分享几个 Claude Code 自动化开发的 Skill

你是不是也有这种感觉:明明已经开始用 Claude Code 了,但总觉得自己每次都在输入几乎一模一样的提示词?

Claude Code 在"裸奔"的情况下已经很强大了,但一旦配合 Skills 使用,你就可以把那些重复的开发流程打包成一个命令,一键全自动搞定。这篇文章会结合具体场景,介绍 5 个特别适合用来"自动化开发"的 Skills。

如果你经常觉得"每次都要写一样的提示词太麻烦"或者"想把团队的开发流程统一起来",这篇文章会特别对你的胃口。

Skills 不是"聪明的宏",而是"带上下文的自动化"

传统的宏或 Shell 脚本,只会机械地重复预先写死的步骤。而 Claude Code 的 Skills 完全不是一回事。它会在理解项目上下文的前提下,根据当前状况自行判断并执行自动化流程

传统自动化 基于 Skills 的自动化
步骤固定不变 能"见机行事",灵活应对
不关心代码内容 基于对代码库的理解来行动
出错就停摆 能判断错误原因并尝试处理
需要写复杂的配置文件 只要在 SKILL.md 里用自然语言描述就行

一旦你把某个 Skill 做出来,团队里所有人都可以用同样的质量、同样的流程去执行这件事。我个人觉得,这才是 Skills 的本质价值。

下面这 5 个 Skill,基本都能直接套到日常工作里去用。

1. pr-summary:自动生成 Pull Request 说明

每次写 PR 描述都要从头组织语言?这个 Skill 用来解决的就是这件"小事却很烦人"的痛点。

Claude Code 官方文档里有一个示例 Skill,它会通过 GitHub CLI 获取当前 PR 的实时数据------包括变更内容、评论、代码差异等------然后基于这些信息自动生成 PR 的摘要说明。

复制代码
# SKILL.md 示例

---
name: pr-summary
description: 总结 Pull Request 的变更内容
context: fork
allowed-tools:
- Bash(gh *)
---

## Pull request context

- PR diff: !`gh pr diff`
- PR comments: !`gh pr view --comments`
- Changed files: !`gh pr diff --name-only`

## 任务

请总结这个 Pull Request。请包含变更目的、影响范围,以及审阅者需要特别注意的点。

适用场景:

场景 效果
日常创建 PR 几乎不用再手写说明
大规模重构 自动整理出整体变更概况
新成员入职 Skill 本身就是 PR 写法的最佳范例

这个 Skill 的关键在于 ! 语法:可以事先执行 Shell 命令,把输出结果"喂"给 Claude。Claude 不是在"凭空想象"写说明,而是基于真实的代码 diff 来总结,自然会更靠谱。


2. fix-issue:只给 Issue 编号,从定位到修复一条龙

从打开 Issue、顺着代码查问题、到修好之后提 PR------这个 Skill 把这一整套流程变成了一个命令。

复制代码
---
name: fix-issue
description: 修复指定的 GitHub Issue
disable-model-invocation: true
---

请修复 GitHub Issue $ARGUMENTS。

1. 使用 gh 命令获取 Issue 内容
2. 找到相关代码
3. 实现修复
4. 运行测试并确认通过
5. 提交变更

调用方式非常简单,比如:/fix-issue 1234。其中的 $ARGUMENTS 占位符会被替换成对应的 Issue 编号。

实际自动化流程大致是这样的:

复制代码
/fix-issue 1234
↓
Claude 使用 gh 命令获取 Issue #1234 的内容
↓
定位相关文件并修改
↓
执行测试确认没问题
↓
完成提交

自从开始用这个 Skill 之后,我在处理那些"很小但又不得不修"的 Bug 上花的时间,体感至少减半。尤其是那种"理解问题不难,但修改过程全是机械操作"的 Issue,和它的适配度可以说是 100%。


3. deep-research:用"分身"深挖整个代码库

"这个 Bug 的根本原因到底在哪?""这块设计当初为啥这么搞?"------这种需要系统性调查的事,就交给这个 Skill 吧。

复制代码
---
name: deep-research
description: 针对某个主题进行彻底调查
context: fork
agent: Explore
---

请围绕 $ARGUMENTS 进行彻底调查:

1. 找出所有相关文件
2. 追踪依赖关系和数据流
3. 列出潜在问题和改进空间
4. 写一份调查结果报告

通过指定 context: fork,这个 Skill 会以一个**独立的子代理(sub-agent)**来运行,不会和当前对话历史混在一起。这样一来,长时间的调查任务就不会污染你当前的会话了。

推荐使用场景:

场景 具体指令示例
故障排查 /deep-research 支付流程中发生超时的原因
理解现有设计 /deep-research 认证模块的架构
清点技术债 /deep-research 所有使用废弃 API 的地方

