Claude Code安装以及使用教程
链接: https://pan.baidu.com/s/1LrpnnKWXfEcgspjulIGmrg?pwd=rmzw 提取码: rmzw
获取更多ai大模型资料可以加小姐姐微信:bzcxy0012(好友申请写AY,通过直接要就行)
anthropic>skills 仓库(预设 Skills)
🎯目标:
快速浏览 Anthropic 官方 Skills 仓库,重点看 Office 文档类 Skills (xlsx / docx / pdf / pptx),并定位本地创建与更新 Skills 的入口。
官方入口(先收藏)
-
总仓库: anthropics/skills
-
机制说明: Skills explained
Office 文档类 Skills(四件套目录)
-
xlsx: skills/xlsx
-
docx: skills/docx
-
pdf: skills/pdf
-
pptx: skills/pptx
重点看的代码路径(skill-creator)
-
skills/skill-creator/scripts/-
这块通常是“把一个 skill 从模板/配置变成可运行产物”的流水线入口。
-
建议优先读的内容:
-
入口脚本:从哪里开始执行(通常会有一个主脚本/命令行入口)
-
配置读取:skill 的描述、参数、依赖、元信息是怎么被解析的
-
产物生成:最终生成了哪些文件,目录结构是什么
-
打包/发布:是 zip 还是某种 manifest,如何对接到 Desktop 端
-
-
你可以带着 3 个问题去看:
-
“我改了 prompt 或配置,哪些文件会变?”
-
“更新动作的最小输入是什么(哪些字段必填)?”
-
“失败时能从哪里定位(日志/报错点/中间产物)?”
-
-
Claude Desktop:Skill Creator(本地迭代入口,做实验用)
-
它是什么:Claude Desktop 里的一个能力开关,用来让 Desktop 识别并加载本地 Skills,并在你修改后触发更新。
-
适用场景:
-
你想把官方仓库的 skill 当作“样板”,复制到本地后做小改动(例如改 prompt、改参数、改数据源),然后在 Desktop 里直接试跑。
-
你要快速验证“某个 skill 的结构长什么样”“需要哪些文件”“哪些字段是必须的”。
-
-
路径:
Claude Desktop > Capabilities > Skill Creator -
开启后会发生什么:
-
Desktop 会多出和 skill 相关的本地能力入口。
-
你对本地 skill 的变更可以被 Desktop 识别,并通过 update 流程加载最新版本(具体表现因版本不同而不同)。
-
-
使用方式(最小闭环):
-
从官方仓库挑选一个 skill(优先选最简单、依赖少的)
-
copy 到本地 Skills 目录(保持原始结构,先不要“扁平化”)
-
只改一处(例如 prompt)并记录改动点
-
通过 Skill Creator 触发 update
-
回到 Desktop 测试:输入一个最小样例,确认行为是否变化
-
-
排障建议(最常见的 3 类问题):
-
Desktop 看不到 skill:先检查开关是否开启,其次确认本地目录结构是否符合预期。
-
update 没生效:确认你修改的是 Desktop 会读取/打包的文件,而不是未被引用的草稿文件。
-
运行时报错:优先找日志/控制台输出,再回到
skill-creator/scripts/看报错对应的阶段(解析、生成、打包、加载)。
-
-
注意:不同版本的 Claude Desktop 菜单名称可能略有差异;以 Capabilities 页面内是否出现 Skill Creator 为准。
Skill Creator
相关示例与灵感
BigQuery(示例:把数据仓库查询变成可复用的 Skill)
-
它解决的问题:把“写 SQL + 解释结果 + 二次追问”这条链路变成一个可复用的技能。
-
典型用法:
-
给定一个业务问题,Skill 自动生成/选择合适的 SQL。
-
在 BigQuery 里执行查询。
-
把结果整理成可读的表格/要点,并给出下一步建议(例如再查一个维度、做同比/环比、补一个过滤条件)。
-
-
适合封装成 Skill 的原因:
-
BigQuery 的权限、项目、数据集、表名等上下文一旦固定,后续就是重复的“查询—解释—迭代”。
-
Skill 可以把“公司内部数据口径”固化成提示词/规则,减少每次都重新对齐。
-
BigQuery 的使用(建议关注的流程与细节)
-
最小闭环(从 0 到 1):
-
明确查询范围:Project / Dataset / 目标表
-
约定输入:用户给自然语言问题,还是给字段 + 过滤条件
-
生成 SQL:优先可读、可审计(避免一上来就写很复杂的嵌套)
-
执行查询并拿到结果:控制返回行数与列数,避免一次拉太多
-
结果解释:把关键指标、口径、异常点写清楚
-
二次追问:把“下一步推荐查询”作为输出的一部分
-
-
安全与稳定性要点:
-
只读优先:默认只允许
SELECT,避免误写入/误删。 -
参数化:对日期、用户输入的过滤条件尽量参数化,减少注入风险。
-
成本控制:限制扫描数据量与返回行数;对大表先做采样或加分区过滤。
-
错误处理:把常见 SQL 错误(字段不存在、权限不足、分区过滤缺失)整理成可读提示。
-
-
把它写成 Skill 的“接口”建议(便于长期复用):
-
输入:问题描述 +(可选)时间范围 +(可选)业务维度
-
输出:SQL(可复制)+ 结果摘要 + 指标口径说明 + 下一步查询建议
-
日志:记录最后一次成功 SQL,方便复现与对齐
-
使用最佳实践(Best Practice)更新 Skills
Brand Design 的 Skill
操作备忘
- copy the skills —— 保存 skills 到 Claude
相关链接
02:Why Use Skills 1(Skills的意义) | 03:Why Use Skills 2 - Agent and Skills(从Agent角度思考Skills) | 04:Skills vs Tools, MCP, and Subagents(技能 vs 工具、MCP 和子代理) | 05:Exploring Pre-Built Skills(预设Skills探索) | 06:Creating Custom Skills(自定义Skills)