我用一個 Skill，把 20 天工作壓縮到了幾小時

有一類工作，很多人都有，但好少人諗過去自動化佢。特徵好明顯：

重複、枯燥、規則清晰

。你知道下一步要做咩，上一步要睇邊度，輸出格式係點樣。呢啲工作理論上唔需要判斷力，只需要耐心同細心。但正因為「有規則可循」，佢消耗嘅唔係腦力，係時間。

做跨境支付嘅 @zstmfhy 就係咁。佢每隔一段時間就要處理一件事：解析各國HSBC官方PDF文檔，提取字段規則，生成標準化嘅付款檢查Excel表格。任務講起嚟好簡單，做起嚟唔係。HSBC嘅pain.001.001.03報文，每個國家都有一套文檔。一個國家嘅PDF閒閒哋50到100頁，字段四五十個，每個字段對應三到五種支付方式，每種支付方式下嘅規則又唔同。舉個例子——「收款方地址」：

就呢一個字段，三種支付方式，三套規則，仲要對返XML路徑同Excel行號。噉樣嘅字段有52個。需要處理嘅國家，十幾個。保守估計，一個國家2日，十幾個國家落嚟——至少20日。

全部係體力活，重複、枯燥，仲容易錯，因為人只要攰咗就會漏睇一行。

佢嘅第一反應唔係「點樣快啲做完」，而係「呢件事可唔可以令AI學識」。佢花咗半日，做咗一個Skill。思路好直接：

與其每次手把手教AI點解析文檔，不如將業務知識固化落嚟

，等AI形成「肌肉記憶」，唔使每次都從頭嚟。於係佢創建咗HsbcPain001Analyzer——一個專門為呢個場景定製嘅Claude Code Skill。Skill入面裝嘅唔係代碼邏輯，係業務知識——但要裝入去，就要先將呢啲知識結構化。佢分咗四層：

Skill建好之後，佢嘅工作流變成噉樣：

我：幫我處理阿聯酋嘅HSBC文檔

Claude：識別國家：UAE（阿聯酋）→ 識別支付方式：RTGS, TT → 提取52字段規則 → 生成Excel：阿聯酋付款檢查-銀企直聯_V1.0.0.xlsx

耗時：

8分鐘

阿聯酋處理完，繼續澳大利亞，5分鐘。接着菲律賓，7分鐘。再接着埃及……原本20日嘅工作量，全部處理完

唔使2個鐘

。呢個唔係因為AI變聰明咗，係因為佢手裏多咗一本「業務手冊」——字段係咩、規則係咩、輸出格式係咩，全部喺裏面。每次調用，佢揭手冊開工，唔使臨時學習，唔會遺漏，唔會估。

呢個案例令我想起一件事：多數人用AI嘅方式，係每次提需求，每次解釋上下文，每次等佢輸出，然後發現唔啱再調整。效率有提升，但幅度有限，因為每次係由零開始嘅對話。而Skill嘅邏輯唔同——佢係將你嘅業務知識提前「存」入去，等AI每次調用時都帶住呢份知識開工。對話嘅起點唔同咗，效率嘅量級自然亦都唔同。

不過唔係所有工作都值得做成Skill。判斷標準有三條：

有人可能會覺得，做Skill要識寫代碼。其實唔係。HsbcPain001Analyzer嘅核心唔係代碼，係文檔——結構化嘅業務知識文檔。字段映射表、識別規則、提取模式、工作流程，呢啲全部用Markdown寫嘅。識寫清楚就夠。

真正難嘅係呢一步：

將你腦入面嘅業務知識翻譯成AI能讀懂嘅結構化格式

。呢件事要你自己做，AI幫唔到，因為只有你先知：你嘅業務有邊啲特定規則，你嘅工作流程係點樣，你嘅輸出格式要求係咩，你嘅痛點喺邊度。將呢啲梳理清楚、寫落嚟，先係Skill真正嘅核心工作。代碼嗰部分，好多時等AI幫你生成就夠。

你有冇嗰種每次都要重新解釋、每次都要從頭嚟嘅工作？如果有，佢好可能就係你嘅「20日工作」。花半日將業務知識整理清楚，做成一個Skill，之後每次用都係10分鐘嘅事。呢條數，唔難計。