Claude HowTo 实战用 contenteditable="false">【免费下载链接】claude-howtoA visual, example-driven guide to Claude Code — from basic concepts to advanced agents, with copy-paste templates that bring immediate value.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-howto导读在 Claude Code 中子代理Subagent是拥有独立上下文窗口、专属系统提示词与受限工具集的专职 AI 助手适用于把大型任务拆解给专业角色并行处理。本文以仓库提供的 uk/04-subagents/data-scientist.md 为骨架完整讲解如何部署一个专职数据分析子代理它负责编写优化的 SQL 查询、通过bq命令行操作 BigQuery、汇总统计结果并输出数据驱动的结论。读完本文你将掌握该子代理的完整定义文件、每个配置字段的含义、它的内置工作流程与分析规范并能直接复制到自己的项目中投入使用。1. 文件全貌一份可复制的子代理定义仓库04-subagents/目录下存放着一批开箱即用的示例子代理data-scientist.md是其中之一。整份文件由两部分组成YAML frontmatter元数据与Markdown 系统提示词角色行为定义。这与 Claude Code 的标准子代理文件格式完全一致——Claude Code 通过在.claude/agents/name.md中放置同类文件来加载自定义子代理详见 04-subagents/README.md。uk/04-subagents/data-scientist.md的 frontmatter 如下--- name:># 运行查询关闭 Legacy SQL使用标准 SQL bq query --use_legacy_sqlfalse SELECT * FROM dataset.table LIMIT 10 # 导出查询结果为 CSV 文件 bq query --use_legacy_sqlfalse --formatcsv SELECT ... results.csv # 获取表的 schema 结构 bq show --schema dataset.table参数说明--use_legacy_sqlfalse强制使用 BigQuery 标准 SQLSELECT *、DATE_TRUNC等语法均需标准 SQL 支持务必保留--formatcsv将查询结果以 CSV 格式输出配合重定向可落盘为results.csv供后续分析与汇报使用bq show --schema dataset.table在编写查询前先探查表结构属于理解需求→探查数据→写查询流程中的关键一步结合文件结构可推断Read工具负责读取需求与结果文件Bash工具负责执行上述bq命令Write工具负责把分析结论与结果落盘——三者配合构成完整的数据分析闭环。6. 三类分析任务Analysis Types系统提示词把该子代理能承接的分析工作归纳为三类每类附带了具体动作清单6.1 探索性分析Exploratory Analysis数据画像Data profiling分布分析Distribution analysis缺失值检测Missing value detection适用场景新数据集上手、数据质量初检、特征与字段盘点。6.2 统计分析Statistical Analysis聚合与汇总Aggregations and summaries趋势分析Trend analysis相关性检测Correlation detection适用场景业务指标走势、事件规律、变量关联关系验证。6.3 报表输出Reporting关键指标提取Key metrics extraction周期对比Period-over-period comparisons管理层摘要Executive summaries适用场景周报/月报数据支撑、向上汇报、跨周期业绩对比。7. 标准输出格式每次分析的固定骨架为保证结论一致、可追溯文档规定该子代理的每一次分析都必须按以下五个字段组织输出Objective目标我们在回答什么问题Query查询使用的 SQL带注释Results结果关键发现Insights洞察基于数据的结论Recommendations建议建议的下一步行动这套目标—查询—结果—洞察—建议的五段式结构让数据分析产出天然具备可复现、可引用、可决策的特征也方便主代理直接把这些字段拼接进最终回复。8. 内置示例查询月度活跃用户趋势文档内置了一条带注释的示例 SQL用于演示该子代理的查询风格——这是理解其 SQL 规范的最佳范本-- Monthly active users trend SELECT DATE_TRUNC(created_at, MONTH) as month, COUNT(DISTINCT user_id) as active_users, COUNT(*) as total_events FROM events WHERE created_at DATE_SUB(CURRENT_DATE(), INTERVAL 12 MONTH) AND event_type login GROUP BY 1 ORDER BY 1 DESC;这条查询集中体现了前文的全部优化原则注释先行首行用--注释说明查询意图避免SELECT *只投影month、active_users、total_events三个必要列尽早过滤WHERE同时限定 12 个月时间窗口与event_type login事件类型减少进入聚合的数据量合理聚合COUNT(DISTINCT user_id)计算去重活跃用户COUNT(*)统计事件总量按DATE_TRUNC(created_at, MONTH)月维度聚合结果可控ORDER BY 1 DESC按月份倒序便于观察最新趋势将其改写为bq命令行即可直接执行bq query --use_legacy_sqlfalse --formatcsv SELECT DATE_TRUNC(created_at, MONTH) as month, COUNT(DISTINCT user_id) as active_users, COUNT(*) as total_events FROM events WHERE created_at DATE_SUB(CURRENT_DATE(), INTERVAL 12 MONTH) AND event_type login GROUP BY 1 ORDER BY 1 DESC; mau_trend.csv9. 分析检查清单Analysis Checklist文档在结尾固化了子代理交付前的自检清单确保每次分析完整收尾需求已理解Requirements understood查询已优化Query optimized结果已校验Results validated发现已记录Findings documented建议已提供Recommendations provided这五条检查项与第 2 节的五步流程、第 7 节的五段输出格式一一呼应构成流程—产出—质检的完整闭环是系统提示词设计中的良好示范。10. 安装与使用将>Create a project-level subagent that analyzes data with SQL and BigQuery. Give it access to Bash, Read, and Write.Claude 会写出带合适 frontmatter 的.claude/agents/data-scientist.md文件注意自 v2.1.198 起/agents交互式创建向导已移除建议直接让 Claude 生成或手动编辑文件。方式二从仓库复制。将本文件复制到项目或用户级 agents 目录# 项目级仅当前项目可用 mkdir -p .claude/agents cp 04-subagents/data-scientist.md .claude/agents/ # 用户级所有项目可用 mkdir -p ~/.claude/agents cp 04-subagents/data-scientist.md ~/.claude/agents/安装后可用claude agents命令确认子代理已被识别参见 04-subagents/README.md 的claude agentsCLI 一节。10.2 使用方式由于description中写入了Use PROACTIVELY主代理会在遇到数据分析类需求时自动委派该子代理。也可以显式调用 Use the contenteditable="false">【免费下载链接】claude-howtoA visual, example-driven guide to Claude Code — from basic concepts to advanced agents, with copy-paste templates that bring immediate value.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-howto创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考