数据质量巡检 Skill 如何与其他技能协作：交接格式与顺序
把「数据质量巡检」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（数据表），按什么顺序处理，交付什么（质量报告），哪些事不能做。Skill 就是把这些写下来的载体。
单个技能解决一个环节，把几个技能串起来，才能覆盖一整段工作。本文示范「数据质量巡检」与三个相关技能的组合。
组合方案
| 顺序 | 技能 | 作用 | 交给下一步的东西 |
|---|---|---|---|
| 1 | 查询结果解读 | 把 SQL 查询结果翻译成业务结论 | 业务解读 |
| 2 | 数据质量巡检 | 检查数据的完整性、一致性与及时性 | 质量报告 |
| 3 | 对标分析 | 把自身指标与公开行业参照对比 | 对标报告 |
| 4 | 报销单整理 | 根据票据信息整理报销明细 | 报销明细 |
交接格式是关键
技能之间靠“上一步的输出就是下一步的输入”衔接。建议约定：
- 每个技能的输出都带固定标题，便于下一个技能定位内容
- 不确定项统一放在“需人工确认”小节，后续技能不得把它当作确定事实
- 「数据质量巡检」接收的是数据表，如果上一步给的格式不同，先做一次转换
怎么编排
有三种常见方式：
- 人工串联：每一步结束后由人确认，再触发下一个技能，最稳妥
- 编排指令：写一个总技能，列出调用顺序与交接要求，由智能体依次执行
- 工作流平台：在 Dify、扣子、n8n 等平台中把每个技能做成节点，用条件分支处理异常
编排指令示例（示意）
# 组合流程：查询结果解读 → 数据质量巡检 → 对标分析 → 报销单整理
1. 调用 sql-to-insight，保存输出为 step1
2. 以 step1 为输入调用 data-quality-check，保存为 step2
3. 以 step2 为输入调用 benchmark-compare
4. 调用 expense-report 做收尾
- 任一步出现“需人工确认”时暂停，等待用户回复后再继续
注意事项
- 链条越长，错误越容易被放大，关键节点要有人看
- 风险较低，但输出仍需快速过目再使用
- 每个技能单独测试通过后再组合
相关技能
交付物结构示例
建议把质量报告固定成下面的结构（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
- 定义检查规则：……
- 运行检查：……
- 标出异常：……
- 建议负责人：……
## 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「数据质量巡检」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：
- 腾讯元器：腾讯元器是腾讯推出的智能体创作平台。详见腾讯元器 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
- 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
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，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。