AGENTS.md 小节实战：把找专家变成团队共享流程
把「找专家」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（问题），按什么顺序处理，交付什么（专家建议），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 AGENTS.md 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 | 找专家（expert-finder） |
| 作用 | 根据问题找到内部相关专家 |
| 输入 | 问题 |
| 输出 | 专家建议 |
| 形态 | 需外部连接 |
| 风险 | 低 |
| 适用人群 | 知识管理与客服团队 |
处理流程分四步：
- 分析主题
- 检索文档作者与贡献者
- 推荐人选
- 附依据
这个技能需要通过 MCP 或平台连接器访问外部系统（如邮箱、网页、业务系统），要提前授权并限定访问范围；风险较低，但输出仍需快速过目再使用。
在 AGENTS.md 中是什么形态
AGENTS.md 是放在仓库根目录、写给编码智能体看的说明文件，多个编码智能体工具都会读取它。把常用流程写成其中的一个小节，就相当于给所有智能体装上同一个技能。
根目录的 AGENTS.md 对整个仓库生效；子目录也可以放自己的 AGENTS.md，就近补充或覆盖说明。
示例配置
AGENTS.md 中的小节示例（示意）：
## 找专家（expert-finder）
- 何时使用：用户需要根据问题找到内部相关专家
- 输入：问题
- 输出：专家建议
- 步骤：
1. 分析主题
2. 检索文档作者与贡献者
3. 推荐人选
4. 附依据
- 约束：
- 回答必须有出处，没有依据时如实说明。
- 信息不足时先提问，不要自行编造数据或事实。
- 只访问完成任务所需的最小范围，不读取无关数据，不代替用户发送或提交。
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」，让智能体在知识管理与客服团队提出相关请求时能对上号；二是约束部分要写进「回答必须有出处，没有依据时如实说明」这类领域规矩，避免智能体自作主张。
安装与启用步骤
- 在仓库根目录打开（或新建）AGENTS.md
- 新增一个以技能名命名的小节，写清何时使用、输入、步骤与约束
- 引用项目里已有的命令和脚本，不要写不存在的命令
- 让智能体执行一次相关任务，检查是否遵循
- 随代码评审一起维护这个小节
实操：一次完整的运行
假设你在文档库与检索系统中发出这样的请求（虚构示例）：
这是今天的问题，按团队的找专家流程处理一下。
智能体识别到任务与「找专家」相关后，会依次分析主题、检索文档作者与贡献者、推荐人选、附依据。最终交付专家建议，并在末尾列出需要人工确认的内容。你的工作是对照原始问题抽查两三处关键信息，确认无误后再使用。
测试与验收
让两个不同的编码智能体分别执行同一任务，对比是否都按小节中的步骤进行。
针对这个技能，还建议额外准备：
- 一份信息齐全的标准问题，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
- AGENTS.md 越写越长，变成没人维护的百科；每个小节保持一屏以内。
- 写了与实际不符的构建或测试命令，智能体会照做并失败。
- 只写了步骤，没写交付格式，导致每次输出的专家建议结构不同。
- 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
- 找专家 · Claude 应用中的 Skills 版
- 找专家 · LangChain / LangGraph 工具 版
- 找专家 · 腾讯元器 版
- 会议知识沉淀 · AGENTS.md 版
- 对话沉淀知识 · AGENTS.md 版
- 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。