「流失信号识别」是数据分析师与运营的高频任务。它的输入通常是用户行为数据，期望得到的是信号清单。这类有固定流程、又需要一点判断力的工作，很适合封装成智能体 Skill。

一句话说明

「流失信号识别」技能让智能体找出预示用户流失的行为信号。你提供用户行为数据，它按固定步骤处理，交付信号清单。

项目说明
技能流失信号识别（churn-signals）
作用找出预示用户流失的行为信号
输入用户行为数据
输出信号清单
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：定义流失→对比流失与留存用户→列出差异显著的行为→建议预警规则
  • 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：经常处理用户行为数据、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：

  • 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
  • Function Calling：Function Calling（工具调用）是主流大模型 API 的通用能力：你用 JSON Schema 描述函数
  • LangChain / LangGraph 工具：LangChain 用 @tool 装饰器把函数变成工具
  • 阿里云百炼智能体应用：阿里云百炼是阿里云的大模型服务与应用开发平台

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信号清单范例，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. 定义流失：产出一段简短的中间结果，并注明依据来自用户行为数据的哪一部分
  2. 对比流失与留存用户：产出一段简短的中间结果，并注明依据来自用户行为数据的哪一部分
  3. 列出差异显著的行为：产出一段简短的中间结果，并注明依据来自用户行为数据的哪一部分
  4. 建议预警规则：产出一段简短的中间结果，并注明依据来自用户行为数据的哪一部分

最后一步之后，再把这些中间结果汇总成信号清单。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。