后端与数据工程师经常要做「数据库权限审查」这类事：列出账号权限，找出过大权限与长期未用账号。每次都从头写提示词，结果时好时坏；把它做成智能体 Skill，就能让智能体每次按同一套步骤执行，输出结构也更稳定。

一个人用得顺手的技能，推广到团队时会遇到新问题：放在哪、谁来改、怎么知道它变好了还是变坏了。下面以「数据库权限审查」为例给出落地做法。

1. 统一存放位置

  • 编码类工具：放在仓库中（如 .claude/skills/access-review/、.cursor/rules/），随代码评审
  • 业务平台（GPTs、扣子、百炼、飞书 aily 等）：指定一个管理员账号维护，避免多人各建一份
  • 在团队文档中登记：技能名、负责人、适用场景、当前版本

2. 版本与变更记录

在技能目录里放一个 CHANGELOG，每次修改写明改了什么、为什么改、测试结果。重大修改先在小范围试用一周。

3. 评审规则

修改技能和修改代码一样要评审，重点看：

  • 步骤是否仍覆盖：整理账号与权限、对照最小权限原则、标出异常、建议回收
  • 约束是否仍包含「默认使用只读连接，任何写操作都要人工确认」
  • 测试集是否全部通过

4. 培训与说明

给团队写一页使用说明：什么时候用、怎么触发、输出怎么复核、遇到问题找谁。附一个场景实录帮助理解。

5. 收集反馈

设一个固定渠道收集“用得不好”的案例，每两周集中处理一次，把典型问题补进测试集。不要依赖印象判断效果，以测试集与真实反馈为准。

6. 权限与合规

属于高风险：涉及权限、个人信息或不可逆操作，Skill 只产出建议或草稿，执行前必须人工确认。团队共享时尤其要确认：技能能访问哪些数据、谁能修改技能、离职或转岗后权限是否回收。

推广节奏建议

阶段范围目标
试点2～3 人跑通流程，修正明显问题
扩大一个小组补齐测试集与使用说明
全员整个团队纳入日常流程，定期评审

智能体与人的分工

技能不是把工作全部交出去，而是把重复、机械的部分交给智能体，人把住判断和责任：

步骤智能体负责人负责
整理账号与权限按指令完成并给出依据抽查关键处，确认无误
对照最小权限原则按指令完成并给出依据抽查关键处，确认无误
标出异常按指令完成并给出依据抽查关键处，确认无误
建议回收按指令完成并给出依据抽查关键处，确认无误
最终交付整理审查结果决定是否采用、是否对外

属于高风险：涉及权限、个人信息或不可逆操作，Skill 只产出建议或草稿，执行前必须人工确认。

准备一份好范例

在技能的参考资料里放一份你认可的审查结果范例，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。

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。