首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >我用 Claude Code 做了一个「写标书」的 Skill,然后把整个行业的东西都删了

我用 Claude Code 做了一个「写标书」的 Skill,然后把整个行业的东西都删了

作者头像
七帅
发布2026-06-24 19:58:42
发布2026-06-24 19:58:42
9950
举报

Hi,大家好,我是七帅。

上周有个做园林绿化的朋友找到我。

说每次投标都要写几百页的技术标书。施工方案、人员配置、进度计划、安全管理……一个项目下来,光是整理文档就要一周。

问我能不能用 AI 帮忙搞。

我说试试。

先搞清楚一个问题:Skill 到底是什么?

很多人以为 Skill 是个很复杂的东西。

其实不是。

Skill 就是一堆 Markdown 文件,放在一个文件夹里。

Claude Code 启动的时候会读这个文件夹。读到什么,它就懂什么。就这么简单。

你给它放一份评标办法,它就知道评委怎么打分。你给它放一份施工规范,它就知道怎么写施工方案。你给它放一份公司人员名单,它就知道填谁的名字。

本质上,Skill 就是你给 AI 装的一个「知识包」。

第一步:先摸清标书的结构

我没急着写代码。

先问朋友要了几份他们公司之前中标的技术标书。足足几百页。

然后我开始拆。

拆完发现一个规律:标书其实就两部分。

一部分是「固定的」,一部分是「可变的」。

固定的部分,每次投标都一样。公司业绩、人员证书、专利、获奖、绿色低碳材料……这些东西换个项目也不用改。

可变的部分,每个项目都不一样。施工方案要跟着工程量清单走,进度计划要跟着工期走,人员职责要跟着项目特点走。

这个发现很关键。

因为这意味着,我不用让 AI 每次都从头写。固定部分直接复制,可变部分才需要 AI 生成。 效率一下子就上去了。

第二步:找到「标书写作」的指南针

拆完结构,我又发现一个更重要的事。

标书不是自由发挥的作文,是对标评分标准的答卷。

评委手上有评分表。每个评分项有分值,有「优/良/一般」的具体标准。写标书的目标不是写得好,而是每一条都拿到最高档

比如,「施工方案」这一项,10 分。「优」的标准是什么?

施工特点及应对措施好,重难点分析到位,方案针对性强、可实施性好,技术方案优化水平高。

你看,评标标准已经告诉你该写什么了。

所以我做了一个决定:把评分标准作为整个 Skill 的核心驱动。

不是 AI 想怎么写就怎么写。是评分标准要什么,AI 就写什么。

第三步:搭建 Skill 的文件结构

搞清楚逻辑之后,文件结构就很自然了。

代码语言:javascript
复制
bid-gen/
├── SKILL.md                    # 主文件:告诉 AI 工作流程
├── scoring-guide.md            # 评分标准:告诉 AI 每一项怎么拿满分
├── variable-sections-guide.md  # 章节模板:告诉 AI 每章怎么写
└── reference/                  # 参考文件:行业知识、公司材料
    ├── 标书模板.md
    ├── 评标办法.png
    ├── 气候分区参考.md
    └── 各种示例文件...

每个文件各司其职。

SKILL.md 是总指挥。它定义了三步工作流:先采集信息,再分章节生成,最后组装输出。

scoring-guide.md 是指南针。它把 11 项 100 分的评分标准拆开,告诉 AI 每一项的「优」是什么标准,怎么写才能拿到。

variable-sections-guide.md 是模板库。10 个可变章节,每个章节都有结构模板、信息来源、质量标准。

reference/ 是知识库。放的是行业知识、公司固定材料、示例文件。

AI 读了这些文件,就像一个新人读完了公司的标书培训手册。 知道流程是什么,标准是什么,模板是什么,该往哪填。

第四步:定义每个章节的「写作公式」

这是最花时间的部分。

我逐章拆解,给每个章节设计了写作框架。

拿「施工方案」来说。这是标书里篇幅最大的章节,可能占 300 页。而且它必须按工程量清单的每个分项逐一展开。漏一项就扣分。

所以我给每个施工分项设计了 8 个标准部分:

