ETL 字段映射 Skill 介绍：让智能体按固定流程完成任务

把「ETL 字段映射」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（源与目标结构），按什么顺序处理，交付什么（映射表），哪些事不能做。Skill 就是把这些写下来的载体。

一句话说明

「ETL 字段映射」技能让智能体生成源表到目标表的字段映射与转换规则。你提供源与目标结构，它按固定步骤处理，交付映射表。

它解决什么问题

没有技能时，后端与数据工程师每次都要重新描述要求，智能体的输出时详时略、格式不一，关键的检查步骤也经常被跳过。把流程写成技能后：

• 每次都按同样的顺序执行：逐字段匹配→写转换规则→标注缺失字段→给出校验方法
• 输出结构固定，便于复核和归档
• 领域规矩（如「默认使用只读连接，任何写操作都要人工确认」）写在技能里，不靠临时提醒

适合与不适合

适合：经常处理源与目标结构、希望结果格式统一、愿意花十分钟把流程写清楚的后端与数据工程师。

不适合：一次性的临时任务；需要大量现场判断、无法写成步骤的工作；以及没有人复核就要直接对外使用的场景。

可以在哪些平台实现

同一个技能的思路可以落在不同平台上，常见选择有：

• Cursor Rules：Cursor 用项目规则（Project Rules）给智能体注入长期指令
• GitHub Copilot 指令与提示文件：GitHub Copilot 支持仓库级自定义指令文件 .github/copilot-instructions.md
• MCP 服务：MCP（模型上下文协议）是一个开放协议
• LangChain / LangGraph 工具：LangChain 用 @tool 装饰器把函数变成工具

怎么开始

建议先用纯提示词版本在日常对话助手里试几次，确认步骤合理；再按SKILL.md 写法封装成技能；最后用测试用例验收。

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；风险较低，但输出仍需快速过目再使用。

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：

风险较低，但输出仍需快速过目再使用。

准备一份好范例

在技能的参考资料里放一份你认可的映射表范例，往往比多写十条规则更有效。好范例应当：

• 来自真实工作，但已去除个人信息和敏感数据
• 体现团队习惯的结构、措辞和详略程度
• 包含一处“需人工确认”的标注示范，让智能体学会如何表达不确定
• 篇幅适中，不要比平时的产出长太多

范例不必多，一到两份即可；太多范例反而会让智能体机械模仿某一份的细节。

延伸阅读

• ETL 字段映射 · Function Calling 版
• ETL 字段映射 · 扣子（Coze）智能体与工作流 版
• ETL 字段映射 · 测试用例
• ORM 查询审查 · 介绍
• 表结构评审 · 介绍
• 智能体Skills 分类：625 个技能 × 32 个角度

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。