5 分鐘做出你的 Claude 專屬小 Agent

📌 本文重點

• Claude Skills 是一包可重用的 Python 技能模組
• 只要寫幾個函式就能讓 Claude 自動串起工作流
• 10 分鐘內可跑起第一個實用小 Agent

用一句話講清楚：Claude Skills 就是一包現成可重用的 Python「技能模組」，幫你把讀檔、叫 API、發 Slack 這種瑣事交給 AI 自動跑。

下面的重點是：看完你應該要「馬上能照著做，跑起一個自己的小 Agent」。

---

什麼是 Claude Skills？

原始專案：https://github.com/anthropics/skills

用人話解釋：

• 每一個 Skill 就是一個 Python 函式，包住「一件具體可重複的任務」，例如：
• 讀 / 寫某個資料夾的檔案
• 呼叫外部 HTTP API
• 用 pandas 處理 CSV / JSON
• 串起一小段工作流程（抓資料 → 清洗 → 寫檔 → 發通知）
• 這些函式會被包裝成 工具（tools），讓 Claude 之類的模型「自動決定要不要呼叫、用哪個參數」。
• 你的工作：
• 選幾個 skills
• 配好權限與 API key
• 用一個簡單的 Agent shell 把它們掛上去

結果就是：你不用自己手刻複雜 Agent 架構，只要寫幾個普通的 Python 函式，Claude 就能幫你組成自動化流程。

---

核心功能：你可以拿來做什麼

1. 內建技能類型：檔案、API、資料處理、簡單工作流

在 anthropics/skills 裡，你可以看到各種已經寫好的 skills（名稱可能持續調整，但類型大致如下）：

• 檔案相關：
• 讀寫本機檔案（通常限定在某個資料夾）
• 列出目錄、建立新檔、更新內容
• API 呼叫：
• 通用 HTTP request（GET / POST）
• 幫你處理 headers、JSON encode / decode
• 資料處理：
• 讀寫 CSV / JSON
• 用 pandas 做簡單統計與篩選
• 工作流協調：
• 把多個 skills 串起來：例如「每天定時抓 API → 整理 → 寫報表 → 發通知」

💡 關鍵： 多數常見「讀檔、叫 API、整理資料」的雜務，其實已經有現成 skill，可以直接拿來組合，而不用從零寫 Agent 架構。

你可以立刻做的事：

1. 打開 repo 的 skills/ 資料夾（或類似目錄），挑幾個你看得懂的 Python 檔。
2. 看每個 skill 的 docstring，理解它預期的輸入、輸出是什麼。
3. 想一件自己平常重複做的事，先用一個 skill 就好（例如：讀一個 CSV 幫你整理）。

---

2. 如何跟你現有專案整合

Skills 的設計很單純：

• 你可以把整個 repo 當作 依賴套件 安裝，或直接把單一 skill 檔案 copy 進你專案。
• 在你自己的 Agent 程式裡，把這些 functions 包成工具，丟給 Claude 使用。

一個極簡示意（結構可能與實際 repo 有差異，但概念相似）：

from skills.files import read_file, write_file
from anthropic import Anthropic

client = Anthropic(api_key="YOUR_API_KEY")

TOOLS = [read_file.tool_def, write_file.tool_def]

resp = client.messages.create(
    model="claude-3-7-sonnet-20250219",
    max_tokens=1024,
    tools=TOOLS,
    messages=[{
        "role": "user",
        "content": "請幫我打開 data/report.csv，整理成重點摘要，回給我。"
    }]
)

