技能更新要像数据模型一样频繁
你可以通过技能（skill）教Claude完成符合你风格和需求的任务。技能是包含自然语言说明和Claude可参考文件的Markdown文件。
我们做出的最重要架构决策是将技能文件视为持续更新的服务内容，而非一次发布后就被遗忘的静态文件。
数据模型可能一天内多次变更，比如列名修改、指标定义修正或表格废弃。每次变更都必须及时反映到技能文件中。如果Claude读取的是上周二的技能文件，它就会自信地给出错误答案。
这种情况尤其危险，因为数据使用者无法获得判断答案准确性的上下文。他们不会看到带有趋势线或相关指标的仪表盘，只是在Slack中收到一两个数据点，如果不常关注这些数据，很可能会接受错误答案。
为应对这种不断变化的环境，Claude Tag的运行时会挂载我们的数据仓库的skills/目录，并在每次对话时重新读取。技能文件就是磁盘上的Markdown文件，代理读取它们就像读取任何项目文件一样。
赋予代理超越查询的技能
最初我们打算用Claude Tag创建一个“知识技能”，教Claude哪些表可用、语义层如何组织，然后就此结束。但很快发现，这只能提供正确的数字，却无法给出有用的洞察。
大多数数据使用者会提出开放且模糊的问题，比如“这次下跌的原因是什么？”、“你能预测月底数据吗？”、“把数据展示成漏斗图”。回答这些问题，代理不仅要知道数据在哪里，还要懂得分析师如何处理数据。
因此，除了知识技能，我们还为Claude Tag挂载了额外的分析和操作手册技能，包括：
- 预测：何时及如何拟合简单趋势、季节性假设，何时因数据过短或噪声过大而拒绝预测。
- 用户群和留存分析：标准用户群定义、向领导汇报的留存曲线模板，以及常见陷阱（左截断、生存偏差）。
- 漏斗分析：关键产品漏斗的标准阶段定义，确保“用户在哪个环节流失”问题回答一致。
- 图表绘制：不同问题适用的图表类型、配色方案，以及何时用表格更清晰。
- 分析写作：如何结构化发现（先总结、数字、机制、注意事项），以及根据置信度调整措辞。
这些惯例通常只存在于团队成员脑海，偶尔有文档记录。将它们写成技能，确保Claude像数据科学家一样一致应用。
连接业务上下文，而非仅限数据仓库
即使有知识技能和操作手册技能，也不总能回答所有问题。比如“为什么周二注册量下降？”答案往往不在数据模型中，而是分散在Slack讨论、事件追踪、发布说明和文档中。
为此，我们将Claude Tag接入内部知识索引，索引涵盖公司文档、讨论和事件。当代理发现指标变动时，可以搜索该索引获取当时的上下文：当天早上发生的事件、功能开关变更、竞争对手公告等。
答案可能是：“周二注册量下降12%，当天上午9点到11点支付服务出现故障，下降主要集中在受影响区域。”
如果你的组织有知识图谱、内部搜索或结构良好的事件和变更日志，连接Claude Tag是继数据仓库之后最有价值的信息源。你也可以让Claude Tag读取Slack关键频道内容以获取上下文。
谨慎授权服务账户
Claude Tag以服务账户身份查询数据仓库，而非提问的用户。这样设计合理（避免每个Slack用户都需仓库凭证），但任何能@机器人者都拥有机器人的数据访问权限。没有基于用户的行级安全控制：服务账户能读的数据，频道内任何人都能查询。
我们采取五项措施（强烈建议认真执行，因为错误难以纠正）：
- 限制服务账户仅访问受管数据。 在Anthropic，服务账户只能读语义层输出表和其上游的精选数据集，不能访问原始事件流、暂存模式或个人沙箱。若问题涉及边界外数据，代理会明确告知而非猜测。
- 对列级个人信息（PII）分类并拒绝服务账户访问。 我们维护数据目录，跟踪每列来源和流向。新列由Claude扫描并标记可能的PII，人工审核后更新元数据。服务账户无PII权限，仓库列级访问控制使敏感列对代理不可见。
