把「A/B 实验解读」交给智能体，难点不在模型能力，而在流程是否说清楚：输入是什么（实验数据），按什么顺序处理，交付什么（实验报告），哪些事不能做。Skill 就是把这些写下来的载体。

一句话说明

「A/B 实验解读」技能让智能体解读实验结果并给出上线建议。你提供实验数据，它按固定步骤处理，交付实验报告。

项目说明
技能A/B 实验解读（ab-test-readout）
作用解读实验结果并给出上线建议
输入实验数据
输出实验报告
形态带脚本
风险中
适用人群数据分析师与运营

它解决什么问题

没有技能时，数据分析师与运营每次都要重新描述要求，智能体的输出时详时略、格式不一，关键的检查步骤也经常被跳过。把流程写成技能后：

  • 每次都按同样的顺序执行：检查样本与分流→计算差异与置信区间→检查护栏指标→给出建议
  • 输出结构固定，便于复核和归档
  • 领域规矩（如「结论要回到原始数据核对口径，避免把相关当因果」）写在技能里，不靠临时提醒

适合与不适合

适合：经常处理实验数据、希望结果格式统一、愿意花十分钟把流程写清楚的数据分析师与运营。

不适合：一次性的临时任务；需要大量现场判断、无法写成步骤的工作；以及没有人复核就要直接对外使用的场景。

可以在哪些平台实现

同一个技能的思路可以落在不同平台上，常见选择有：

怎么开始

建议先用纯提示词版本在日常对话助手里试几次，确认步骤合理；再按SKILL.md 写法封装成技能；最后用测试用例验收。

这个技能需要运行本地脚本（解析文件、调用命令行工具等），要求运行环境允许执行代码；属于中等风险：结果会影响业务判断，建议在输出前设置人工审核点。

想了解提示词层面的基础用法，可以先读站内的智能体技能与插件入门。

准备一份好范例

在技能的参考资料里放一份你认可的实验报告范例，往往比多写十条规则更有效。好范例应当：

  • 来自真实工作，但已去除个人信息和敏感数据
  • 体现团队习惯的结构、措辞和详略程度
  • 包含一处“需人工确认”的标注示范，让智能体学会如何表达不确定
  • 篇幅适中，不要比平时的产出长太多

范例不必多，一到两份即可；太多范例反而会让智能体机械模仿某一份的细节。

每一步要产出什么

把每一步的中间产出写清楚，智能体就不容易跳步，人也方便定位问题：

  1. 检查样本与分流：产出一段简短的中间结果，并注明依据来自实验数据的哪一部分
  2. 计算差异与置信区间：产出一段简短的中间结果，并注明依据来自实验数据的哪一部分
  3. 检查护栏指标：产出一段简短的中间结果，并注明依据来自实验数据的哪一部分
  4. 给出建议：产出一段简短的中间结果，并注明依据来自实验数据的哪一部分

最后一步之后，再把这些中间结果汇总成实验报告。中间结果可以折叠或省略展示，但在技能指令中要求智能体“先完成再汇总”，能明显减少遗漏。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。