「会话质检」Skill 常见坑：8 个问题与改法
把「会话质检」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（会话记录与标准），按什么顺序处理，交付什么（质检结果），哪些事不能做。Skill 就是把这些写下来的载体。
下面是把「会话质检」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“按质检标准检查客服会话；当用户提到会话质检时使用”。
2. 步骤太粗
只写“做好会话质检”。改为编号的具体动作：读取标准；逐项评分；标出问题语句；给出改进建议。
3. 没有输出格式
每次交付的质检结果结构不同。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「退款、赔偿等承诺必须由人工确认」。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。
交付物结构示例
建议把质检结果固定成下面的结构（示意），方便复核与归档：
## 结论
一句话说明最重要的发现或结果
## 主要内容
- 读取标准：……
- 逐项评分：……
- 标出问题语句：……
- 给出改进建议：……
## 依据
- 引用输入中的具体位置或数据
## 需人工确认
- ……（没有则写“无”）
结构固定之后，复核的人只要先看“结论”和“需人工确认”两部分，就能快速判断结果能否使用。
平台选择建议
同一个「会话质检」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：
- 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
- OpenAI Agents SDK：OpenAI Agents SDK 是一个轻量的智能体开发框架。详见OpenAI Agents SDK 版
- 文心智能体平台：文心智能体平台是百度推出的智能体创建与分发平台。详见文心智能体平台 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 |
|---|---|---|
| 读取标准 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 逐项评分 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 标出问题语句 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 给出改进建议 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 最终交付 | 整理质检结果 | 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
- 会话质检 · GPTs 版
- 会话质检 · Dify 工作流 版
- 会话质检 · n8n AI Agent 版
- 客户声音报告 · 常见坑
- 首次响应 · 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。