你有没有遇到过这种情况：让 AI 帮你建 Power BI 模型，它确实建出来了，但完全不是你的风格？
比如，你习惯把度量值放在专门的度量表里，命名有自己的一套前缀规则，每个字段都写描述——但 AI 生成的模型，要么表名乱起，要么度量值散落在各处，描述更是别指望。
你心里想：AI 是能干活，但它能不能按我的规矩干活？
答案是：能。而且方法简单得让你意外。今天我就用 Power BI Modeling MCP Server 的实际案例，演示如何把你的建模标准“教”给 Claude。
痛点：AI 干活，但不按你的方式干
先说说背景。现在用 AI 操作 Power BI 已经很成熟了——通过 MCP Server、Skills、CLI，Claude 可以连接语义模型做建模，GitHub Copilot 可以帮你写报表，甚至整个 Dataflow 都能用提示词生成。
但问题来了：AI 做出来的东西，总是差那么点“灵魂”。
每个 Power BI 开发者都有自己的套路：
- 事实表必须以
fact_或f_开头 - 度量值必须归到专门的度量表
- 每个字段都要有业务描述
- 命名遵循特定的大小写或缩写规范
这些标准，AI 默认不知道。你每次都要在提示词里反复强调，它还是经常“忘”。
那怎么办？难道要放弃 AI？
不用。今天我要分享的，就是让 AI 提前学习你的标准，之后每次干活都自动遵守。
方法：用 Skill 文件教 Claude 你的标准
这里的核心是 Power BI Modeling MCP Server 的自定义技能（Custom Skills）。
简单来说，你可以写一个技能文件，把你的建模规范全部写进去。当 Claude 连接 MCP Server 时，它会自动读取这个文件，相当于提前“培训”了一遍。
下面我们一步步来。
第一步：准备你的标准文档
先别急着写代码。拿出你的建模规范，整理成清晰的条目。比如：
- 表命名：事实表用
fact_前缀，维度表用dim_前缀 - 度量值：统一放在名为
Measures的度量表中 - 字段描述：每个字段必须有业务描述
- 日期列：统一命名为
Date，格式为日期类型
这些是你的“建模宪法”，AI 之后会严格遵守。
第二步：创建 Skill 文件
在 MCP Server 的配置目录下，新建一个 .md 文件，比如 modeling-standards.md。
内容就写你的规范，用清晰的 Markdown 结构：
## Power BI 建模标准
## 表命名规则
- 事实表：`fact_` 前缀
- 维度表：`dim_` 前缀
## 度量值管理
- 所有度量值必须放在 `Measures` 表中
- 度量值命名：`[业务指标] [统计方式]`，如 `销售额 总计`
## 字段要求
- 每个字段必须添加描述
- 日期列统一为 `Date` 类型
第三步：在 MCP Server 中注册技能
在 MCP Server 的配置文件里，把这个技能文件关联到 modeling 工具上。这样，只要 Claude 调用建模工具，它就会自动加载你的标准。
具体配置方法，可以参考 MCP Server 的文档，通常是一个 skills 目录，把文件丢进去就行。
第四步：测试效果
配置完成后，重新启动 MCP Server，让 Claude 重新连接。然后你再用同样的提示词让它建模型，看看效果。
对比：有 Skill 和没 Skill 的差距
为了让你直观感受，我做了一个对比测试。
没有 Skill 文件时
我给 Claude 一个简单的销售数据模型，让它建事实表和度量值。
结果：表名随意（比如 SalesData），度量值直接写在事实表里，没有描述，日期列格式不统一。
虽然功能没错，但完全不符合企业规范。后期维护时，你还要手动调整，反而更费时间。
有 Skill 文件后
同样的提示词，Claude 的输出变成了：
- 事实表命名为
fact_Sales - 维度表命名为
dim_Product - 所有度量值自动归入
Measures表 - 每个字段自带描述
- 日期列统一处理
几乎不需要改动，直接就能用。这就是“教”和“不教”的区别。
进阶：让 Skill 更强大
除了静态规范，你还可以在 Skill 文件里写一些动态指令。比如：
- 要求 AI 在新建度量值后，自动生成对应的测试 DAX
- 要求 AI 在修改表结构时，先列出影响分析
- 要求 AI 遵循特定的 DAX 优化模式（如避免使用
FILTER全表扫描）
这些都可以作为技能的一部分。Claude 会像遵守命名规范一样遵守它们。
国内用户怎么看
这个技巧对国内 Power BI 用户特别实用。因为很多企业有严格的建模规范，尤其是金融、零售行业，字段命名、度量值管理都有审计要求。
以前，AI 生成的模型总是不合规，需要人工返工。现在有了 Skill 文件，你可以把企业规范一次性“灌”给 AI，之后每次建模都自动合规，大大减少审查和修改成本。
而且，Skill 文件本质上就是一个 Markdown 文档，你完全可以让团队里的资深建模师来写，确保规范准确传达给 AI。
总结
AI 不是不能按你的方式干活，只是你还没教它。
通过 Power BI Modeling MCP Server 的自定义技能，你可以把自己的建模标准固化成文件，让 Claude 在每次建模时自动遵守。
这就像带新人——你花 10 分钟讲清楚规则，之后它就能独立干活，而且干得完全符合你的预期。
如果你之前觉得 AI 建模“不靠谱”，不妨试试这个方法。也许你会发现，AI 比你想象的更懂你。
