产品经理与项目经理经常要做「工作量估算」这类事：协助团队估算任务工作量。每次都从头写提示词，结果时好时坏；把它做成智能体 Skill，就能让智能体每次按同一套步骤执行，输出结构也更稳定。

“感觉好用”不足以说明技能有效。下面给出一套轻量的评估方法，用来判断「工作量估算」是否达标，以及每次修改后是变好还是变坏。

1. 建一个样例集

收集 10～20 份有代表性的任务列表（已脱敏），覆盖常见情况、困难情况和边界情况。为每份样例写下“合格输出应该包含什么”。

2. 定义评分维度

维度0 分1 分2 分
完整性缺少主要部分缺少次要部分估算结果结构完整
准确性有编造或明显错误有小瑕疵内容都能在输入中找到依据
流程遵循跳过多个步骤跳过一步按步骤执行
边界处理缺信息时编造部分提问先提问或明确标注
可用性需要大改需要小改基本可直接使用

3. 打分方式

  • 人工打分最可靠，两人独立打分取平均
  • 可以让另一个模型按评分表初评，但要人工抽查，不要完全依赖
  • 记录每个样例的得分和问题描述

4. 回归测试

每次修改技能后，跑一遍完整样例集，比较总分与各维度变化。某个维度下降时，回看是哪条修改导致的。

5. 关注真实使用

离线样例之外，留意真实使用中被人工大幅修改的输出，把它们补进样例集。

每一步可以单独检查

  • 拆分任务：是否完成、是否有依据
  • 参考历史：是否完成、是否有依据
  • 给出区间：是否完成、是否有依据
  • 标注不确定性：是否完成、是否有依据

提醒

评分表是工具，不是目标。风险较低，但输出仍需快速过目再使用。不要为了分数好看而让技能输出冗长内容。相关：测试用例、故障排查。

平台选择建议

同一个「工作量估算」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：

  • 钉钉 AI 助理：钉钉 AI 助理支持在钉钉中创建面向团队的 AI 助理。详见钉钉 AI 助理 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。

智能体与人的分工

技能不是把工作全部交出去，而是把重复、机械的部分交给智能体，人把住判断和责任：

步骤智能体负责人负责
拆分任务按指令完成并给出依据抽查关键处，确认无误
参考历史按指令完成并给出依据抽查关键处，确认无误
给出区间按指令完成并给出依据抽查关键处，确认无误
标注不确定性按指令完成并给出依据抽查关键处，确认无误
最终交付整理估算结果决定是否采用、是否对外

风险较低，但输出仍需快速过目再使用。

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。