| 编辑推荐: |
文章主要介绍了办公智能体 Skill 的概念、搭建方法、多 Skill 组织方式、使用途径及调试迭代经验，并以政策收集汇总场景为例，说明如何用 SKILL.md 调度、参考模板给口径、脚本管执行、检查做验收，从而让智能体稳定完成办公任务，希望对你的学习有帮助。
本文来自于微信公众号「小强匠」，由火龙果软件Alice编辑推荐。 |
|
书接上回，做了两个办公Skill：政策收集汇总、材料检索编写，见链接： WorkBuddy+Skill：办公智能体搭建实践 。
和之前做的业务场景的Skill相比， 这次的两个Skill算简单的。不过越简单的越有大道，正好可以用来验证、反思Skill的几个常见问题，比如到底什么是Skill、它是怎么搭建的、如何使用等。
01 什么是Skill？
Skill，也叫技能，是一份写给智能体看的说明书：用什么话能叫醒它、分几步走、每步读什么、产出什么。 有点像工作里的操作手册——把「怎么干」写清楚，智能体才不会各干各的。
Skill可以只有几句话，也可以是一堆内容的组合。这几句话写的好，就是情书，就像《飞驰人生》里张弛和宇强的配合，领航员路书写的好，车手就能游刃有余，大家配合的天衣无缝。写的不好，车手（大模型）就像没头的苍蝇，处处碰壁，到处踩坑，还不如没有。
先看看靠谱的Skill长啥样
靠谱的 Skill 往往不是单独一个 SKILL.md，而是一整套能对上的东西： 主说明书 管触发和步骤， 参考 管口径， 模型/词表 管分类， 脚本 管执行， 检查 管验收。
| ●●●skill-layout.md | skill-name/ # 一套作业说明书
SKILL.md # 主说明书：触发语、步骤、产出、验收
references/ # 参考：规范、操作步骤、口径
需求怎么拆.md # 输入怎么问、默认值怎么回显
输出长什么样.md # 汇报模板，避免各写各的
models/ # 模型/词表：受控分类，不靠模型自己猜
主题词表.md # 检索词、归类、图谱共用同一套
scripts/ # 脚本：关键操作的执行体
do_the_work.py # 采集、落盘、回写索引
checks/ # 检查：干没干、干的咋样，看结果
audit.py # 假路径、缺正文、重复项
# 关系：SKILL.md 调度；参考/词表给口径；脚本落地；检查验收。
# 写在提示词里的，智能体可以绕过；写在脚本和检查里的，绕不过。 |
02 Skill的搭建过程
Skill的搭建过程，跟产品设计过程很像，有几个重要步骤： 开展需求分析，明确Skill的使用场景、业务定位、如何调用、输入需求、操作步骤、过程参考、辅助脚本、输出要求、检查手段等 。
再补几条容易漏的： 触发语 写清楚，什么话该叫醒它； 边界 写清楚，什么该它干、什么不该它干； 失败留痕 写清楚，别让它口头说「搞定了」；跟相邻 Skill 怎么分工、共享什么、不抢什么；以及用过之后怎么迭代。做完这些，Skill就基本靠谱了。
当然，如果你某方面的专家，也可绕过上面所有步骤，直接手搓提示词，咱不抬杠。
以下根据政策收集汇报场景的Skill为例，大概整理说明一下。
1、用户需求：
定期从目标网站搜索行业政策，跟踪动态；
按关键字检索历史政策库，开展对比分析；
定期形成行业政策简报。
2、需求分析
一个典型的流程包括：在线政策检索（定期、即时）、本地政策归集、政策内容索引、用户按需检索、定期政策简报等几个场景。
▲ 政策智能体的五个环节
其中“调用 Skill 执行采集”这一步，是整条链路里最实的部分，具体要做四件事：
1.从相关在线网站，扫描符合条件的所有政策清单；
2.对政策文件进行读取，提取文件名称、政策类型、发布来源、发布时间、关键字、主要内容、附件、原文链接等信息；
3.提取完成后，对政策做本地存储，注意确认正文及所有附件都完整下载；
4.下载完成的文件，按目录进行存储、归档，并结合政策提取的关键信息，建立政策信息索引，用作后续检索、分析使用。
▲ 一次定时政策查询任务 3、Skill主描述
分析过程上篇说过了，这里直接上Skill.md主描述：
| ●●●policy-query/SKILL.md | ---
name: policy-query
description: 临时政策查询与检索。用户说「查政策」「找政策」「政策查询」「有没有XX的政策」时使用。先按四要素解析需求并回显，再本地索引优先检索，本地没有才上网采集。在线采集一律走 fetch_policy.py，完整性与查重由脚本判定。界面出清单+概览+失败清单。若有新政策入库，收尾必须运行 skills/_shared/scripts/sync_graphs.py 刷新知识图谱。
agent_created: true
---
# 临时政策查询
## 何时使用
- 查政策 / 找政策 / 政策查询 / 检索政策
- 有没有 XX 方面的政策 / 找一下 XX 文件
