把「告警降噪」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（告警历史），按什么顺序处理，交付什么（降噪建议），哪些事不能做。Skill 就是把这些写下来的载体。

一句话说明

「告警降噪」技能让智能体分析告警历史，找出重复、无效告警并给出调整建议。你提供告警历史，它按固定步骤处理，交付降噪建议。

项目说明
技能告警降噪（alert-noise-reduction）
作用分析告警历史，找出重复、无效告警并给出调整建议
输入告警历史
输出降噪建议
形态纯提示词
风险低
适用人群运维与平台工程师

它解决什么问题

没有技能时，运维与平台工程师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：统计告警频次→找出从未处理的告警→建议合并或调阈值→评估风险
  • 输出结构固定，便于复核和归档
  • 领域规矩（如「变更类命令先在测试环境演练，并准备好回滚」）写在技能里，不靠临时提醒

适合与不适合

适合：经常处理告警历史、希望结果格式统一、愿意花十分钟把流程写清楚的运维与平台工程师。

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：

  • GPTs：GPTs 是在 ChatGPT 中创建的定制版助手
  • Cursor Rules：Cursor 用项目规则（Project Rules）给智能体注入长期指令
  • GitHub Copilot 指令与提示文件：GitHub Copilot 支持仓库级自定义指令文件 .github/copilot-instructions.md
  • MCP 服务：MCP（模型上下文协议）是一个开放协议

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。

这个技能纯指令型，不需要额外脚本或外部连接，复制到大多数平台都能用；风险较低，但输出仍需快速过目再使用。

平台选择建议

同一个「告警降噪」技能可以落在不同平台上，选择时主要看你在哪里工作、要不要执行代码、要不要接外部系统：

  • LangChain / LangGraph 工具：LangChain 用 @tool 装饰器把函数变成工具。详见LangChain / LangGraph 工具 版
  • Claude Code Skill：Claude Code 的 Agent Skills 以文件夹为单位：一个 SKILL.md（YAML 头写 name 与 description）加上可选的脚本和参考资料。智能体平时只看到 description。详见Claude Code Skill 版
  • GitHub Copilot 指令与提示文件：GitHub Copilot 支持仓库级自定义指令文件 .github/copilot-instructions.md。详见GitHub Copilot 指令与提示文件 版

这个技能纯指令型，不需要额外脚本或外部连接，复制到大多数平台都能用，可据此排除不支持相应能力的平台。

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
统计告警频次按指令完成并给出依据抽查关键处，确认无误
找出从未处理的告警按指令完成并给出依据抽查关键处，确认无误
建议合并或调阈值按指令完成并给出依据抽查关键处，确认无误
评估风险按指令完成并给出依据抽查关键处，确认无误
最终交付整理降噪建议决定是否采用、是否对外

风险较低，但输出仍需快速过目再使用。

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。