一个 Skill 帮我从 2 天压缩到 10 分钟:HSBC 银行文档处理实战
Source: http://x.com/i/article/2030306279055556609
Skill 的真正威力,在于和你的业务深度绑定
起因:一个让人崩溃的重复性任务
我的主业是做跨境支付,经常需要处理银行 pain.001.001.03 报文。
任务描述起来很简单:解析各国 HSBC 官方 PDF 文档,提取字段规则,生成标准化的付款检查 Excel 表格。
但实际有多痛苦,做过的人都知道。
文档复杂度:
- 每个国家的 PDF 动辄 50-100 页,还有好几个
- 字段数量 40-60 个不等
- 每个字段对应 3-5 种支付方式(BT/RTGS/TT/ACH...)
- 同一字段在不同支付方式下规则完全不同
举个例子: "收款方地址" 这个字段:
- 本地同行(BT):不上送
- 本地他行(RTGS):长度不超过 70 位
- 跨境付款(TT):必填,不超过 140 位
我需要处理十几个国家的文档。
保守估计: 一个国家 2 天 ,十几个国家 = 至少 20 天。
而且这还是纯体力活,重复、枯燥、容易出错。
转折:我决定为这个场景定制一个 Skill
我就在想:这种高度结构化、规则明确的业务,能不能让 AI "学会"?
不是每次都手把手教它怎么做,而是把业务知识固化下来,让它形成"肌肉记忆"。
于是我花了半天时间,创建了一个专门的 Skill:HsbcPain001Analyzer。
这个 Skill 里装了什么?
核心是把我的业务知识结构化地"喂"给 Claude:
1. 字段映射知识
52 个标准字段的名称、XML 路径、Excel 行号,全部整理成表:
| 行号 | 字段名称 | XML路径 | |------|----------|---------| | 5 | 预约付款日期 || | 35 | 付款方户名 || | 110 | 收款银行SWIFT CODE || | 235 | 银行付款用途码 || ...
2. 支付方式识别规则
从文件名和内容自动识别支付类型:
HighValue/Urgent/Priority → RTGS(本地他行) LowValue/ACH/Batch → ACH(小额批量) CrossBorder/International/TT → TT(跨境付款)
3. 规则提取模式
如何从 PDF 文本中识别"必填"、"长度限制"、"不上送"等规则,并生成标准化的规则文本:
识别到 "required/mandatory" → 生成 "请填写{字段名},该字段不能为空。" 识别到 "max 140 characters" → 生成 "{字段名}不能超过140位。" 识别到 "not applicable" → 生成 "不上送。"
4. 工作流程
定义清晰的执行步骤:解析 PDF → 识别国家/支付方式 → 提取规则 → 生成 Excel
效果对比:2 天 → 10 分钟
使用前(手工处理)
第1步:打开 PDF,逐页阅读找字段定义章节......30分钟 第2步:识别这个国家支持哪些支付方式......15分钟 第3步:打开英国模板,逐行对照填写......2小时 第4步:反复检查,确认没有遗漏或填错......30分钟 第5步:发现某个字段规则有歧义,重新查文档......20分钟 ...... 一个国家 = 2 天 十几个国家 = 20 天+
使用后(Skill 自动化)
我:帮我处理阿联酋的 HSBC 文档 Claude:[自动加载 HsbcPain001Analyzer] → 识别国家: UAE(阿联酋) → 识别支付方式: RTGS, TT → 提取 52 字段规则 → 生成 Excel:阿联酋付款检查-银企直联_V1.0.0.xlsx 耗时:8 分钟
处理完阿联酋,继续下一个:
我:处理澳大利亚的文档 Claude:→ 生成 澳大利亚付款检查-银企直联_V1.0.0.xlsx 耗时:5 分钟 我:处理菲律宾的文档 Claude:→ 生成 菲律宾付款检查-银企直联_V1.0.0.xlsx 耗时:7 分钟 我:处理埃及的文档 ...
10 分钟,搞定 1 个国家。
如果继续处理剩下的国家,全部完成也不到 2 小时。
核心感悟:Skill 的价值在于业务绑定
这次经历让我深刻意识到一点: Skill 的真正威力,不在于技术有多复杂,而在于和你的业务绑定得有多深。
市面上的通用 Skill 很多——代码审查、文档生成、测试辅助......这些确实有用,但它们解决的是"通用问题"。
而真正能产生数量级效率提升的,是针对你自己的业务场景定制的 Skill。
因为只有你最清楚:
- 你的业务有哪些特定规则
- 你的工作流程是什么样的
- 你的痛点在哪里
- 你的输出格式要求是什么
把这些知识固化成 Skill,AI 才能真正"懂"你的业务,而不是每次都要你从头解释。
我的 Skill 结构参考
如果你也有类似的重复性业务场景,可以参考我的结构:
~/.claude/skills/YourSkillName/ ├── SKILL.md # 核心定义:名称、描述、触发词、核心规则 ├── Knowledge/ # 业务知识库 │ ├── FieldMapping.md # 字段/数据映射 │ ├── Patterns.md # 识别模式/规则模板 │ └── Examples.md # 示例参考 ├── Workflows/ # 工作流程 │ ├── Step1.md │ └── Step2.md └── Tools/ # 辅助脚本(可选) └── helper.ts
关键是把你的业务知识"翻译"成 AI 能理解的结构化文档。
写在最后
2 天变 10 分钟,这不是魔法,是把重复劳动变成 AI 的肌肉记忆。
花半天时间整理业务知识,换来后续无数次的高效执行,这笔账怎么算都划算。
如果你也有那种"每次都要重复解释"、"每次都要从头做"的任务,不妨试试为它定制一个 Skill。
让 AI 真正成为你业务的专家,而不是通用助手。