用 OpenAI Agents SDK 实现「员工调研」：工具与智能体代码

把「员工调研」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（调研目的），按什么顺序处理，交付什么（问卷与分析），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	员工调研（`employee-survey`）
作用	设计员工满意度调研并分析结果
输入	调研目的
输出	问卷与分析
形态	带脚本
风险	低
适用人群	人力资源

处理流程分四步：

设计问题
保证匿名
分析结果
提出改进

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；风险较低，但输出仍需快速过目再使用。

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_employee_survey(path: str) -> str:
    """读取调研目的并返回文本。"""
    with open(path, encoding="utf-8") as fh:
        return fh.read()[:20000]

agent = Agent(
    name="员工调研",
    instructions="""
1. 设计问题
2. 保证匿名
3. 分析结果
4. 提出改进
输出：问卷与分析。不确定的内容标注“需人工确认”。
""",
    tools=[load_employee_survey],
)

result = Runner.run_sync(agent, "请处理 input.txt 中的调研目的")
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」，让智能体在人力资源提出相关请求时能对上号；二是约束部分要写进「涉及个人信息与录用决定，必须由人做最终判断」这类领域规矩，避免智能体自作主张。

安装与启用步骤

安装 SDK 并配置模型访问凭据（放在环境变量中）
用 function_tool 定义读取或处理数据的工具
在 Agent 的 instructions 中写入技能步骤与约束
用 Runner 运行并打印结果
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

假设你在招聘与人事系统中发出这样的请求（虚构示例）：

帮我做一下员工调研，材料是附上的调研目的。

智能体识别到任务与「员工调研」相关后，会依次设计问题、保证匿名、分析结果、提出改进。最终交付问卷与分析，并在末尾列出需要人工确认的内容。你的工作是对照原始调研目的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调研目的，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，导致每次输出的问卷与分析结构不同。
没有给出样例，智能体对“好结果”的理解与你不一致；在参考资料里放一两份范例会明显改善。

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。