在接手一个庞大的旧项目,或者计划做一次大规模重构之前,这个 Skill 特别好用。


4. commit:从暂存到提交全程免确认

如果你已经厌倦了手动敲 git addgit commit 这一套,这个 Skill 就是为你准备的。

复制代码
---
name: commit
description: 对当前变更进行暂存并提交
disable-model-invocation: true
allowed-tools:
- Bash(git add *)
- Bash(git commit *)
- Bash(git status *)
---

请对当前变更执行以下操作:

1. 将变更加入暂存区(stage)
2. 生成一个描述变更内容的提交信息并提交
3. 提交信息需遵循 Conventional Commits 格式(如 feat/fix/refactor/docs 等)

通过在 allowed-tools 中显式列出 git 命令,在这个 Skill 生效期间,相关的 git 操作可以无需每次手动确认就直接执行

自动生成的提交信息示例:

复制代码
# Claude 生成的 commit message 示例

feat(auth): 使JWT令牌的过期时间可配置化
- 修改为可通过环境变量 JWT_EXPIRES_IN 来设置过期时间
- 设置默认值为24小时
- 添加测试用例

它会根据代码变更内容,智能地选择 featfix 这类前缀,帮助团队自然而然地遵守 commit 规范。


5. explain-code:自动生成带可视化图解的代码说明

把"帮我讲讲这段代码在干嘛"这个请求,直接变成一份结构化的说明文档。

复制代码
---
name: explain-code
description: 结合可视化图解和类比来解释代码
---

请按以下结构说明指定的代码:

1. 用一句话概括这段代码做了什么
2. 使用 Mermaid 语法画出处理流程图
3. 用生活化的类比解释复杂部分
4. 指出潜在的改进点

从"自动化"的角度看,这个 Skill 在这些场景特别有用:

场景 效果
PR 前的准备 自动给 PR 附上带流程图的说明
新人分享/知识传递 一键生成复杂模块的讲解资料
整理技术文档 把没有注释的遗留代码系统性地文档化

这个 Skill 关注的不是"代码能不能跑",而是"团队能不能看懂这段代码"。长期来看,它可以大幅降低文档的维护成本。


5 个 Skills 速查表

# Skill 名 自动化的任务 调用示例
1 pr-summary 生成 PR 说明 /pr-summary
2 fix-issue 从 Issue 调查到修复再到提交 /fix-issue 1234
3 deep-research 深度调研整个代码库 /deep-research 认证模块的结构
4 commit 从暂存到提交的一整套流程 /commit
5 explain-code 生成带图解的代码讲解文档 /explain-code

把 Skills 引入团队时的一些小经验

个人用 Skills 当然已经很方便了,但真正的威力是在"团队共享"时体现出来的

只要把 Skills 文件放在项目根目录的 .claude/skills/ 目录下,用 Git 管理起来,团队里所有人就都能用同一套 Skills。像"这个项目的 PR 用这套模板来写""commit 信息要遵守这套规范"这种原本的"潜规则",都可以通过 Skill 变成写在明面上的"自动化规则"。

复制代码
your-project/
├── .claude/
│   └── skills/
│       ├── pr-summary/
│       │   └── SKILL.md
│       ├── fix-issue/
│       │   └── SKILL.md
│       └── commit/
│           └── SKILL.md
├── src/
└── ...

建议你先从自己最常重复的那一个动作开始,把它抽成一个 Skill。通常只要迈出这一步,你很快就会发现:"咦,这个、那个,其实也都能做成 Skill 啊。"

(本文根据 Qiita 原文翻译整理)

相关推荐
lhxcc_fly2 分钟前
2.LangChain--聊天模型之流式传输
ai·langchain·llm·流式传输
LienJack1 小时前
《Re0 Build Harness》第二章Agent 组成模型:Model、Loop、Tools、State
人工智能·agent
志栋智能2 小时前
超自动化运维:如何降低人为错误?
大数据·运维·网络·人工智能·自动化
数数科技的数据干货2 小时前
ThinkingAI 正式发布数据采集 Agent,实现对话式数据接入!
ai·agent·ai编程·thinkingai·agentic engine
迁移科技2 小时前
AI+3D视觉赋能汽车箱体智能上下料
人工智能·3d·自动化·视觉检测
亦暖筑序2 小时前
DeepSeek 大模型本地部署与调用实战指南
ai·ollama·deepseek
暴躁小师兄数据学院2 小时前
【AI大数据工程师特训笔记】第08讲:集合运算与超级函数
大数据·笔记·sql·ai·postgresql
BD4SXV2 小时前
线性二次调节器(Linear Quadratic Regulator,LQR)的无限时域最优控制求解与黎卡提方程
算法·自动化