研究、写作、图像生成、事实核查、SNS 发帖、记账以及日程管理。通过将 21 项任务整合进一个 Claude Code 环境中，我每天的实际工作时间缩减到了 60 分钟。
题图由 AI 生成。 提示词见这篇 超 14 万字的文章。
我是一名前平面设计师。没有编写代码的工作经验。我做了 14 年的印刷媒体设计，并在 2020 年转向了 Web/AI 领域。
我在 Claude Code 内部构建了一个“一人营销部门”。虽然称之为部门，但它并不局限于营销。它是一个将业务运营本身整合到单个 AI 环境中的系统。
在这篇文章中，我将阐述这 21 个技能的整体设计、整合的设计理念、日常工作流程，以及完整的构建过程。
如果你还没有安装，点击这里
https://x.com/kawai_design/status/2032673056347533607
[40 分钟告别“我该用它做什么？”]
展示完整的专业 Claude Code 工作空间
仅限前 100 人：网络研讨会详情在这里
https://x.com/kawai_design/status/2037862268210118865
21 个技能的整体设计
我的 Claude Code 环境中有 21 个技能。每个技能都具备独立的专业能力，并分为五个层级。
研究层
- research-ai： AI 新闻的自动收集与筛选。一种结合了 RSS 订阅源和 Claude 筛选的混合方法。
- research-insight： 探索潜在需求与结构性问题。通过对定性数据进行三角验证来发现“未被言说的问题”。
生产层
- writer-article： Note 文章的端到端写作。从结构设计、正文撰写到插入模板文本和文件输出。
- writer-post： X 平台帖子的设计、撰写与管理。
- writer-copy： 网站、着陆页和广告的文案撰写。
- thumbnail： 缩略图图像生成提示词的设计。
- diagram： 章节插图的图像生成提示词设计。
- table： HTML/CSS 表格的生成。
- slide-builder： 网络研讨会幻灯片网站的构建。
- ui： 网站、着陆页和仪表盘的 HTML/CSS/JS 实现。
质量控制层
- fact-check： 对照原始来源，验证数字、引文、归属以及因果关系。
- design-score： 对横幅、缩略图、着陆页等设计进行百分制评分。
运营层
- secretary： 管理预约、待办事项和日程。
- accounting： 生成发票和录入销售台账。
- message： 创建回复文本，用于处理 X 私信、电子邮件和咨询。
- seminar： 研讨会策划的端到端设计。
分析层
- today-analytics： 汇总近期 X 平台的表现数据。
- week-review： 每周内容表现回顾。
- atom-suggest： 建议下一阶段要发布的内容候选。
此外，还有针对外部客户的专业变体（diagram-shiftai / thumbnail-shiftai / slide-builder-shiftai）。
所有内容都以文件夹形式存在于 ~/.claude/skills/ 下，而 CLAUDE.md 则充当协调器。
通过 CLAUDE.md 实现技能整合的设计理念
单独运行 21 个技能是没有意义的。重要的是所有技能共享同一个上下文。
CLAUDE.md 正是实现这种“上下文共享”的关键。
CLAUDE.md 包含以下内容：
- Takuya Kawai 的个人简介、职业经历和头衔
- 服务定义（漏斗结构、定价体系、各项服务的定位）
- 审批规则（哪些可以自动执行，哪些需要上报）
- 质量标准（Output Gate 评判条件）
- 数据层定义（atoms.csv / pipeline.csv / outputs.csv 的操作规则）
无论调用哪个技能，CLAUDE.md 都会被首先加载。换言之，所有技能都遵循“相同的人格、相同的判断标准和相同的质量要求”来运作。
这就是仅仅排列技能与拥有“一个具备 21 种专业能力的个体”之间的区别。
如果你将技能分开并让它们独立运行，那么当技能 B 基于技能 A 的研究结果撰写文章时，A 的上下文就会丢失。B 必须重新加载品牌基调、核对与过往文章的一致性，并重建人格。
有了 CLAUDE.md 的整合，这种重建成本降为零。研究技能收集到的素材可以直接成为文章技能的输入。
文章生成的同时，缩略图和插图也会自动设计完成。写好的文章会经过事实核查，并扩展成 SNS 帖子。
表现数据由分析技能收集，并反馈到下一轮的内容策略中。
共享上下文决定了质量和速度。
技能之间的数据流
让我们具体看看技能整合的效果。
数据通过三个 CSV 文件进行管理：
- atoms.csv： 内容的种子（新闻、经验、分析结果）。所有内容的原材料。
- pipeline.csv： 计划将每个原子部署到哪个渠道。包含状态管理。
- outputs.csv： 实际发布内容的记录。同时积累表现数据。
流程如下：
research-ai 每天早上收集 AI 新闻并添加到 atoms.csv。research-insight 每周探索潜在需求，也添加到 atoms.csv。
部署判断在 pipeline.csv 中运行。“这个原子将写成 Note 文章”、“这个原子将在 X 发帖”、“这个原子两者都做”。判断标准根据互动率和展示次数自动执行。
当 writer-article 撰写文章时，atoms.csv 的原始数据和 CLAUDE.md 的质量标准会同时被加载。文章完成后，thumbnail 和 diagram 生成提示词，fact-check 执行验证。
