作者： 连小白 (连享会)
邮箱： lianxhcn@163.com

温馨提示：若页面不能正常显示数学公式和代码，请阅读原文获得更好的阅读体验。

 

• Title: 从 Prompt 到 Skills：把论文复现、数据清洗和代码规范写进 AI
• Keywords: Claude Code, Skills, SKILL.md, AI Agent, 科研工作流, 论文复现, Stata, Python, Quarto
• 提要：从 Prompt 到 Skills，关键不是让 AI 回答得更长，而是把论文复现、数据清洗、代码规范和写作要求沉淀为可复用规则。本文面向经管和社会科学研究者，介绍如何用 Claude Code Skills 固化项目目录、路径、输出和复现要求，让 AI 从临时助手逐渐变成更熟悉项目规则的研究协作者。

 

编者按：很多研究者已经开始用 AI 写代码、清洗数据、修改论文、检查复现包。但一个常见问题是：AI 每次都像第一次接触你的项目，路径规则、数据规则、输出规则和写作规范都要反复解释。本文讨论如何借助 Claude Code Skills，把这些重复出现的项目规范沉淀为 AI 可以长期调用的工作流规则。

1. AI 不是不听话，而是不知道项目规则

很多研究者使用 AI 的体验，并不是「AI 完全不会」，而是「它每次都像第一次接触我的项目」。

你明明提醒过它不要修改原始数据，它下一次还是可能动了 data_raw/；你强调过要使用相对路径，它又写出一个只在你电脑上能运行的本地路径；你要求回归表放进 tables/、图片放进 figs/，它这次记住了，下次又忘了；你让它修改 Quarto 文稿，它可能顺手把公式、脚注和交叉引用改乱。

这些问题表面上是 AI 不稳定，深层看却是研究项目没有形成 AI 可以读取的工作规则。

过去，我们把项目规范写给人看：写在 README 里，写在课题组文档里，写在老师给学生的注意事项里。这样做当然有用，但它默认读者是人。人可以理解上下文，可以根据经验判断哪些文件不能动，哪些输出只是中间结果，哪些表格才是论文最终结果。

可是，当 AI 开始参与数据清洗、代码生成、论文修改和复现检查时，只让人看懂规范已经不够了。我们还需要让 AI 也能看懂，并在相关任务中自动遵守。

这就带来一个新的问题：研究项目的规范，能不能从「写给人看的说明」变成「AI 可以执行的工作流」？

Claude Code Skills 正是为这个问题提供了一种思路。它不是让我们写更长的 Prompt，而是把那些反复解释给 AI 的要求，写成可以被自动调用的 SKILL.md。换句话说，它不是在解决「这一次该怎么问 AI」，而是在解决「以后遇到类似任务，AI 应该默认按什么规则做」。

对经管类和社会科学研究者来说，这个转变很重要。我们的很多工作并不是一次性的：一篇论文要反复清洗数据、调整变量、跑回归、导出表格、画图、写附录、准备复现包；一门课程要反复生成讲义、代码、案例和作业；一个课题组要长期维护目录结构、变量命名、数据版本和输出规范。

如果这些规则只能靠每次 Prompt 临时提醒，AI 就始终像一个临时工。如果这些规则被写成 Skills，它才有机会逐渐成为一个理解项目工作流的协作者。

2. Prompt 适合临时沟通，Skills 适合长期记忆

我们最熟悉的是 Prompt。

Prompt 适合解决临时问题。例如：

请帮我写一段 Stata 代码，读取 auto.dta，做一个回归，并导出结果表。

这个要求很具体，AI 通常可以完成。

但问题在于，很多研究规则并不是一次性要求，而是长期约束。比如：

• 不要修改原始数据；

• 不要写本地绝对路径；

• 数据清洗、变量构造、回归分析要分开；

• 回归表输出到 tables/；

• 图形输出到 figs/；

• 每次修改代码后说明改了哪些文件；

• Quarto 公式不要被错误拆行；

• Stata 代码要写清楚注释，便于教学和复现。

这些内容如果每次都写进 Prompt，就会非常低效。更重要的是，它们本来就不是临时偏好，而是项目规范。

可以用一句话概括：

Prompt 解决的是「这一次怎么做」；Skills 解决的是「以后遇到这类任务都应该怎么做」。

Anthropic 对 Agent Skills 的说明中，将 Skills 描述为由文件和文件夹组成的模块化机制，用来为 agent 提供程序性知识和组织上下文；Claude Code 文档也把 Skills 放在扩展 Claude 能力的工具体系中，用于创建、管理和共享可复用能力。(Anthropic)

换成研究者更熟悉的话说，Skill 就像写给 AI 的「项目工作手册」。它通常放在 .claude/skills/ 目录下，每个 Skill 对应一类任务。Claude 可以根据任务内容判断是否需要调用相关 Skill，也可以在用户明确点名时调用。

普通文档和 Skills 的差别，可以这样理解：

维度	普通说明文档	Claude Code Skills
主要读者	人	AI Agent
使用方式	人主动打开查看	Claude 根据任务判断是否调用
生效时机	出错后再查	生成前先约束
典型内容	项目说明、操作指南	任务规则、触发场景、正反示例
适用场景	说明项目	约束 AI 执行项目任务

这里的关键不是技术文件本身，而是协作方式的改变。

过去，我们把每一次任务都当作新的对话：这次请你写回归代码，这次请你清洗数据，这次请你检查复现包。于是，路径规则、输出规则、数据保护规则、文件命名规则都要反复解释。

Skills 把这种临时沟通改成了长期规则。只要任务触发了对应 Skill，Claude 就会先读取相关规范，再开始行动。

这不保证 AI 永远不犯错，但可以显著减少那些反复出现、低级而耗时的错误。

需要先说明一点：本文主要以 Claude Code Skills 为例，讨论如何把论文复现、数据清洗和代码规范写成 AI 可以调用的项目规则。严格来说，SKILL.md、.claude/skills/ 目录和自动触发机制，是 Claude Code / Anthropic 生态中的原生设计。Claude Code 官方文档也明确提到，当你反复粘贴同一套说明、检查清单或多步骤流程时，就可以考虑把它写成 Skill。

但本文真正想强调的，不只是 Claude Code 的某个功能，而是一个更通用的工作方式：把反复解释给 AI 的项目规则，沉淀为可复用、可加载、可更新的上下文。至于 ChatGPT、Kimi、DeepSeek、豆包等工具如何实现类似效果，我们会在另一篇推文「没有 Claude Code，如何实现 Skills？ChatGPT、Kimi、DeepSeek、豆包的替代方案」中专门讨论。

温馨提示：若页面不能正常显示数学公式和代码，请阅读原文获得更好的阅读体验。