「多语言知识库」Skill 组合用法：和相关技能串成流水线
如果你在文档库与检索系统里反复做多语言知识库，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。
单个技能解决一个环节，把几个技能串起来，才能覆盖一整段工作。本文示范「多语言知识库」与三个相关技能的组合。
组合方案
| 顺序 | 技能 | 作用 | 交给下一步的东西 |
|---|---|---|---|
| 1 | 表格问答 | 基于表格数据回答问题 | 回答 |
| 2 | 多语言知识库 | 维护多语言知识条目的一致性 | 多语言条目 |
| 3 | 知识库问答 | 基于企业文档回答问题并给出出处 | 带出处回答 |
| 4 | 首次响应 | 在人工接手前给出有用的首次回复 | 首次回复 |
交接格式是关键
技能之间靠“上一步的输出就是下一步的输入”衔接。建议约定：
- 每个技能的输出都带固定标题，便于下一个技能定位内容
- 不确定项统一放在“需人工确认”小节，后续技能不得把它当作确定事实
- 「多语言知识库」接收的是知识条目，如果上一步给的格式不同，先做一次转换
怎么编排
有三种常见方式：
- 人工串联：每一步结束后由人确认，再触发下一个技能，最稳妥
- 编排指令：写一个总技能，列出调用顺序与交接要求，由智能体依次执行
- 工作流平台：在 Dify、扣子、n8n 等平台中把每个技能做成节点，用条件分支处理异常
编排指令示例（示意）
# 组合流程：表格问答 → 多语言知识库 → 知识库问答 → 首次响应
1. 调用 table-qa，保存输出为 step1
2. 以 step1 为输入调用 multilingual-kb，保存为 step2
3. 以 step2 为输入调用 rag-qa
4. 调用 first-response 做收尾
- 任一步出现“需人工确认”时暂停，等待用户回复后再继续
注意事项
- 链条越长，错误越容易被放大，关键节点要有人看
- 风险较低，但输出仍需快速过目再使用
- 每个技能单独测试通过后再组合
相关技能
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 |
|---|---|---|
| 识别源语言 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 翻译 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 对齐版本 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 标注更新 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 最终交付 | 整理多语言条目 | 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多语言条目范例，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。