对标分析 Skill 避坑指南:写法、权限与输出问题
如果你在表格、数据库与 Notebook里反复做对标分析,可以考虑把经验沉淀为一个 Skill:写清触发条件、步骤、输出格式和边界,让智能体代劳重复部分,人只负责把关。
下面是把「对标分析」做成技能时最常见的 8 个问题,每条都给出改法。
1. 描述写成口号
智能体判断不出何时该用。改为“把自身指标与公开行业参照对比;当用户提到对标分析时使用”。
2. 步骤太粗
只写“做好对标分析”。改为编号的具体动作:确认可比口径;整理参照来源;对比差距;注明资料局限。
3. 没有输出格式
每次交付的对标报告结构不同。在技能中给出固定标题或表头。
4. 没写缺信息怎么办
智能体自行补全,产生编造内容。明确要求先列出缺失项并提问。
5. 忽略领域规矩
例如没写「结论要回到原始数据核对口径,避免把相关当因果」。把这类底线写进约束段落。
6. 权限过大
把纯指令技能和带执行权限的工具混在一起。纯提示词能完成的就不要挂工具。
7. 长资料塞进正文
每次加载都很重,关键规则被淹没。把规范、模板拆到参考文件按需读取。
8. 改完不测
一次改多处又不回归测试。保留测试用例,每次修改后重跑。
一个自查办法
把技能交给一位没参与编写的同事,让他只看 SKILL.md(或规则文件)回答三个问题:什么时候用?输入什么?交付什么?答不上来的地方,就是需要补写的地方。
风险提示:风险较低,但输出仍需快速过目再使用。
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 |
|---|---|---|
| 确认可比口径 | 按指令完成并给出依据 | 抽查关键处,确认无误 |
| 整理参照来源 | 按指令完成并给出依据 | 抽查关键处,确认无误 |
| 对比差距 | 按指令完成并给出依据 | 抽查关键处,确认无误 |
| 注明资料局限 | 按指令完成并给出依据 | 抽查关键处,确认无误 |
| 最终交付 | 整理对标报告 | 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。
准备一份好范例
在技能的参考资料里放一份你认可的对标报告范例,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:
- 确认可比口径:产出一段简短的中间结果,并注明依据来自自身数据与公开资料的哪一部分
- 整理参照来源:产出一段简短的中间结果,并注明依据来自自身数据与公开资料的哪一部分
- 对比差距:产出一段简短的中间结果,并注明依据来自自身数据与公开资料的哪一部分
- 注明资料局限:产出一段简短的中间结果,并注明依据来自自身数据与公开资料的哪一部分
最后一步之后,再把这些中间结果汇总成对标报告。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
- 对标分析 · 效果评估
- 对标分析 · Claude Code Skill 版
- 对标分析 · OpenAI Agents SDK 版
- 表格数据清洗 · 常见坑
- 问卷分析 · 常见坑
- 智能体Skills 分类:625 个技能 × 32 个角度
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。