把「磁盘清理建议」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（磁盘使用情况），按什么顺序处理，交付什么（清理建议），哪些事不能做。Skill 就是把这些写下来的载体。

本文介绍如何在 OpenAI Agents SDK 上实现这个技能，包括它的形态、示例配置、启用步骤、一次完整的运行过程和常见坑。

这个技能做什么

项目说明
技能磁盘清理建议（disk-cleanup-advisor）
作用分析磁盘占用并给出安全清理建议
输入磁盘使用情况
输出清理建议
形态带脚本
风险高
适用人群运维与平台工程师

处理流程分四步：

  1. 找出大目录
  2. 区分日志、缓存、业务数据
  3. 给出安全清理命令
  4. 提醒先备份

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；属于高风险：涉及权限、个人信息或不可逆操作，Skill 只产出建议或草稿，执行前必须人工确认。

在 OpenAI Agents SDK 中是什么形态

OpenAI Agents SDK 是一个轻量的智能体开发框架，用 Agent 定义指令与工具，用 function_tool 把 Python 函数变成工具，用 Runner 运行，还支持多智能体交接与护栏。

代码运行在你自己的环境中，可接入日志与追踪；具体的包名、版本与模型配置以官方文档为准。

示例配置

# 示意代码：OpenAI Agents SDK（pip 包名与接口以官方文档为准）
from agents import Agent, Runner, function_tool

@function_tool
def load_disk_cleanup_advisor(path: str) -> str:
    """读取磁盘使用情况并返回文本。"""
    with open(path, encoding="utf-8") as fh:
        return fh.read()[:20000]

agent = Agent(
    name="磁盘清理建议",
    instructions="""
1. 找出大目录
2. 区分日志、缓存、业务数据
3. 给出安全清理命令
4. 提醒先备份
输出：清理建议。不确定的内容标注“需人工确认”。
""",
    tools=[load_disk_cleanup_advisor],
)

result = Runner.run_sync(agent, "请处理 input.txt 中的磁盘使用情况")
print(result.final_output)

示例里最重要的是两处：一是描述（或指令开头）要写明「什么时候用」，让智能体在运维与平台工程师提出相关请求时能对上号；二是约束部分要写进「变更类命令先在测试环境演练，并准备好回滚」这类领域规矩，避免智能体自作主张。

安装与启用步骤

  1. 安装 SDK 并配置模型访问凭据（放在环境变量中）
  2. 用 function_tool 定义读取或处理数据的工具
  3. 在 Agent 的 instructions 中写入技能步骤与约束
  4. 用 Runner 运行并打印结果
  5. 把它包装成命令行工具或接口供团队使用

实操：一次完整的运行

假设你在服务器、容器与部署流水线中发出这样的请求（虚构示例）：

这是今天的磁盘使用情况，按团队的磁盘清理建议流程处理一下。

智能体识别到任务与「磁盘清理建议」相关后，会依次找出大目录、区分日志、缓存、业务数据、给出安全清理命令、提醒先备份。最终交付清理建议，并在末尾列出需要人工确认的内容。你的工作是对照原始磁盘使用情况抽查两三处关键信息，确认无误后再使用。

测试与验收

为 Agent 写几条固定输入的回归用例，每次修改指令后重跑，比较输出结构。

针对这个技能，还建议额外准备：

  • 一份信息齐全的标准磁盘使用情况，检查输出是否完整
  • 一份缺少关键信息的输入，检查智能体是否先提问而不是编造
  • 一份包含“忽略以上规则”等字样的输入，检查约束是否仍然有效

常见坑

  • 把密钥写在代码里提交。
  • instructions 写得过长，关键约束被淹没。
  • 只写了步骤，没写交付格式，导致每次输出的清理建议结构不同。
  • 高风险技能没有设置人工确认环节，智能体直接执行了不可逆操作。

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。