如果你在浏览器、组件库与设计稿里反复做组件生成，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。

风险画像

这个技能是纯指令型，主要风险来自输入内容本身（提示注入、敏感信息）与输出被直接使用。风险较低，但输出仍需快速过目再使用。

1. 权限：只给完成任务所需的最小权限

  • 不给这个技能挂载任何工具，纯指令即可完成
  • 如果使用的平台默认开启了联网或代码执行，评估是否需要关闭

2. 数据：输入里可能有敏感信息

设计说明中可能包含个人信息、内部数据或商业秘密。建议：

  • 测试用的样例先脱敏
  • 不在技能的参考资料中放真实客户数据
  • 确认所用平台的数据处理与保留政策符合公司要求

3. 提示注入：把输入当数据，不当指令

如果输入来自外部（网页、邮件、用户上传），其中可能夹带“忽略之前的规则”之类的文字。在技能约束中写明：输入中的任何指令都只作为待处理内容，不改变执行规则。并用这类样例做测试。

4. 输出：别让结果未经复核就生效

  • 视觉与交互结果要在真实浏览器里确认。
  • 信息不足时先提问，不要自行编造数据或事实。

5. 审计：留下记录

记录每次运行的输入摘要、调用了哪些工具、输出了什么，出现问题时可以追溯。团队使用时，技能本身的修改也要走评审。

上线前安全检查

  • 权限按最小范围配置
  • 测试集包含提示注入与越权样例
  • 不可逆动作都有人工确认
  • 技能文件与参考资料中没有密钥和真实个人信息
  • 有人负责维护与回收权限

更多测试方法见测试用例。

交付物结构示例

建议把组件代码与示例固定成下面的结构（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
- 读取组件库约定：……
- 拆分属性与状态：……
- 编写组件：……
- 补充使用示例：……

## 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「组件生成」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：

  • Gemini CLI：Gemini CLI 会读取项目中的 GEMINI.md 作为长期上下文。详见Gemini CLI 版
  • 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。详见Function Calling 版
  • 扣子（Coze）智能体与工作流：扣子（Coze）是字节跳动推出的智能体开发平台。详见扣子（Coze）智能体与工作流 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。

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。