发布后，today-analytics 和 week-review 收集表现数据并积累到 outputs.csv。这些数据流入 atom-suggest，成为决定接下来写什么的基础。
因为所有技能都引用并更新同一个数据库，这个循环得以持续运转。
每天 60 分钟的工作流程
这是一天中实际的工作内容。
总计：约 60 分钟。
如果你手动完成同样的工作，仅写文章一项就需要 3-4 小时，再加上 SNS 发帖、邮件、幻灯片和发票，每天很容易超过 8 小时。
之所以只需要 60 分钟，是因为技能之间的交接时间几乎为零。一篇文章写完后，缩略图会自动设计。
事实核查自动运行。SNS 扩展文本自动生成。没有花在“为下一项任务重新整理信息”上的时间。
构建过程——一名前设计师的做法
我构建这个系统并没有依赖编程技能。
需要以下 5 个步骤：
步骤 1：将操作显性化
你在做什么、按什么顺序、依据什么判断标准？将这个过程用 Markdown 写出来，这占了总工作量的 80%。
这无关 Claude Code 的设置。这是对你自身工作的盘点。
*“写 Note 文章时，我首先检查什么？”
“制作缩略图时，我依据什么来决定文案？”
“开发票时，我从哪里获取哪些信息？”*
我将所有曾经是隐性知识的工作流程都清晰地表述了出来。
步骤 2：设计 CLAUDE.md
将所有技能通用的规则、品牌定义、审批流程和质量标准整合到一个文件中。
这相当于一份“公司管理政策文件”。无论调用哪个技能，它都依据此政策运作。人格和判断标准的统一在此决定。
https://x.com/kawai_design/status/2031673798479790362
步骤 3：创建 SKILL.md
用 Markdown 为每个技能定义触发条件、执行流程、质量标准、参考文件和输出目的地。每个技能约 100-300 行。
对于 writer-article，“结构模板”、“语气规则”、“模板文本插入位置”、“标题规则”和“与过往文章去重检查流程”都写在其中。
https://x.com/kawai_design/status/2022911084588675503
步骤 4：准备参考数据
模板文本、品牌指南、过往文章档案（878 篇）、文案模式集合和插图目录。准备好技能可以引用的“教材”。
过往文章已完全数据库化并可进行关键词搜索。在撰写新文章前，它总是会搜索过往文章，以确保不会与已有文章在相同主题上产生矛盾。
步骤 5：迭代改进
系统无法一步到位。使用它，查看输出，然后修复 SKILL.md。通过这种重复，准确性会得到提升。
构建周期大约是一周。然而，这并不是说“我整整花了一周来构建”，而是我在一周内使用 Claude Code 执行常规工作的同时，将成功的模式转化为技能的结果。
为什么上下文共享很重要
让我们更深入地探讨一下技能整合的核心。
我的 writer-article 技能在撰写文章前总是会搜索过往文章档案。它会从一个包含 878 篇文章的数据库中拉取相关文章，确认它们与现有观点不矛盾后，才开始撰写。
这是可能的，因为“引用过往文章档案的方法”、“搜索命令”和“档案存储路径”都在 CLAUDE.md 中明确说明了。
writer-article 技能本身并不拥有数据库。它只是引用一个共享的数据层。
同样地，当 fact-check 技能执行事实核查时，它引用的是 CLAUDE.md 中的质量标准。
*“是否存在任何夸大？”
“关于原始来源未提及的事情，是否写得太绝对？”
“数字是否有据可查？”*
如果每个技能的标准不同，质量就会不一致。
当 design-score 技能对缩略图进行评分时，它也同样引用 CLAUDE.md 中相同的品牌定义。因为它在理解品牌基调后进行评分，所以能返回有意义的反馈。
让所有技能共享“相同的记忆”。这是整合设计中最重要的点。
给刚开始接触的人
“21 个技能太多了。我应该从哪里开始？”
一个很自然的问题。
答案很简单。只把你每天做的一项任务变成一个技能。
我第一个变成技能的任务是写 Note 文章。结构模板、模板文本插入位置、语气规则。将这些写入 SKILL.md 就是我的起点。
第一个技能稳定后，再创建第二个。第二个完成后，思考它与第一个的连接。如此重复，不知不觉你就会发现自己已经拥有了 10 个或 20 个技能。
重要的事情是不要试图一次性完成所有事情。
以下是具体的开始方法：
1. 选择一项你每天都会做的任务
回复邮件、发 SNS 帖子、创建报告、整理会议纪要。什么都可以。那些让你感觉“每次都在解释同样的事情”的任务是理想的选择。
2. 用 Markdown 写下该任务的流程
不一定非要完美。“先检查这个，然后写这些，最后保存在这里”这样的程度就足够了。
3. 让 Claude Code 将其作为 SKILL.md 读取
将写好的流程格式化为 SKILL.md，并放置在 ~/.claude/skills/ 目录下。
4. 使用并修正
如果输出奇怪，就修正 SKILL.md。通常经过 3-5 次修改就能达到实用水平。
5. 创建第二个并连接起来
第二个技能完成后，在 CLAUDE.md 中定义通用规则。技能整合从这里开始。
当你在工作中感觉到“我每次都在解释同样的事情”时，那一刻就是下一个技能的种子。
[40 分钟告别“我该用它做什么？”]
展示完整的专业 Claude Code 工作空间
仅限前 100 人：网络研讨会详情在这里 ↓
─────────────────
除此之外，我还发布了许多关于 AI 时代未来预测和工具解析的文章。所有内容均可免费阅读，欢迎查看。
https://x.com/kawai_design/articles
─────────────────
如有培训或演讲相关的请求或咨询，请通过个人资料中的网站与我联系。