代码语言:javascript
复制
(1)工程概况
(2)施工准备
(3)施工工艺流程
(4)施工方法及技术要点
(5)质量控制措施
(6)安全注意事项
(7)季节性施工措施
(8)成品保护及养护措施

AI 每次写一个分项,就按这个 8 部分框架走。不用每次都思考「接下来该写什么」。

框架的意义不是限制 AI,是确保不遗漏。

标书丢分,往往不是写得不好。是漏了该写的。

第五步:解决「针对性」这个核心难题

标书最大的忌讳是什么?

像模板。

评委一看就知道你在用通用方案糊弄。「加强管理」「确保质量」「高度重视」——这些话说了一百遍等于没说。

怎么让 AI 写出来的内容有针对性?

我的做法是:强制要求 AI 引用招标文件中的具体数据。

写项目概况,必须引用招标文件里的项目名称、地点、规模。写施工方案,必须引用工程量清单里的具体工程量和技术参数。写人员职责,必须写明这个人负责本项目的哪个具体工作。

不是「负责项目安全管理」。是「负责国网新源通山水土保持一期工程的上水库区域边坡施工安全管理」。

评委看到这种描述,知道你是认真看过招标文件的。

做到这一步,第一版 Skill 就完成了

实测效果还不错。

输入招标文件,等几分钟,一份几百页的技术标书就出来了。施工方案按清单逐项展开,人员用的是真实姓名和证书,评分标准每一条都有对应内容。

但我很快发现一个问题。

这个 Skill 只能做园林绿化。

朋友把 Skill 推荐给另一个做 IT 信息化的朋友。人家拿来一看:施工方案?苗木栽植?撒播草籽?

完全不适用。

关键决策:砍掉所有行业知识

这时候我面临一个选择。

是继续加行业,还是彻底去掉行业?

方案 A:多行业模板库。园林绿化一套、IT 一套、建筑一套、弱电一套……用户选行业,加载对应模板。

方案 B:评分标准驱动。不内置任何行业知识。用户提供评标办法,AI 从里面提取评分标准,动态推导章节结构。

我选了方案 B。

原因很简单。行业是无限的,但评分标准是有限的。

不管什么行业,评标办法的结构都差不多:几个评分大项,每个大项有分值,有优/良/一般的具体标准。这个模式是通用的。

与其帮每个行业做一套模板,不如教 AI 一种能力:读评标办法,自己推导该写什么。

改造的核心:三个「方法论文件」

原来的 Skill 里,行业知识硬编码在三个地方。

改造就是重写这三个文件。

文件一:scoring-extraction-guide.md

旧版是 11 项 100 分的硬编码评分表。

新版是「教你如何提取评分标准」的方法论。

不告诉你「施工方案 10 分」。教你:「从评标办法文档中识别评分大项、分值、评分等级定义,然后分类为固定类/半定制类/全定制类」。

从给答案,变成给方法。

文件二:variable-sections-guide.md

旧版是 10 个固定章节模板,每个都写死了施工类型(表土回覆、苗木栽植、撒播草籽……)。

新版是 6 种通用章节类型:

类型

关键词

写作框架

A-理解分析

理解/分析/认识

概况→范围→条件→特点→难点

B-规划计划

进度/工期/计划

目标→阶段→重点→协调

C-组织配置

人员/组织/配置

体系→岗位→职责→名单

D-技术方案

施工/技术/方案

部署→分项方案→重难点

E-管理体系

质量/安全/环境

目标→体系→制度→检验→应急

F-响应对照

响应/符合/对照

逐条对照表

AI 读到评分项,按关键词匹配到 A-F 类型,然后套对应的写作框架。

从 10 个固定模板,变成 6 种通用框架。

不管你是做 IT 的、做建筑的、做环保的,你的评分项总能归到这 6 类里。

文件三:SKILL.md

工作流从「固定 10 章」改成「动态推导」。

AI 先读评标办法,提取评分标准。再根据评分项推导需要几个章节、每个章节是什么类型。然后把推导结果展示给用户确认。

用户确认了,才开始写。 不是 AI 自己闷头写完了才发现方向不对。

改造后的效果

改完之后,Skill 的文件结构变成这样:

