如果你在表格、数据库与 Notebook里反复做数据质量巡检，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。

背景（虚构）

Mia是一名数据分析师，每周都要做几次数据质量巡检。过去靠复制粘贴提示词，结果不稳定。这次团队把它做成了技能，下面记录一次完整运行。

1. 发出请求

Mia在表格、数据库与 Notebook中输入：

这是今天的数据表，按团队的数据质量巡检流程处理一下。

2. 技能被触发

智能体根据技能描述判断任务匹配，加载「数据质量巡检」的完整指令。它先运行技能自带的脚本做预处理，确保后续分析基于准确的数据。

3. 定义检查规则

智能体完成“定义检查规则”，并在中间结果里注明依据，方便Mia回看。

4. 运行检查

这一步的产出会作为下一步的输入。智能体在“运行检查”时遇到一处含糊的信息，没有自行猜测，而是标注出来等待确认。

5. 标出异常

智能体完成“标出异常”，并在中间结果里注明依据，方便Mia回看。

6. 建议负责人

这一步的产出会作为下一步的输入。智能体在“建议负责人”时遇到一处含糊的信息，没有自行猜测，而是标注出来等待确认。

7. 交付与复核

智能体交付质量报告，末尾列出两条需人工确认的内容。Mia对照原始数据表抽查关键信息，修正一处表述后采用。

复盘：这次做对了什么

  • 步骤写在技能里，没有遗漏
  • 不确定处被标出，而不是被编造
  • 遵守了「结论要回到原始数据核对口径，避免把相关当因果」
  • 风险较低，但输出仍需快速过目再使用

可以改进的地方

Mia发现智能体对团队内部术语理解不一致，于是在技能目录中加了一份术语表（reference.md），并在 SKILL.md 中写明“遇到术语先查表”。更多改法见定制指南。

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. 定义检查规则：产出一段简短的中间结果，并注明依据来自数据表的哪一部分
  2. 运行检查：产出一段简短的中间结果，并注明依据来自数据表的哪一部分
  3. 标出异常：产出一段简短的中间结果，并注明依据来自数据表的哪一部分
  4. 建议负责人：产出一段简短的中间结果，并注明依据来自数据表的哪一部分

最后一步之后，再把这些中间结果汇总成质量报告。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。

领域注意事项

「数据质量巡检」属于数据分析领域，使用者多是数据分析师与运营，工作环境通常是表格、数据库与 Notebook。这个领域最重要的一条底线是：结论要回到原始数据核对口径，避免把相关当因果。

建议把这条底线原样写进技能的约束部分，而不是指望智能体自己意识到。同时，在团队内部明确：智能体给出的质量报告只是初稿或建议，最终由谁签字确认、出了问题由谁负责。

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。