跨境卖家的第一个 Claude Code Skill：从广告报表分析开始
Skill 就是把一段运营 SOP 写成一个 Markdown 文件，放进 .claude/skills/ 目录，之后一句斜杠命令就能重复执行。它的价值不在让 AI 更聪明，而在让每次执行都用同一套口径和阈值。写第一个 Skill 时最容易漏的是三件事：口径没写死、输出格式没固定、禁止动作没声明。文章给出一个可直接复制的广告诊断 Skill 完整代码。
Skill 就是把一段运营 SOP 写成一个 Markdown 文件，放进 .claude/skills/ 目录，之后一句斜杠命令就能重复执行。它的价值不在让 AI 更聪明，而在让每次执行都用同一套口径和阈值。写第一个 Skill 时最容易漏的是三件事：口径没写死、输出格式没固定、禁止动作没声明。文章给出一个可直接复制的广告诊断 Skill 完整代码。
前面几篇讲的都是「为什么」，这篇开始动手。
Skill 的本质很简单：把一段你每次都要重复交代的运营流程，写成一个 Markdown 文件放在固定目录里。之后你只要敲一句斜杠命令，它就按这个文件里写的规则执行一遍。
它解决的不是「AI 不够聪明」，而是「每次结果都不一样」。同一份广告报表，你今天问和明天问，聊天工具可能给你两套不同口径的分析。写成 Skill 之后，口径固定了，阈值固定了，输出格式也固定了。
这篇用广告诊断做例子，因为它是跨境运营里最典型的一类活：数据是现成的、判断标准写得出来、结果一眼能验证。
还没装好的先看《Claude Code 安装教程》。
从广告后台导出一份报表，放进项目目录：
my-store/
└── data/
└── ads-2026-09.csv
报表里至少要有这几列，列名叫什么不重要，后面在 Skill 里说明就行：
先看一眼这份文件，确认数据是完整的。一份缺列或者编码乱掉的 CSV，会让后面所有判断都失真。
两个位置，按用途选：
~/.claude/skills/<名字>/SKILL.md：个人级，你所有项目都能用.claude/skills/<名字>/SKILL.md：项目级，跟着这个项目走，提交到 Git 之后团队共用运营 SOP 建议放项目级。它属于这个店铺的规则，也应该跟着仓库一起分发给同事。
目录名就是斜杠命令名。建一个叫 ads-check 的目录，之后就用 /ads-check 调用。
my-store/
├── data/
│ └── ads-2026-09.csv
└── .claude/
└── skills/
└── ads-check/
└── SKILL.md
SKILL.md 由两部分组成：最上面的 YAML frontmatter，和下面的正文指令。
frontmatter 里常用的就几个字段：
| 字段 | 作用 |
|---|---|
name |
显示名，不写就用目录名 |
description |
说明什么时候该用这个 Skill。这条同时决定 Claude 会不会在你没敲命令时自动触发它 |
argument-hint |
敲命令时的参数提示，例如 [报表文件名] |
allowed-tools |
这次执行里预先放行的工具，例如 Read Write Bash(python3 *) |
disable-model-invocation |
设成 true 就只能手动调用，Claude 不会自己触发 |
正文没有格式要求，就是写给它看的说明书。写得越具体，结果越稳。
下面这份可以直接复制，改掉里面的口径和阈值就能用：
---
name: ads-check
description: 分析 Amazon 广告报表 CSV，按店铺口径计算指标、标出异常关键词、生成诊断报告和否定词候选清单。当用户要求做广告复盘、看广告数据、找烧钱词或找否定词时使用。
argument-hint: [报表文件名]
allowed-tools: Read Write Bash(python3 *)
---
## 数据
分析 `data/` 目录下的广告报表 CSV。用户指定了文件名就用指定的，没指定就用最新的一份。
报表的列名可能是中文或英文，按含义对应到：关键词、广告活动、花费、点击、订单数、销售额。
## 指标口径
- ACoS = 花费 ÷ 销售额
- ROAS = 销售额 ÷ 花费
- CPC = 花费 ÷ 点击
- 转化率 = 订单数 ÷ 点击
- 没有销售额的行，ACoS 记为无穷大，不要当成 0
所有金额保留两位小数，比率保留一位小数的百分比。
## 判断阈值
- 目标 ACoS：30%
- 烧钱词：花费 ≥ 50 且订单数 = 0
