把「报销单整理」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(票据信息),按什么顺序处理,交付什么(报销明细),哪些事不能做。Skill 就是把这些写下来的载体。

很多人纠结一开始要不要把技能写得很完整。答案是:先极简,再按需升级。下面对比「报销单整理」的两种写法。

极简版:五行就够

你负责报销单整理。
输入:票据信息。
步骤:识别票据字段;按类别归类;核对金额;标出缺失材料。
输出:报销明细。
信息不足先提问,不要编造。

适合个人临时使用、验证流程是否合理。缺点是输出格式不够稳定,边界情况处理不一致。

进阶版:完整技能包

.claude/skills/expense-report/
├── SKILL.md
├── scripts/expense_report.py
└── reference.md      # 可选:团队规范、模板等长资料,按需加载

进阶版在极简版基础上增加:

  • 精确的 description,确保自动触发
  • 固定的输出结构与“需人工确认”清单
  • 约束段落(权限、领域规矩、不可逆操作)
  • 参考资料(团队规范、范例),按需加载
  • 脚本,负责确定性的解析与校验
  • tests/ 测试样例

对比

维度极简版进阶版
编写时间几分钟一到两小时
输出稳定性一般较好
边界处理依赖模型自觉有明确规则
团队共享不方便可评审、可版本化
适用个人试用日常高频、多人使用

什么时候该升级

  • 每周使用超过几次
  • 输出要给别人看或进入正式流程
  • 已经发现两次以上同类错误
  • 风险较低,但输出仍需快速过目再使用

升级时参考SKILL.md 写法,并用测试用例验证。

平台选择建议

同一个「报销单整理」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:

  • GPTs:GPTs 是在 ChatGPT 中创建的定制版助手。详见GPTs 版
  • Dify 工作流:Dify 是开源的大模型应用开发平台。详见Dify 工作流 版
  • n8n AI Agent:n8n 是可自托管的工作流自动化工具。详见n8n AI Agent 版

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,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
识别票据字段按指令完成并给出依据抽查关键处,确认无误
按类别归类按指令完成并给出依据抽查关键处,确认无误
核对金额按指令完成并给出依据抽查关键处,确认无误
标出缺失材料按指令完成并给出依据抽查关键处,确认无误
最终交付整理报销明细决定是否采用、是否对外

风险较低,但输出仍需快速过目再使用。

准备一份好范例

在技能的参考资料里放一份你认可的报销明细范例,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

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。