Files
Obsidian/X-Articles-CN/一个 Skill 帮我从 2 天压缩到 10 分钟:HSBC 银行文档处理实战.md
T
coco 8b94d76799 a
2026-07-21 13:57:15 +08:00

136 lines
5.9 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
title: "一个 Skill 帮我从 2 天压缩到 10 分钟:HSBC 银行文档处理实战"
source: "https://x.com/zstmfhy/status/2030308215767089269"
author:
- "[[Unknown]]"
published: 2026-03-07
created: 2026-03-08
description:
tags:
- "clippings"
---
> 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
![图像](https://pbs.twimg.com/media/HC0ZbbDaoAAeCDr?format=jpg&name=large)
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?
![图像](https://pbs.twimg.com/media/HC0ZnbeacAAuILI?format=jpg&name=large)
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 | <ReqdExctnDt> | | 35 | 付款方户名 | <Dbtr><Nm> | | 110 | 收款银行SWIFT CODE | <CdtrAgt><FinInstnId><BIC> | | 235 | 银行付款用途码 | <Purp><Cd> | ...
## 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
![图像](https://pbs.twimg.com/media/HC0aGjGaIAAzjuS?format=jpg&name=large)
## 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
![图像](https://pbs.twimg.com/media/HC0aT6EbQAANDTk?format=jpg&name=large)
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。**