- 在技能文件中记录连接路径。 仓库技能详细说明代理如何连接（CLI、API或MCP服务器）及认证方式，方便区分连接失败原因，提升错误提示清晰度。
- 将Claude的频道成员身份视为访问授权。 将Claude Tag加入Slack频道即授予该频道成员访问权限，频道列表由数据团队管理。
- 为每次查询打标签。 包括查询界面、对话和请求用户（若Slack提供），便于成本归因和审计追踪。
我们的总体策略是：Slack中的数据分析代理是受管仓库的共享只读副本，权限范围严格限定。
记录每个答案
判断代理回答是否充分，不能凭肉眼。
我们为每个Claude Tag处理的问题记录结构化事件，包括：
- 加载的技能文件及版本；
- 用户是否点赞、点踩或回复纠正；
- 涉及表的任何数据质量警告，并在答案底部显示警告，避免数据过期信息被忽略。
这些数据用于两个视图：
- 追踪采用率，即代理查询中通过受管层而非临时SQL的比例，按界面和领域划分；
- 追踪正确率，通过点踩和纠正率衡量，是评估准确性的在线指标。
采用率是我们最有价值的指标，下降通常意味着技能文件失效或出现语义层未覆盖的新问题类型。
加速自助分析的实践
Claude Tag线程成为新会议
我们最喜欢且最有效的Claude Tag线程通常有多人参与，大家贡献想法和上下文，Claude负责繁重工作。
例如，数据团队成员问为什么某收入仪表盘加载变慢。Claude发现查询结果未缓存且有bug导致页面加载缓慢。
Claude通知仪表盘负责人，负责人立即修复缓存问题，bug另行处理。
负责人又问还有哪些仪表盘变慢，发现数十个受同一缓存错误影响。Claude编写修复方案，数据团队审核，所有仪表盘一小时内恢复正常。
这些线程公开，方便多人了解背景（故障原因、修复过程），且任何人都能参与贡献，避免被动阅读。
建议将代理放在共享频道，工作集中在线程中而非私聊，线程可作为可审查的历史记录。
Claude Tag处理重复任务
许多数据工作是周期性重复的，如管道健康检查、关键指标监控。你可以让Claude创建循环任务，定时或响应异常变化执行。我们实现的示例包括：
- 主动汇报：每周例会前总结上周变化、与前周对比及重点事项。
- 测试监控：实验期间多次汇报，发现设置中途变更并及时修正。
- 可观测性：监控管道和仪表盘，管道失败时自动调查、草拟修复并通知值班人员，指标异常时提供可能原因并预先检查。
- 问题分流：监控数据问题频道，自动判断直接回答、深入调查或转人工，大部分工作提前完成。
你也可以询问@Claude它在频道中见过哪些重复任务，如何帮你设计循环。
需要时介入
你可以让Claude在任意频道更主动，实时阅读并在需要时协助。过去一个月内，在某数据频道，Claude Tag回答了超过75%的问题，通常1-2分钟内完成，且无需被@。
例如，一位团队成员问某仪表盘是否包含新使用类别。90秒内Claude解释数据定义，确认缺少新分类，提出修复方案并草拟PR。数据科学家审核通过后，Claude合并PR并刷新仪表盘。
入门指南
如果你已完成我们第一篇文章中的工作，Slack部署主要是搭建管道，顺序很重要：
- 先确定权限。 在写任何代理代码前，明确服务账户可访问的数据。后期扩权限比收回更容易。
- 其次是分发。 选择挂载仓库或通过MCP加载技能，验证端到端更新及时性：修改技能文件，确认Claude Tag在SLA内读取。
- 从第一天起收集遥测。 不会事后补录旧对话，第一条问题就记录结构化事件。
- 有条件时接入知识索引。 仓库回答“是什么”，内部文档和事件流回答“为什么”。数据路径稳定后尽快接入。
- 最后开发分析技能。 先创建数据访问技能，再根据实际问题需求开发预测、用户群、漏斗等分析技能。
本文作者：Anthropic数据科学与数据工程团队成员Clement Peng和Lily Zhao，Josh Cherry和Michael Segner协助贡献。