- 高 ACoS 词：有订单，但 ACoS > 45%
- 值得加价词：ACoS < 20% 且订单数 ≥ 3
- 数据量不足：点击 < 10 的行不下判断，单独归到「样本太少」
## 输出
在 `reports/` 目录下生成一份 Markdown 报告，文件名带上报表日期。报告按这个顺序写：
1. 整体情况：总花费、总销售额、整体 ACoS、和目标 ACoS 的差距
2. 烧钱词清单：按花费从高到低，列出关键词、花费、点击、建议
3. 高 ACoS 词清单：列出关键词、ACoS、订单数、建议
4. 值得加价词清单
5. 样本太少的词：只列数量，不逐条展开
6. 否定词候选：从烧钱词里挑，逐条写明为什么建议否定
计算用 Python 做，不要靠估算。
## 禁止动作
- 不修改原始 CSV
- 不调用任何广告接口，不修改竞价、预算和否定词
- 所有调整只写成建议，由人确认后自己去后台操作
- 数据不足以下判断时，直接写「数据不足」，不要凑一个结论
在项目目录里启动 Claude Code，然后：
/ads-check ads-2026-09.csv
它会读报表、写一段 Python 算指标、按你定的阈值分类、把报告写进 reports/ 目录。
也可以不敲命令，直接说「帮我看一下这个月的广告数据」。因为 description 里写了触发条件，它会自己用上这个 Skill。如果你不想要这种自动触发，在 frontmatter 里加 disable-model-invocation: true。
第一次跑出来的报告，不要直接拿去用。至少核对这三处：
这三件事只需要核对一次。确认口径对了之后，后面每次运行都是同一套算法，不用再逐条验。
第一版跑完，你大概率会想改点东西。这才是 Skill 真正的用法。
常见的调整：
改完 SKILL.md 保存，再敲一次 /ads-check 就是新规则。
到这一步你会发现一件事：你其实是在写一份运营手册，只不过这份手册有人会照着执行。
两个都是给它看的规则文件，分工不一样：
CLAUDE.md 放长期不变的业务背景：主营平台、站点、类目、报告用什么语言、公司通用的指标口径SKILL.md 放某一件事的具体做法：这个流程读哪些数据、按什么阈值判断、输出成什么样判断方法很简单：这条规则只有做广告诊断时才用到，就写进 Skill；做任何事都要遵守，就写进 CLAUDE.md。
CLAUDE.md 每次开工都会被读到，所以别把它写成大杂烩。它越长，重点越容易被稀释。
上面那份 Skill 最后一节是「禁止动作」，别删掉。
广告诊断是安全的，因为它只读数据、只写报告。但一旦你后面接了广告 API，它就具备了直接改竞价和预算的能力。到那时候，禁止动作写没写，就是「它给建议」和「它直接动你的广告账户」的区别。
养成习惯：每个 Skill 都写清楚哪些动作它不能做。这比事后补救便宜得多。
有了第一个 Skill，后面每个场景都是同一套做法：准备数据 → 写口径和阈值 → 固定输出格式 → 声明禁止动作 → 跑一遍核对。
接下来按场景逐个拆，从品类调研开始。
大部分团队用 AI 还停在翻译、写文案和生成图，AI 只参与了工作中间一小段。Claude Code 的区别在于它能读本地文件、通过 MCP 接外部数据、把流程写成 Skill 反复执行，也就是能自己动手而不只是给建议。但对外发送、改价、改库存这类动作必须留人工确认；能批量生成不等于该批量生成。建议先挑一个每周都要重复、规则写得出来、结果能验证的动作跑通，再往外扩。
串联的价值不在省时间，在保证上下游用的是同一份判断——选品时认定的差异点，会一路传到 Listing 的卖点和广告的核心词上。做法是让每个 Skill 输出结构化的中间文件，下一个 Skill 读它而不是重新推导。但串联会放大错误：上游一个错误结论会污染下游全部产出，所以关键节点必须保留人工确认，出问题时也要能单步重跑。
监控的难点不是抓数据，是决定什么值得打断你。价格波动几毛钱、短暂缺货、临时活动价，这些每天都在发生，全推给你等于没有监控。做法是设置幅度阈值和持续时间双重过滤，再按影响程度分成立刻通知、汇总日报、只记录三档。跟价一律不自动执行，因为自动跟价的对手方也是程序，很容易被拖进对谁都没好处的价格战。
作者
大阪烧鸟
大阪烧鸟，关注 AI 在跨境电商运营中的实际应用、Shopify 独立站与日本商业观察，偏爱把复杂问题拆成可执行的方法。
如果这篇内容对你有帮助，可以继续浏览 zens.osaka 的文章列表，按主题顺着看相关问题。
转载或引用请保留 zens.osaka 的原文链接与标题。
