实验元数据 (Meta Data)
用于日后检索和归档,建立知识索引。
实验编号/标题:例如:CLAUDE SKILL 实验
日期:Mar 14, 2026
所属领域/标签:例如:#CLAUDECODE
🎯 实验前:假设与目标 (Plan)
不要在此处长篇大论,用一两句话厘清“为什么做这个”。
当前问题 (Problem):我现在遇到了什么阻碍?或者我想解决什么问题?
我想要实践下 claude code 的 skill 用法
实验目标 (Objective):做完这件事,我想达到什么具体效果?
例:成功抓取20页数据而不报错。
核心假设 (Hypothesis):(最关键的一步) 我认为怎么做能成功?
如果我创建 .claude/skills/<skill-name>/SKILL.md 那么就可以创建一个 skill,并通过自然语言调用它。
🧪 实验中:执行步骤与变量 (Do)
记录“我到底做了什么”。如果是代码,粘贴关键片段;如果是实物操作,记录参数。
准备工作/工具:
Claude Code
控制变量 (Variable):
不变的量:(例:目标网址、抓取频率)
改变的量 (测试点):(例:User-Agent 字符串,IP代理池)
执行步骤 (Log):
Step1 创建项目
| |
Step2 创建 skills
Step3 编写 skills 内容
| |
这个 skill 覆盖了 Claude Skills 最核心的三个点:
- name:skill 的名字
- description:告诉 Claude 这个 skill 适合什么场景
- 正文指令:规定 Claude 怎么做、怎么输出
👁️ 实验后:现象与数据 (Check)
观察到的现象:
- 查看生效的 skills: /skills
- 不主动指定 skills
- 主动指定 skills
产出物的样子(附截图/照片)。
🧠 深度复盘:分析与结论 (Act)
这是学习发生的地方。将“经历”转化为“经验”。
结果对比:实际结果 vs. 预期假设。
符合预期 / 部分符合 / 完全相反
原因分析 (Why?):
为什么成功了?是运气还是方法对路?
为什么失败了?是假设错了,还是执行出问题了?
(可以使用“5个为什么”法进行深挖)
获得的知识点 (Key Learnings):
- claude skills 一般放在项目的 .claude/skills/
/SKILL.md 下 - skills 一般有两个关键属性,name 和 description,其中 description 需要描述触发环境
- skills 可以直接通过自然语言被动触发,也可以通过
/<skill-name>主动触发
下一步行动 (Next Actions):
✅ 验证通过,纳入标准流程。
🔄 验证失败,修改假设,开启下一次实验(EXP-002)。
❓ 产生新问题:[记录新问题]



