用 Claude Code 的 Skill 机制，把「重复又繁琐」的日常搬砖活儿，一键交给 AI。

---

📌 一、写在前面：什么是「班味」

每个打工人大概都逃不过这几种日常：

• 🕳️ 开不完的会——上午一个、下午一个，偶尔还叠着来；
• 🐂 牛马不停地「收到收到」——群里一通知，手指条件反射地回复；
• 📋 重复的会议纪要专员——会后默默整理要点，生怕漏了谁负责、啥时候交。

仔细看，这些活儿其实都长着同一张脸：

会议有个主题 → 抽象成要解决什么问题 → 明确谁负责 → 定下截止日期。

而这一整套「谁、做什么、何时」的提炼工作，本质上是有固定套路、可以被固化的。既然有套路，就该让 AI 来干。

---

🎯 二、核心思路：把「流程」变成「技能」

传统的人工流程长这样：

录音（钉钉硬件） → 转成文本 → 人工读稿 → 手写会议纪要

每一步都要人肉参与，累且容易出错。而有了 Skill 之后：

录音（钉钉硬件） → 转成文本 → 会议纪要 Skill（自动化）✅

Skill（技能） 的本质，就是把一段「重复的专业工作」写成一份说明书，交给大模型照做。一旦沉淀下来，下次遇到同类任务，AI 就能直接上手，不用每次重新教一遍。

💡 一句话理解：Skill = 把 Prompt 固化进项目里的「专业能力包」。

---

🧱 三、Skill 长什么样：固定的结构与模式

一个 Skill 在文件系统里就是一个文件夹，结构非常清爽：

skills/
└── hys/
    └── meeting/                     # 项目技能目录
        └── .claude/
            └── skills/
                ├── meeting-minutes/   # 技能①：会议纪要
                │   └── SKILL.md
                └── hao-ai-daily/      # 技能②：AI 日报
                    ├── SKILL.md
                    ├── assets/
                    │   └── template.html
                    └── scripts/
                        └── fetch_news.py

每个技能的核心就是那个 SKILL.md。它采用固定格式：

• 📑 基础头部（frontmatter）：用 --- 包裹的 YAML 字段；
• 🏷️ name：技能的名字；
• 📝 description：功能描述——这一行尤其关键，它是给大模型判断「现在该不该用这个技能」用的。

---
name: meeting-minutes
description: 根据会议文字稿生成结构化会议纪要。当用户提供会议转写文本、
  要求「整理会议纪要」「做会议记录」「总结会议」时，使用本技能。
---

⚠️ 划重点：description 写得好不好，直接决定了 AI 能不能在正确时机「自动想起」这个技能。

---

📝 四、实战技能①：meeting-minutes 会议纪要

它解决什么问题

把一段口语化、充满停顿词和闲聊的会议文字稿，整理成一份结构清晰、可直接存档或分发的会议纪要。

工作流程（三步走）

1. 通读全文 📖 —— 先建立全局认识，理解主题、发言人和结论，再动笔；
2. 清理噪音 🧹 —— 剔除停顿词、口头禅、跑题闲聊、语音识别乱码；
3. 结构化输出 🗂️ —— 按固定模板组织内容。

输出模板（核心价值）

# 会议纪要

## 一、会议基本信息
- **时间** / **地点** / **参会人**

## 二、会议目标
- **目的** / **预算** / **背景**

## 三、会议内容
### 主题 1：（主题名）
- **讨论内容** / **主要观点** / **结论**

## 四、行动项
| 负责人 | 任务 | 截止时间 |
| --- | --- | --- |

关键规则（保证质量）

规则	说明
🔒 不确定即留空	凡无法确定的信息，标注「未提及」，绝不臆造
🎯 忠实原文	观点忠实转述，不添加自己的解读或润色
✅ 行动项三项齐全	「谁 + 做什么 + 何时」缺一不可
📎 按主题不按顺序	同一话题合并，避免流水账

🎬 本目录的 meeting_content.txt 正是一段真实的团建讨论逐字稿，meeting-minutes 技能可以把它一键变成结构化纪要——这也是它诞生的初衷。

---

📰 五、实战技能②：hao-ai-daily AI 日报

它解决什么问题

每天被海量 AI 信息淹没，没时间一个个网站去刷？这个技能帮你把散落在多个科技媒体的 AI 新闻，自动汇整成一份中文精华日报。

工作流程（四步流水线）

抓取 → 过滤 → 摘要 → 生成页面

1. 📥 抓取原始资讯 —— 运行自带脚本 python scripts/fetch_news.py，只用 Python 标准库、零依赖，从三个来源抓取近 24 小时新闻：

   • 🟠 Hacker News（Algolia API）——按 AI 关键词 + 热度（points>30）预筛；
   • 🟢 TechCrunch AI 频道（RSS）；
   • 🔵 The Verge AI 频道（Atom）。
   • 单个来源失败会打 [warn] 并继续，容错拉满。

2. 🔎 智能过滤 —— 去重、剔除噪音（发布会预告/软文/水帖）、保留有价值资讯（新品发布、融资并购、开源动态、研究突破、监管政策），目标产出 8–20 条。

3. ✍️ 生成中文摘要与标签 —— 每条产出：

   • title_zh 中文标题（意译，不标题党）；
   • summary 50–100 字核心摘要（讲清「是什么 + 为什么重要」）；
   • tags 2–4 个关键词标签（如「大模型」「开源」「融资」）。

4. 🎨 生成可视化 HTML 日报 —— 读取 assets/template.html，替换日期和新闻 JSON，输出一张张可点击的卡片，最终写出 hao-ai-daily-YYYYMMDD.html。

📂 本目录已经生成了一份成果：hao-ai-daily-20260813.html，双击即可打开一份精美的卡片式 AI 日报。

---

🛠️ 六、幕后功臣：skill-creator

你可能要问：这些 Skill 是怎么「标准化」地造出来的？

答案就是 Anthropic 官方推出的 skill-creator——一个专门用来创建、改进、评测 Skill 的元技能。

它的价值在于：

• 📏 标准化 —— 把封装 Skill 的过程统一成固定套路，降低上手门槛；
• 🔁 迭代循环 —— 「写草稿 → 测试 → 评估 → 优化 → 再来一遍」，直到满意；
• 📊 可评测 —— 支持定量 eval、基准对比、描述优化（improve_description.py 等脚本）。

一句话总结它存在的意义：

当你发现自己频繁重复某种工作时，就该用 skill-creator 把它封装成自己的 Skill，随时创建、随时调用。

---

🌟 七、总结：从「收到收到」到「自动化」

维度	传统做法	Skill 自动化
🕐 时间	人工逐字整理	秒级出稿
🎯 一致性	忽好忽坏	模板固定、稳定输出
🔁 复用性	每次重来	一次沉淀、永久复用
🧠 门槛	靠经验	靠 description 触发

回看整个文件夹，其实讲的就是一条清晰的升级路径：

痛点（重复的会议纪要 / 刷不完的资讯）
   ↓
抽象成固定流程（谁负责、何时交 / 抓取-过滤-摘要-生成）
   ↓
用 skill-creator 封装成 SKILL.md
   ↓
一键调用，OPC 迈进自动化 ✅

把「重复、繁琐、但必要」的工作交给 AI，把「创造、判断、决策」留给自己——这，就是 Skills 会议室的自动化之路。🚀