知识管理与客服团队经常要做「找专家」这类事：根据问题找到内部相关专家。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。

这篇是最短路径：不追求完美，只求在 10 分钟内让「找专家」第一次跑通。

准备（2 分钟）

  • 一份真实但已脱敏的问题
  • 一个支持技能或自定义指令的智能体工具（如 Claude Code、Cursor、GPTs、扣子等任一）
  • 一份你认可的专家建议范例（可选，但很有帮助）

第 1 步：写最小指令（3 分钟）

任务：找专家
输入：问题
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
输出：专家建议，末尾列出需人工确认的内容。
信息不足时先提问，不要编造。

第 2 步：放到工具里（2 分钟）

把上面的内容放进所用工具的规则或技能位置：Claude Code 放进 .claude/skills/expert-finder/SKILL.md（前面补上 name 与 description），Cursor 放进 .cursor/rules/，GPTs 放进 Instructions。具体位置见各平台版本的文章。

第 3 步：跑一次（2 分钟）

用一句自然语言发出请求，例如：

这是今天的问题，按团队的找专家流程处理一下。

观察智能体是否按步骤执行，输出结构是否符合预期。

第 4 步：修一处（1 分钟）

找出输出中最不满意的一点，只改对应的那一句指令，再跑一次。不要一次改很多处，否则不知道是哪处起了作用。

跑通之后

  • 用测试用例覆盖边界情况
  • 用检查清单确认上线前事项
  • 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专家建议范例，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。

每一步要产出什么

把每一步的中间产出写清楚，智能体就不容易跳步，人也方便定位问题：

  1. 分析主题：产出一段简短的中间结果，并注明依据来自问题的哪一部分
  2. 检索文档作者与贡献者：产出一段简短的中间结果，并注明依据来自问题的哪一部分
  3. 推荐人选：产出一段简短的中间结果，并注明依据来自问题的哪一部分
  4. 附依据：产出一段简短的中间结果，并注明依据来自问题的哪一部分

最后一步之后，再把这些中间结果汇总成专家建议。中间结果可以折叠或省略展示，但在技能指令中要求智能体“先完成再汇总”，能明显减少遗漏。

领域注意事项

「找专家」属于知识库与问答领域，使用者多是知识管理与客服团队，工作环境通常是文档库与检索系统。这个领域最重要的一条底线是：回答必须有出处，没有依据时如实说明。

建议把这条底线原样写进技能的约束部分，而不是指望智能体自己意识到。同时，在团队内部明确：智能体给出的专家建议只是初稿或建议，最终由谁签字确认、出了问题由谁负责。

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。