Claude 看到 tools 後，會自己決定：

• 要不要執行 read_file
• 執行後用結果做後續推理

你可以立刻做的事：

• 如果你已經有在用 Claude API，先挑 1–2 個 skills 加進你的工具列表，看看 Claude 會怎樣使用它們。

---

3. 搭配其他開源專案：拉出一條多代理 workflow

有兩個常被一起提到的專案，很適合拿來串：

名稱	核心功能	免費方案	適合誰
Claude Skills	可重用的 Python 任務模組，給 Agent 當工具用	開源、自架	想快速做實用 Agent 的開發者、技術 PM
scientific-agent-skills	研究、工程、金融、寫作等專業領域的技能集	開源、自架	科研團隊、量化分析、技術寫作者
Personal_AI_Infrastructure	個人 AI 代理基礎架構、多代理協作	開源、自架	想打造個人 AI 工作桌面、內部 Agent 平台的人

實際串法可以是：

• 用 Personal_AI_Infrastructure 當「總控台」與排程器
• 把 Claude Skills + scientific-agent-skills 當作不同專業領域的「工具箱」
• 例如：
• Agent A：每天抓研究資料（API + 檔案 download）
• Agent B：用 scientific-agent-skills 做統計分析
• Agent C：把結果用 Claude Skills 寫成報告，發到 Slack

你可以立刻做的事：

• 先單純在本機跑 Claude Skills，確認流程順暢後，再考慮拉入 Personal_AI_Infrastructure 做多 Agent 編排。

---

適合誰用：三種常見場景

1. 個人開發者 side project：資料整理 bot、FAQ 助理

具體可以做：

• 資料整理 bot：
• 每天從某個 API 抓資料
• 存成 CSV
• 請 Claude 用 skills 幫你做摘要或簡單圖表
• 客服 FAQ 助理：
• 讀本機的 FAQ 檔案 + 客戶紀錄
• 自動整理常見問題、生成回覆模板

行動建議：

• 先挑「你每天重複做、但不用太精準」的任務，例如：整理 log、閱讀報表。

---

2. 小團隊：內部自動化腳本

適合處理：

• 例行報表產出
• 專案進度彙整
• Jira / GitHub issue 摘要

作法：

1. 把資料源（API、CSV）包成 2–3 個自訂 skills。
2. 寫一個簡單 CLI 或 cron job，每天叫 Claude 跑一次。

---

3. 結合其他開源專案：多步驟分析 + 報告

對研究團隊、數據團隊特別實用：

• 用 scientific-agent-skills 做嚴謹分析
• 用 Claude Skills 負責「收資料 / 寫結果 / 發報告」

行動建議：

• 先把你現有的分析腳本包一層成 skill，讓 AI 能呼叫；不需要一開始就全部自動化。

---

怎麼開始：10 分鐘跑起一個本地小 Agent

以下示意流程假設你已經有 Claude API key，且會用基本的命令列。

💡 關鍵： 只要準備 API key、安裝 repo，再加上兩三個簡單 skills，大約 5–10 分鐘內就能跑起第一個可用的本地 Agent。

步驟 1：Clone 專案 + 安裝依賴

git clone https://github.com/anthropics/skills.git
cd skills

# 依照專案說明，可能是
pip install -e .
# 或
pip install -r requirements.txt

行動：確認 python -m skills 或範例指令能跑起來（依官方 README 為準）。

---

步驟 2：設定 API Key

export ANTHROPIC_API_KEY="你的 Claude API key"

Windows PowerShell：

$env:ANTHROPIC_API_KEY="你的 Claude API key"

行動：用 repo 提供的最小範例（例如 examples/basic_agent.py）跑一次，看 Claude 能不能成功呼叫某個內建 skill。

---

步驟 3：本機執行一個範例技能

假設有一個簡單範例（名稱依實際 repo 為準）：

python examples/list_files_agent.py

你可能會看到：

• 問你「要在哪個資料夾工作」
• Claude 自動呼叫 list_files、read_file 等 skills

行動：換一個你自己的資料夾（例如放了一些 CSV 報表），觀察 Claude 如何使用 skills 幫你瀏覽、整理。

---

步驟 4：改成自己的任務——每天抓一個 API、整理、丟 Slack

目標：

1. 每天叫一個公開 API（例如匯率、Crypto 價格）
2. 整理成簡單文字報表
3. 發成訊息到 Slack 頻道

實作方向：

1. 寫一個自訂 skill：

# skills/custom/fetch_rates.py
import requests

from skills.core import skill  # 依實際框架命名

@skill
def fetch_rates(base: str = "USD"):
    """從匯率 API 取得最新匯率資料。"""
    url = f"https://api.exchangerate.host/latest?base={base}"
    r = requests.get(url, timeout=10)
    r.raise_for_status()
    return r.json()

