第一步：写 YAML 头

 ---
name: feedback-synthesis
description: 将客户反馈综合为主题报告。当用户提及反馈分析、NPS 综合、支持工单主题或客户情感时自动调用。
--- 

两个必填字段：

• name

  ：唯一的名字，小写字母加连字符。之后用 /feedback-synthesis 就能调用它。

• description

  ：描述文字，不仅要让人看懂，还要让 Claude Code 能自动匹配到。要写用户平时会说的话。

第二步：写正文

正文需要包含几个关键部分：

1. 目的说明

用一两句话说清楚这个 Skill 有什么用。先说好处，再说怎么做：

 ## 目的

将原始客户反馈转化为可操作的洞察报告，供产品团队用于优先级决策。 

重点是告诉读者"你能得到什么"，而不是"内部怎么运作的"。

2. 输入要求

说清楚用户需要提供什么：

 ## 预期输入

- **必填：** 包含客户反馈的 CSV 或文本文件（每行一条反馈）
- **可选：** 用于筛选的日期范围（默认为最近 30 天）
- 支持格式：CSV、JSON、纯文本文件
- 最低要求：至少 10 条反馈条目以确保有意义分析 

写得越具体越好。"CSV 文件"太模糊了，要说"包含反馈文本且列名为 feedback 的 CSV"。

3. 执行步骤

按顺序写出 Claude Code 要干什么：

 ## 流程

1. **读取并验证输入文件** 
   - 确认文件存在且格式符合预期 
   - 识别反馈列
   - 报告记录数量
2. **识别主题** 
   - 阅读所有反馈条目 
   - 按常见话题分组 
   - 如需严格分类，使用 resources/categories.md 中的类别定义
3. **分析每个主题** 
   - 统计出现频率 
   - 评估情感倾向（正面、负面、混合） 
   - 提取代表性引述（逐字原文）
4. **生成报告** 
   - 遵循 resources/output-template.md 中的模板 
   - 包含执行摘要、主题分析和建议 
   - 保存至 reports/feedback-synthesis-[日期].md
5. **质量检查** 
   - 验证所有主题都有支持性引述 
   - 确认百分比总和约为 100% 
   - 检查建议是否具有可操作性 

注意要用"读取文件"这种命令式的语气，不要用"文件应被读取"这种被动句。

4. 输出格式

规定生成的文件长什么样：

 ## 输出格式

生成文件：reports/feedback-synthesis-YYYY-MM-DD.md

结构：
- 执行摘要（3-5 条要点）
- 主题分析（每个主题一个章节，包含频率、情感、引述、影响）
- 建议（按优先级排序的列表）
- 方法论（简要说明） 

5. 质量标准

让 Claude Code 在完成前自我检查：

 ## 质量标准

- 每个主题至少包含 2 条支持性引述
- 引述为源数据逐字原文，非转述
- 情感评估需解释推理过程
- 建议需与特定主题相关联
- 文件成功保存至指定路径 

6. 可选部分

还可以加上调用示例、边缘情况和相关 Skill：

调用示例：

 ## 使用示例

- 标准版："对 data/customer-feedback-q4.csv 运行反馈综合"
- 带日期范围："仅针对11月的 feedback.csv 运行反馈综合"
- 快速版："运行反馈综合，只需给我前三大主题" 

边缘情况：

 ## 边缘情况

- **数据稀疏（少于10条）：** 生成报告时附带样本量有限的说明
- **格式混杂：** 若反馈列不明确，请用户指定
- **反馈条目过长：** 对超过500字的单条条目进行摘要
- **非英文内容：** 注明语言后继续处理；不尝试翻译 

相关Skill：

 ## 相关Skill

- prd-audit：利用反馈综合的洞察来审核PRD的完整性
- user-story-expander：将反馈主题转化为用户故事 

完整的 Skill 示例

把上面所有东西拼起来，就是一个完整的 SKILL.md 文件（大概 600 字）：

 ---
name: feedback-synthesis
description: 将客户反馈综合成带有可操作洞察的主题报告。当用户提及反馈分析、NPS综合、支持工单主题、客户情绪或客户之声时自动调用。
--- 

