数据分析师与运营经常要做「数据加工需求」这类事：把业务取数需求写成数据加工规格。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。

单个技能解决一个环节，把几个技能串起来，才能覆盖一整段工作。本文示范「数据加工需求」与三个相关技能的组合。

组合方案

顺序技能作用交给下一步的东西
1对标分析把自身指标与公开行业参照对比对标报告
2数据加工需求把业务取数需求写成数据加工规格加工规格文档
3指标异动分析分析指标突然波动的可能原因异动分析报告
4制度问答基于公司制度文档回答员工问题带出处的回答

交接格式是关键

技能之间靠“上一步的输出就是下一步的输入”衔接。建议约定：

  • 每个技能的输出都带固定标题，便于下一个技能定位内容
  • 不确定项统一放在“需人工确认”小节，后续技能不得把它当作确定事实
  • 「数据加工需求」接收的是业务需求，如果上一步给的格式不同，先做一次转换

怎么编排

有三种常见方式：

  1. 人工串联：每一步结束后由人确认，再触发下一个技能，最稳妥
  2. 编排指令：写一个总技能，列出调用顺序与交接要求，由智能体依次执行
  3. 工作流平台：在 Dify、扣子、n8n 等平台中把每个技能做成节点，用条件分支处理异常

编排指令示例（示意）

# 组合流程：对标分析 → 数据加工需求 → 指标异动分析 → 制度问答
1. 调用 benchmark-compare，保存输出为 step1
2. 以 step1 为输入调用 etl-spec，保存为 step2
3. 以 step2 为输入调用 anomaly-explainer
4. 调用 policy-qa 做收尾
- 任一步出现“需人工确认”时暂停，等待用户回复后再继续

注意事项

  • 链条越长，错误越容易被放大，关键节点要有人看
  • 风险较低，但输出仍需快速过目再使用
  • 每个技能单独测试通过后再组合

相关技能

交付物结构示例

建议把加工规格文档固定成下面的结构（示意），方便复核与归档：

## 结论
一句话说明最重要的发现或结果

## 主要内容
- 明确口径：……
- 列出来源表：……
- 写加工逻辑：……
- 定义输出与调度：……

## 依据
- 引用输入中的具体位置或数据

## 需人工确认
- ……（没有则写“无”）

结构固定之后，复核的人只要先看“结论”和“需人工确认”两部分，就能快速判断结果能否使用。

平台选择建议

同一个「数据加工需求」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：

  • 腾讯元器：腾讯元器是腾讯推出的智能体创作平台。详见腾讯元器 版
  • Claude Code Skill：Claude Code 的 Agent Skills 以文件夹为单位：一个 SKILL.md（YAML 头写 name 与 description）加上可选的脚本和参考资料。智能体平时只看到 description。详见Claude Code Skill 版
  • OpenAI Agents SDK：OpenAI Agents SDK 是一个轻量的智能体开发框架。详见OpenAI Agents SDK 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。

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。