最近在折腾Claude Code的Skills搭运营相关的自动化工作流，之前试了RPA、低代码工具、n8n这些方向，绕了不少弯路才摸出点基本逻辑。
现在我搭任何工作流之前，都会先过三道筛选：首先看有没有现成的SaaS工具能直接解决需求，能付费搞定的就不自己搭，省下来的调试时间用来做运营转化效率高得多，比如要抓指定关键词下的Listing 差评，现成的工具几十块包月就能拿到准确数据，犯不上自己耗时间写抓取逻辑。其次找有没有其他开发者开源的同类Skill可以二次修改，哪怕只能覆盖30%的使用场景，也比从零开始写效率高，之前自己写了半天才发现GitHub上有成熟的同类功能，白白浪费时间。最后实在找不到现成方案的，先把需求的判定标准摸清楚再动手，比如做AI生成主图的Skill，得先把亚马逊BSR主图的构图、留白、信息排布这些行业公认标准整理出来，再把标准写到Skill的规则里，不然写出来的Skill生成的内容完全没法用。 

现在遇到的问题是，工作流的颗粒度总是控不好，要么单个Skill塞了太多步骤，AI识别不准触发条件经常跑飞，要么拆得太细碎，光调度各个Skill的成本就比人工做还高，之前搭的差评抓取流程拆了8个Skill，AI跑的时候经常跳步骤漏数据，加了独立质检环节之后耗时又翻了一倍，想问问有没有同好在搭同类运营工作流，颗粒度到底控在什么尺度最合适？