「薪资核对」是财务人员的高频任务。它的输入通常是薪资数据，期望得到的是差异清单。这类有固定流程、又需要一点判断力的工作，很适合封装成智能体 Skill。

“感觉好用”不足以说明技能有效。下面给出一套轻量的评估方法，用来判断「薪资核对」是否达标，以及每次修改后是变好还是变坏。

1. 建一个样例集

收集 10～20 份有代表性的薪资数据（已脱敏），覆盖常见情况、困难情况和边界情况。为每份样例写下“合格输出应该包含什么”。

2. 定义评分维度

维度0 分1 分2 分
完整性缺少主要部分缺少次要部分差异清单结构完整
准确性有编造或明显错误有小瑕疵内容都能在输入中找到依据
流程遵循跳过多个步骤跳过一步按步骤执行
边界处理缺信息时编造部分提问先提问或明确标注
可用性需要大改需要小改基本可直接使用

3. 打分方式

  • 人工打分最可靠，两人独立打分取平均
  • 可以让另一个模型按评分表初评，但要人工抽查，不要完全依赖
  • 记录每个样例的得分和问题描述

4. 回归测试

每次修改技能后，跑一遍完整样例集，比较总分与各维度变化。某个维度下降时，回看是哪条修改导致的。

5. 关注真实使用

离线样例之外，留意真实使用中被人工大幅修改的输出，把它们补进样例集。

每一步可以单独检查

  • 对比上期：是否完成、是否有依据
  • 标出异常变动：是否完成、是否有依据
  • 核对计算：是否完成、是否有依据
  • 交由负责人确认：是否完成、是否有依据

提醒

评分表是工具，不是目标。属于高风险：涉及权限、个人信息或不可逆操作，Skill 只产出建议或草稿，执行前必须人工确认。不要为了分数好看而让技能输出冗长内容。相关：测试用例、故障排查。

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
对比上期按指令完成并给出依据抽查关键处，确认无误
标出异常变动按指令完成并给出依据抽查关键处，确认无误
核对计算按指令完成并给出依据抽查关键处，确认无误
交由负责人确认按指令完成并给出依据抽查关键处，确认无误
最终交付整理差异清单决定是否采用、是否对外

属于高风险：涉及权限、个人信息或不可逆操作，Skill 只产出建议或草稿，执行前必须人工确认。

准备一份好范例

在技能的参考资料里放一份你认可的差异清单范例，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。