- 在能源局网站查… / 在本地目录扫…
- @policy-query
## 工作空间
`{知识库根目录}`。开工前先读这几份共用规范，别凭印象干：
| 文件 | 管什么 |
|------|--------|
| `_shared/政策需求解析.md` | 四要素怎么拆、怎么回显 |
| `_shared/政策主题词表.md` | 主题归类与检索词组，唯一权威 |
| `_shared/政策网页采集操作步骤.md` | 网页怎么采：probe → fetch → 退出码 |
| `_shared/政策库结构与索引字段.md` | 目录怎么摆、索引有哪些列（写索引时对照） |
| `_shared/政策输出格式.md` | 汇报长什么样 |
| `_shared/政策Skill问题与修订记录.md` | 踩过的坑与现行口径（改 Skill 时同步更新） |
---
## 执行次序（七步，不许跳步、不许换序）
### 第 1 步 · 解析需求并回显
按 `政策需求解析.md` 拆出**目标来源、时间范围、目标政策、输出形式**四要素，
用那份文件里的模板回显一遍。
- 目标政策没说清 → **停下来问**，列出 T1–T7 供选，不许猜着开工。
- 其余三项缺省有默认值，回显时把默认值明说，不要默默套用。
### 第 2 步 · 定路由
| 用户怎么说 | 走哪条 |
|------------|--------|
| 指定网站 / 在线 / 公网 | 只走在线（跳到第 4 步） |
| 指定本地目录 / 离线 | 只走本地（第 3 步做完直接到第 7 步） |
| **未指定来源** | **本地优先**：第 3 步查本地，不够再第 4 步上网 |
| 明说「本地+在线都要」 | 两条都走 |
### 第 3 步 · 本地检索（默认起点）
1. 读 `政策信息索引.md`，匹配 **文件名称 + 主题 + 关键字 + 主要内容 + 发布来源**，
不能只做文件名包含。
2. 主题匹配用词表：用户给的关键字先归到主题，再把该主题下所有政策捞出来当候选，
**这是「关键字部分匹配」的落地方式**——两条政策只要共用一个关键字就该被一起捞出。
3. 索引信息不够就打开源文件核对段落。
4. **命中后必须核对正文文件真的在硬盘上**（`Path.exists()`）。
索引写了路径不等于文件存在——「假路径」一律当作未命中，转第 4 步补采，
并在汇报里说明是补采。命令用 `--repair --apply-index`。
5. **原文链接无效**（站点首页、日期目录、带「（媒体追踪）」括号备注）的条目，
不能直接采；先找回真链再采。可用 `audit_policy.py` 第 4 项排查。
本地够用就直接到第 7 步，不要为了"更全"擅自上网（那是扩大范围，见需求解析纪律 1）。
### 第 4 步 · 在线采集
按 `政策网页采集操作步骤.md` 走，**一条都不许绕过脚本手写索引行**：
1. 用 `policy_topics.py --list` 取主题的检索词组，去目标来源搜出候选链接
2. 候选全部先 `fetch_policy.py --url ... --probe`，退出码 2 的是已有的，直接剔除
3. **补采**（已有但缺正文/假路径）：用 `--repair --apply-index`，不要只 `--probe` 就跳过
4. **新采**：`fetch_policy.py --url ... --dest ... --apply-index`（必须带 `--apply-index`）
5. 来源优先级见 `政策主题词表.md`「推荐检索来源」与采集步骤：
**部委 / 中国政府网 / 派出机构 > 地方 / 交易中心 > 协会 > 门户/媒体**。
北极星等媒体站易遇反爬，只作线索；有官方链就用官方。官方只有新闻稿、
全文 PDF 在可靠转载站时，**原文链接写官方（可用 `--official-url`）**，正文原件
可来自转载，采集记录里保留实际下载 URL。图谱「原文链接」来自索引，不是
`_采集记录.json`。
6. 落盘：有正文附件只下原件；否则必出 `正文.docx`+`正文.md`；附件用人话名
`附件N：标题.ext`（禁止 CMS 哈希名），同内容多链去重；每次必写 `_采集记录.json`。
反爬失败只写说明、不写脚本碎片。
7. 记住每条退出码，3 和 4 进失败清单；质量门禁未过的会判缺正文，不许改成「完整·转存」
### 第 5 步 · 写索引
优先依赖 `--apply-index` 自动回写。手工改时：完整性照抄脚本判定，主题用
`policy_topics.py --classify` 判，本地路径写脚本给的真实路径，**不许写「（待归档）」占位**。
补采前若标题与已有行高度重合，**合并到已有行**，不要新建第二条。
