診斷開始，由前線工程團隊到現場梳理作業細節、確認交付與驗收標準，再進行系統串接、在真實業務中驗證後上線，並持續維護；需要判斷的步驟會設計人工審核機制。

常見問題

參考來源

以下依 Anthropic 官方文件整理，可用的產品與方案以官方頁面當下為準。

• Anthropic：Agent Skills overview
• Anthropic：Extend agents with skills（Claude Agent SDK）
• Agent Skills：開放格式說明