多语言知识库 Skill 快速开始：最少步骤跑通一次
把「多语言知识库」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（知识条目），按什么顺序处理，交付什么（多语言条目），哪些事不能做。Skill 就是把这些写下来的载体。
这篇是最短路径：不追求完美，只求在 10 分钟内让「多语言知识库」第一次跑通。
准备（2 分钟）
- 一份真实但已脱敏的知识条目
- 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）
- 一份你认可的多语言条目范例（可选，但很有帮助）
第 1 步：写最小指令（3 分钟）
任务：多语言知识库
输入：知识条目
步骤：
1. 识别源语言
2. 翻译
3. 对齐版本
4. 标注更新
输出：多语言条目，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/multilingual-kb/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：
用多语言知识库技能处理这份知识条目，输出多语言条目。
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
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。
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：
- 识别源语言：产出一段简短的中间结果，并注明依据来自知识条目的哪一部分
- 翻译：产出一段简短的中间结果，并注明依据来自知识条目的哪一部分
- 对齐版本：产出一段简短的中间结果，并注明依据来自知识条目的哪一部分
- 标注更新：产出一段简短的中间结果，并注明依据来自知识条目的哪一部分
最后一步之后，再把这些中间结果汇总成多语言条目。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
「多语言知识库」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：智能体给出的多语言条目只是初稿或建议，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。