内置 Skills：AI 产品智能化的下一个标准配置

JEECG官方博客

13人浏览 · 2026-06-29 14:55:19

JEECG官方博客 · 2026-06-29 14:55:19 发布

JimuReport AI专题研究 | 从 Claude Code Skills 机制到产品级 AI 落地的底层逻辑

把 Claude Code Skills 装进 JAR 包——积木报表的破局思路

积木报表（JimuReport）v2.5.0 做了一件在国内低代码工具里头一次的事：把 Claude Code 的 Skills 直接打包进产品 JAR，作为内置的领域知识专家，用户启动服务即可使用，完全不需要安装 Claude Code 或任何 CLI 环境。

内置Skills示意图

这句话背后有一个值得说清楚的背景。过去两年，几乎所有产品都在喊"接入大模型"，但用下来，真正让人满意的没几个。症结不是模型不够强，而是接入方式太浅——大多数产品只是在界面里嵌了个对话框，把用户输入丢给通用 API，返回文本展示出来。模型不知道"这个产品是什么"、“用户在做什么任务”、“正确操作路径是哪条”，面对"帮我做一张分组交叉报表"，只能泛泛给文字建议，无法真正操作设计器、生成数据集、配置字段绑定。

Claude Code 的 Skills 机制本来是解决这个问题的——它让开发者把特定领域的知识和操作规范封装成"技能包"，AI 按 Skill 定义的流程执行，而不是自由发挥。但 Skills 原本是面向开发者的工具：你得先装 Claude Code CLI、配置 Skills 目录、理解触发规则，普通业务用户根本用不起来。

积木报表的做法是跨越这道门槛：把积木报表的操作规范、API 调用流程、字段绑定规则全部封装成产品内置的 Skills，随产品 JAR 一起分发。用户只需配置 DeepSeek API Key，不需要了解任何 Skills 工作原理，就能获得与 Claude Code Skills 等效的领域 AI 智能。这是一次从"开发者工具"到"产品能力"的跨越。

Claude Code Skills 内置移植到 JimuReport + DeepSeek

Claude Code Skills 是一套什么机制？

要理解"内置 Skills"，得先搞清楚 Claude Code 的 Skills 是什么。

Claude Code 是 Anthropic 推出的 AI 编程工具。它的 Skills 系统，简单说是这样运转的：开发者可以把特定领域的知识、操作规范、执行步骤打包成一个"技能包"，AI 在收到任务时会先匹配是否有相关 Skill，有的话就按照 Skill 里预定义的流程执行，而不是完全靠模型自由发挥。

这带来三个关键变化：

可预期：AI 的行为不再是"看心情"，每次执行路径是确定的
可控制：域外的操作 Skill 不会涉及，越界风险显著降低
领域专精：Skill 里封装了大量产品知识，AI 理解"什么是分组"“如何绑定数据集”，而不需要从头推理

用一个类比：通用大模型是一个什么都懂一点的全科医生，而带有 Skills 的 AI 是一个经过系统培训、熟悉你家医院系统、知道你的病历规范的专科医生——同样是接诊，深度完全不同。

问题在于，Claude Code 是一个独立工具，普通用户不会去安装它、配置它。如果产品的 AI 能力强依赖 Claude Code，推广门槛极高，等于把产品智能化建立在用户环境配置的不确定性上。

Claude Code Skills机制原理

内置 Skills：把专家认知"焊进"产品

积木报表 v2.5.0 走的路子是：不依赖 Claude Code 工具，把 Claude Code 的Skills 的设计思想直接内化到产品里。

具体来说，产品团队把积木报表产品的知识——什么是分组报表、什么是交叉报表、数据集如何绑定、图表如何配置、SQL 如何生成——全部封装成产品内置的 Skill，底层模型换成 DeepSeek。用户只需要在配置文件里填几行 API Key，无需安装 Claude Code，无需了解 Skills 的工作原理，开箱即可使用与 Skills 等效的领域 AI 能力。

jeecg:
  jmreport:
    ai:
      base-url: https://api.deepseek.com
      api-key: sk-xxxxxxxx
      model: deepseek-v4-pro
      temperature: 0
      max-tokens: 16384
      autoTableEnabled: false   # 生产环境建议关闭自动建表

集成积木的Maven 依赖：

<!-- 积木报表 SpringBoot3 -->
<dependency>
    <groupId>org.jeecgframework.jimureport</groupId>
    <artifactId>jimureport-spring-boot3-starter</artifactId>
    <version>2.5.0</version>
</dependency>

<!-- 积木大屏 SpringBoot3 -->
<dependency>
    <groupId>org.jeecgframework.jimureport</groupId>
    <artifactId>jimubi-spring-boot3-starter</artifactId>
    <version>2.5.0</version>
</dependency>

这几行配置背后，是产品内置的完整报表 Skill 体系：支持 18 类报表类型的自然语言生成、对话式样式修改、一键回滚、AI 数据建模……用户感知到的是"一句话生成报表"，但 AI 之所以能做到，是因为它已经知道报表设计器的每一个操作节点该如何处理。

这和"直接调用通用 LLM API"有本质区别：

对比维度	通用 API 接入	内置 Skills
AI 对产品的理解	无，靠 Prompt 临时描述	深度，封装在 Skill 内
执行路径	每次都不确定	固定、可预期
领域深度	浅，受 Prompt 质量影响	深，Skill 里有完整操作规范
用户门槛	需要懂 Prompt Engineering	自然语言即可
稳定性	高度依赖模型状态	Skill 兜底，稳定性更高