如果你在文档库与检索系统里反复做知识库效果评估，可以考虑把经验沉淀为一个 Skill：写清触发条件、步骤、输出格式和边界，让智能体代劳重复部分，人只负责把关。

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「知识库效果评估」的两种写法。

极简版：五行就够

你负责知识库效果评估。
输入：测试问题集。
步骤：准备问题与标准答案；运行问答；评分；分析错误。
输出：评估报告。
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/kb-eval/
├── SKILL.md
├── scripts/kb_eval.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。

交付物结构示例

建议把评估报告固定成下面的结构（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
- 准备问题与标准答案：……
- 运行问答：……
- 评分：……
- 分析错误：……

## 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「知识库效果评估」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：

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
准备问题与标准答案按指令完成并给出依据抽查关键处，确认无误
运行问答按指令完成并给出依据抽查关键处，确认无误
评分按指令完成并给出依据抽查关键处，确认无误
分析错误按指令完成并给出依据抽查关键处，确认无误
最终交付整理评估报告决定是否采用、是否对外

风险较低，但输出仍需快速过目再使用。

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。