总部内部通知不进政策库，改走材料「总部文件」并告知用户。
### 第 6 步 · 刷新图谱（硬性，不可跳过）
按 `_shared/索引出图联动.md`，与材料侧同一条命令、同一种回执：
```
python skills\_shared\scripts\sync_graphs.py
```
无条件跑。纯本地命中、没改索引时跑它也无妨——脚本自己比时间并打印「跳过」，
这时回执就写「图谱：无变动，已是最新」。
### 第 7 步 · 汇报
按 `政策输出格式.md`：**清单表 → 逐个概览 → 失败清单 → 服务入口 → 图谱回执**。
- 界面这份就是工作简报，**默认不落盘**。用户明确说「下载简报」才按输出格式里的
Word 版式生成到 `政策/_简报/{日期}-临时查询.docx` 并给路径。
- 源文链接必须出现在对话里，不要只写「见本地索引」。
- 有新入库的，收尾跑一次 `audit_policy.py`，有问题先修再汇报。
---
## 服务入口
- 「打开第 N 个」→ 用系统打开本地正文或附件
- 「打包」→ 复制到 `政策/_简报/打包-{日期}/` 或打 zip，给出路径 |
模板与参考 这里有个原则： 语言模型（LLM）并不值得信任。 因为Skill描述都是文本，但如果全靠文本，那智能体、大模型在执行时，就会出现不同模型之间的结果千差万别。因为到底怎么干、干没干、干的咋样，全靠大模型自己的理解、自己说了算，就是我们常说的没有客观标准。
所以，耳听为虚，眼见为实，凡事看结果。 为了保证输出的稳定性，要对关键操作给出具体的模板和参考。
以本例的Skill描述为例，相应增加了几个参考和脚本：
1、几个子Skill共用的东西都放进 _shared：需求解析、主题词表、采集步骤、库结构与索引字段、输出格式是参考和模板等；
2、按需增加配套的执行脚本：fetch_policy、policy_topics、make_docx，都是py文件；
3、各步骤执行完成后，增加检查：audit_policy、check_consistency、sync_graphs；
SKILL.md 只负责调度，口径和结果不靠它口头说了算。
03 多Skill及文件的组织
上面的例子是围绕一个场景展开，但并不是代表只能有1个Skill，在实际操作中，一个场景的实现可能对应多个Skill职能；这几个Skill流程相互衔接、边界清晰，互不冲突且共享内容和输出。以下是政策场景的5个细分Skill目录：
| ●●●skills/tree.md | skills/ # 政策场景：五个职能 + 一套共用
policy-query/ # 临时查询：四要素 → 本地优先 → 必要时采集
SKILL.md
policy-schedule/ # 定时扫描 + Word 简报
SKILL.md
policy-index/ # 投递箱归集、更新索引
SKILL.md
policy-compose/ # 专题汇总报告
SKILL.md
policy-graph/ # 知识图谱
SKILL.md
scripts/build_graph.py # 出图，不另写临时脚本
_shared/ # 共用规范、词表、脚本
政策需求解析.md
政策主题词表.md
政策网页采集操作步骤.md
政策库结构与索引字段.md
政策输出格式.md
scripts/ # fetch / topics / docx / audit / sync |
04 Skill如何使用
一个完整的Skill就像一套齐全的作业说明书，可以直接拿过来（下载或复制），导入你的智能体工具使用，比如Cursor、Codex、WorkBuddy等，并不受本地环境的限制。导入也很简单：把整个 Skill 文件夹放到工具约定的目录，再跟它说一声「用这个」即可。
Cursor ：把文件夹放到项目里的 .cursor/skills/，或用户目录 ~/.cursor/skills/，对话里 @ 一下就能用。
WorkBuddy ：把 Skill 放进授权知识库目录下的 skills/，工具启动时自动加载。授权目录对了，拷过去就能用。
05 重视Skill的调试迭代
如果说大语言模型（LLM）不可信，那Skill也没那么可信。智能体常告诉我们一切顺利，但实际验证时往往有各类的问题。
以政策Skill的调试过程为例，也出现了一些典型问题，比如：
假路径——索引写了路径，硬盘上没有文件；
缺正文——目录在，正文没落下来；
完整性自说——智能体口头说采全了，实际没采全；
图谱不刷——索引改了，图谱还是旧的；
关键字口径——同一主题说法不统一，对不上
……
这里想补充的是，Skill的使用，并不是从GitHub或其它地方拿来就万事大吉了， 它需要持续的完善，而且它们的完善或使用是同步进行的 ，即：我们常会在使用过程中，同步要求智能体更新Skill的细节，这样你的Skill才会随着使用变得越来越好用。
| 
学习助手
订阅
