水到渠成 —— 从项目出发的 Claude SKILL 实践

Claude SKILL ------ 制定特定的工作流，使得AI + 可复用技能（Claude SKILL）完成提词目标。 Claude Code SKILL 官方文档：code.claude.com/docs/en/ski...

从「看文档学 Jetpack」到「围绕真实项目 + 招聘要求的系统化学习」

一、制定 SKILL 目标

作为一名Flutter 经验老鸟，但 Android 原生体系偏弱的开发者，在补充 Android Jetpack 能力时遇到了一个老生常谈的问题：

知识点零散、学习路径割裂、学完不知道"够不够面试"

传统学习方式通常是：

看官方文档
跟着博客写 Demo
记住几个关键词（ViewModel、LiveData、Room...）

但一到真实项目或面试，很容易暴露问题：

不清楚 模块在真实的设计思路
不知道 一个技术点在面试中的延展深度
学完就忘，没有持续演进能力

这也是我尝试 Claude Skill 工作流 的直接动机：

👉 尝试把「项目结构 + 学习路径 + 面试要求」统一成一套可复用的 AI 学习工具

二、从真实工程出发

我选择了一个典型的 Jetpack + MVVM 架构项目，先不学任何技术细节，只做一件事：

梳理项目骨架，制定模块分析工作流

项目整体骨架分析

通过提词生成项目骨架图生成如下

bash 复制代码

├── app/
│   ├── src/main/java/com/yechaoa/wanandroid_jetpack/
│   │   ├── base/        # MVVM 基类封装
│   │   ├── common/      # 全局配置常量
│   │   ├── data/        # 数据层（网络、数据库、实体）
│   │   ├── ui/          # 界面层（功能模块）
│   │   └── util/        # 工具方法
│   ├── src/main/res/    # 资源文件
│   ├── src/test/        # 单元测试
│   └── src/androidTest/ # 仪器测试
├── build.gradle.kts
├── app/build.gradle.kts
├── buildSrc/
└── gradle/

用「人类语言」生成文档

在 Skill 的第一步，我并不让 AI 直接分析代码，而是先输出一份：

📄 项目整体介绍文档
📌 模块职责说明
🔗 模块之间的关联关系
🧭 推荐学习顺序（为什么先学这个）

这一步的价值在于：

先建立工程认知并人为纠正，再进入技术细节

三、学习顺序设计 ------ "项目驱动"

基于项目结构，我制定了一个符合三年 Android 社招预期的学习顺序：

构建系统与模块结构
- Gradle / buildSrc
- 模块拆分思路
MVVM Base 层
- BaseActivity / BaseViewModel
- ViewModel 生命周期
UI 模块
- Fragment 管理
- Navigation / 状态恢复
数据链路
- Retrofit / Room
- Repository 设计
功能模块拆分
- 首页 / 业务模块如何解耦
测试与质量
- 单元测试
- UI 测试与稳定性

👉 每一步都能映射到真实代码位置 + 面试问题

四、Skill 工作流设计

在完成骨架与学习计划后，我开始设计 Claude Skill 的工作包结构。

调优过程略过，主要是围绕项目及 Skill 特性进行垂直展开，最终 Skill 工作包内容如下

bash 复制代码

.claude/skills/android-learn/
  ├── SKILL.md        # 入口 (37行) - 触发词 + 一级路由 + 执行流程
  ├── router.yaml     # L1 完整关键词路由表
  ├── modules.yaml    # L2 模块路径与分析点
  └── output.yaml     # L3 输出模板与导出规则

设计思路

lua 复制代码

用户输入: "分析登录模块"
      ↓
  L1 router.yaml: 匹配关键词 "登录" → module_id: "feature"
      ↓
  L2 modules.yaml: 获取 feature 配置 → paths + analyze + interview
      ↓
  L3 output.yaml: 填充模板 → 生成报告
      ↓
  导出: learn_plan/module-feature-20251224.md

  Token 节省

  | 项目      | 优化前   | 优化后  | 节省   |
  |---------|-------|------|------|
  | 配置文件数   | 10    | 4    | 60%  |
  | 总 token | ~3000 | ~500 | 83%  |
  | 自然语言    | 大量    | 极少   | 90%+ |

尽可能达成一个 Module = 一次完整的「学习 + 面试发散」闭环

五、SKILL.md 实现

在 Skill 首版中，我刻意做了一个选择：

Rule 使用自然语言完成，而不是机器语言

原因很简单：

我要 能读、能改、能演进
规则本身也是学习路径的一部分

SKILL.md 的职责是：

模块路由规则（如何进入某个 module）
每次分析的输出目标
与招聘要求的联动方式

总结

结合实际使用，我认为这套 Skill 工作流有三个明显特点：

1️⃣ 项目优先，而不是技术点优先

不再是"学 ViewModel"，而是：

"在这个项目里，ViewModel 是怎么被设计和约束的？"

2️⃣ 学习路径天然对齐面试

通过招聘信息检索 + 模块映射：

知道 学到什么程度够用
知道 哪些是加分项

3️⃣ 可持续演进，而不是一次性 Prompt

项目变 → Skill 跟着变
目标变（学习 / 面试）→ Rule 可调整

使用方式

bash 复制代码

  /analyze login      # 分析登录模块
  /analyze 网络       # 分析数据层
  /analyze mvvm       # 分析 MVVM 基类
  /analyze 首页       # 分析主页导航

  或自然语言：分析登录模块、学习网络层

项目路径：github.com/lizy-coding...