1. 再寫一個發 Slack 的 skill（用 webhook 即可）：

# skills/custom/post_to_slack.py
import os
import requests
from skills.core import skill

WEBHOOK = os.environ["SLACK_WEBHOOK_URL"]

@skill
def post_to_slack(text: str):
    """把文字訊息丟到預設 Slack 頻道。"""
    r = requests.post(WEBHOOK, json={"text": text}, timeout=10)
    r.raise_for_status()
    return {"status": "ok"}

1. 寫一個小 Agent 腳本：

from anthropic import Anthropic
from skills.custom.fetch_rates import fetch_rates
from skills.custom.post_to_slack import post_to_slack

client = Anthropic()

TOOLS = [fetch_rates.tool_def, post_to_slack.tool_def]

prompt = """
你是一個匯率小助理：
1. 先用工具抓最新 USD 匯率
2. 挑出 3 個對我們重要的幣別（EUR, JPY, TWD）
3. 排版成一段適合 Slack 的中文簡報
4. 用工具發到 Slack
"""

resp = client.messages.create(
    model="claude-3-7-sonnet-20250219",
    max_tokens=1024,
    tools=TOOLS,
    messages=[{"role": "user", "content": prompt}]
)

1. 排程：

2. Linux / macOS：用 cron 每天跑一次這個腳本

3. Windows：用排程工作排每日執行

到這裡，你就已經有一個「完全實用」的小 Agent，在幫你做每天的資訊整理與通知。

---

最佳實踐：權限、安全與成本

1. 限制權限：不要讓 Agent 隨便亂動

• 檔案操作技能：
• 設定 專用工作資料夾，例如 ./agent_workspace，只給這個路徑的讀寫權限。
• API skills：
• 把 API key 存在環境變數或 secret manager，不要寫死在程式碼。

---

2. 記錄 log：看得出 Agent 做了什麼

• 為每個 skill 加上基本 logging：
• 呼叫時間
• 參數（敏感資訊略過）
• 成功 / 失敗
• 方便之後調整 prompt 或參數，避免 Agent 做無用功。

---

3. 控制成本：避免 runaway cost

• 在建立 Claude 訊息時：
• 設 max_tokens 合理上限
• 控制 context 長度（不要丟整個專案 repo，先丟必要檔案）
• 如果是排程任務：
• 從「每天一次」開始
• 先跑一週看看用量，再決定要不要加頻率或多任務

💡 關鍵： 先以低頻率、小 context、適中 max_tokens 測試一陣子，再逐步放大規模，可以有效避免成本爆衝。

---

總結

如果你：

• 會一點 Python
• 有一些重複的資訊工作
• 不想研究整套 Agent 框架

那以 Claude Skills 作為工具層，加上 Claude API 當腦，就足以在 5–10 分鐘內生出一個實用的小 Agent。先從一個最簡單、最無害的任務開始，把整個流程跑順，之後要擴充成多代理、多專案，只是多加幾個 skills 與排程而已。

---

🚀 你現在可以做的事

• 打開 anthropics/skills 並瀏覽 skills/ 目錄，挑 1–2 個看得懂的 skill 研究輸入輸出
• 在本機依照文中步驟安裝 repo、設定 ANTHROPIC_API_KEY，跑一次官方範例 agent
• 依照「匯率 + Slack」示例，改寫成你自己的每天例行任務（例如拉報表、整理 log、寄出摘要）