代码语言:javascript
复制
bid-gen-universal/
├── SKILL.md                       # 主文件(通用工作流)
├── scoring-extraction-guide.md    # 评分提取方法论
├── variable-sections-guide.md     # 6类章节写作方法论
└── reference/
    ├── 用户提供文件说明.md           # 用户需要提供什么
    └── optional-户外施工气候参考.md  # 可选知识

对比一下:

旧版

新版

内置行业知识

✅ 评分标准、施工类型、气候知识全内置

❌ 零行业知识

用户需要提供

专用技术规范 + 工程量清单

评标办法 + 招标文件 + 公司材料

章节结构

固定 10 章

从评分标准动态推导

适用行业

只能园林绿化

任何行业

代价是什么?AI 每次需要多做一步「提取评分标准」的推理。

换来的是什么?任何行业都能用。

但这带来一个新问题

通用版 Skill 发给别人,别人是做 IT 的、做装修的、做弱电的。他们怎么让这个 Skill 更贴合自己的行业?

答案其实很简单。

reference/ 文件夹里加文件。

Skill 的工作机制是:启动时先读 reference/ 目录里的所有文件。你往里面放一份 IT 行业知识,AI 写标书的时候就会参考。你往里面放一份公司人员名单,AI 就会填真实姓名。

我把这个也写成了一份教程,和 Skill 放在一起。

教程里给了三种文件类型的完整示范。比如 IT 信息化的行业知识库怎么写、装修工程的常见参数怎么列、公司通用模板怎么组织。

照着抄,改成自己的,保存到 reference/ 文件夹。搞定。

回头看这个 Skill 的设计逻辑

如果用一句话总结,就是:

Skill 不是给 AI 写代码,是给 AI 写 SOP。

你想让 AI 做什么事,就把这件事的标准流程写清楚。

流程分几步。每一步做什么。判断标准是什么。输出什么格式。遇到问题怎么处理。

你写得越清楚,AI 做得越靠谱。

这个道理不只适用于标书。写方案、写报告、做评审、做分析……任何有固定流程的工作,都可以用 Skill 把流程固化下来。

AI 不怕重复。怕的是你不说清楚要重复什么。

最后给想做 Skill 的人一个建议

别一上来就追求通用。

先做一个极其具体的版本。 具体到只解决你自己的问题。

我在做通用版之前,先做了园林绿化专版。硬编码了 11 项评分标准、10 个章节模板、7 种施工类型、气候分区知识。

通用版的所有设计决策,都来自专版的实践经验。

如果一开始就想做通用的,大概率做不出来。因为你不知道什么是必须的,什么是可选的。

先窄后宽。先具体后通用。先把一个行业吃透,再去想怎么复用。

这是我的经验。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2026-06-12,如有侵权请联系 cloudcommunity@tencent.com 删除
目录
  • Hi,大家好,我是七帅。
    • 先搞清楚一个问题:Skill 到底是什么?
    • 第一步:先摸清标书的结构
    • 第二步:找到「标书写作」的指南针
    • 第三步:搭建 Skill 的文件结构
    • 第四步:定义每个章节的「写作公式」
    • 第五步:解决「针对性」这个核心难题
    • 做到这一步,第一版 Skill 就完成了
    • 关键决策:砍掉所有行业知识
    • 改造的核心:三个「方法论文件」
      • 文件一:scoring-extraction-guide.md
      • 文件二:variable-sections-guide.md
      • 文件三:SKILL.md
    • 改造后的效果
    • 但这带来一个新问题
    • 回头看这个 Skill 的设计逻辑
    • 最后给想做 Skill 的人一个建议
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档