 # 反馈综合

## 目的
将原始客户反馈转化为可操作的洞察报告，供产品团队用于优先级决策。

## 预期输入
- **必需：** 包含客户反馈的文件（CSV、JSON或纯文本）
- **可选：** 日期范围、特定关注领域
- 至少10条反馈条目才能进行有意义的分析
- 支持来自以下渠道的反馈：支持工单、NPS调查、用户访谈、应用商店评论

## 流程
1. **读取并验证输入**
   - 确认文件存在且可读
   - 识别反馈内容
2. **识别主题**
   - 按常见话题对反馈进行分组
   - 目标为4-8个主题
3. **分析每个主题**
   - 统计频率
   - 计算百分比
   - 评估情绪
   - 提取2-3条代表性引述
4. **综合发现**
   - 撰写执行摘要
   - 按频率和业务影响排序
   - 生成可操作的建议
5. **生成报告**
   - 保存至 reports/feedback-synthesis-YYYY-MM-DD.md
6. **质量检查**
   - 验证所有主题均有支持性引述

## 输出格式
生成文件：reports/feedback-synthesis-YYYY-MM-DD.md

## 质量标准
- 每个主题至少有2条逐字引述支持
- 引述为来源原文，非转述
- 百分比总和约等于100%
- 建议足够具体，具有可操作性

## 边缘情况
- **数据稀疏（少于10条）：** 继续处理，但附带样本有限的说明
- **反馈列不明确：** 请用户指定哪一列包含反馈
- **条目过长（超过500字）：** 在分类前先进行摘要

## 使用示例
- "对 data/q4-feedback.csv 运行反馈综合"
- "综合 surveys/november.json 中的NPS回复" 

---

五种常用的 Skill 设计模式

1. 转换模式：整理数据

适用场景： 手上有一堆乱七八糟的数据，需要整理成规整的报告。

例子： 客户反馈 → 主题报告 / 访谈记录 → 洞察摘要 / Git提交 → 发布说明 / 会议记录 → 行动项

流程：

 ## 流程
1. 读取并验证输入数据
2. 应用转换逻辑（分类、摘要、重构）
3. 生成结构化输出
4. 对照标准进行质量检查 

2. 调查模式：回答问题

适用场景： 需要查资料回答一个具体问题，还要提供证据。

例子： "为什么转化率下降了？" → 根因分析 / "这个功能怎么工作的？" → 带文件引用的解释

流程：

 ## 流程
1. 理解问题
2. 确定相关数据源
3. 分析数据源以获取答案
4. 整理证据（引用、参考、数据点）
5. 综合答案与支持证据 

⚠️ 调查模式和转换模式的区别：调查模式的输出结构不固定，取决于找到了什么。

3. 生成模式：按需创建

适用场景： 你给参数，Skill 自动生成文档。

例子： 功能描述 → 用户故事 / 冲刺目标 → 状态报告 / 产品领域 → 竞品分析

流程：

 ## 流程
1. 接收参数（功能名称、日期范围、关注领域）
2. 收集上下文（来自代码库、模板、参考文档）
3. 按照模板生成产物
4. 根据质量标准进行验证 

4. 同步模式：拉取外部数据

适用场景： 从外部系统拉数据，更新本地文档。

例子： Jira → PRD 章节 / 分析仪表板 → 每周指标 / 竞品网站 → 竞争概况

流程：

 ## 流程
1. 连接外部源（通过 MCP 或导出）
2. 提取相关数据
3. 转换为本地格式
4. 创建或更新本地产物
5. 记录同步时间戳 

5. 审计模式：检查质量

适用场景： 拿现有文档对照标准检查，找出问题。

例子： PRD → 完整性检查 / 用户故事 → 质量评估 / 文档 → 代码准确性验证

流程：

 ## 流程
1. 读取待审计的产物
2. 加载评估标准（来自参考文件）
3. 针对每条标准评估产物
4. 整理发现（通过项、未通过项、缺失项）
5. 生成改进建议 

怎么选？

问题	用什么模式
有数据需要整理？	→ 转换
要回答一个问题？	→ 调查
要按规格创建东西？	→ 生成
要拉外部数据到本地？	→ 同步
要检查现有的东西？	→ 审计