把「知识权限设计」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（组织与文档），按什么顺序处理，交付什么（权限方案），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「知识权限设计」的两种写法。

极简版：五行就够

你负责知识权限设计。
输入：组织与文档。
步骤：划分密级；映射角色；设置权限；测试越权。
输出：权限方案。
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-permissions/
├── SKILL.md
└── 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
  • 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
  • 属于中等风险：结果会影响业务判断，建议在输出前设置人工审核点

升级时参考SKILL.md 写法，并用测试用例验证。

交付物结构示例

建议把权限方案固定成下面的结构（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
- 划分密级：……
- 映射角色：……
- 设置权限：……
- 测试越权：……

## 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「知识权限设计」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。

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
划分密级按指令完成并给出依据抽查关键处，确认无误
映射角色按指令完成并给出依据抽查关键处，确认无误
设置权限按指令完成并给出依据抽查关键处，确认无误
测试越权按指令完成并给出依据抽查关键处，确认无误
最终交付整理权限方案决定是否采用、是否对外

属于中等风险：结果会影响业务判断，建议在输出前设置人工审核点。

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。