把「项目复盘」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（项目资料），按什么顺序处理，交付什么（复盘报告），哪些事不能做。Skill 就是把这些写下来的载体。

一个人用得顺手的技能，推广到团队时会遇到新问题：放在哪、谁来改、怎么知道它变好了还是变坏了。下面以「项目复盘」为例给出落地做法。

1. 统一存放位置

  • 编码类工具：放在仓库中（如 .claude/skills/postmortem-pm/、.cursor/rules/），随代码评审
  • 业务平台（GPTs、扣子、百炼、飞书 aily 等）：指定一个管理员账号维护，避免多人各建一份
  • 在团队文档中登记：技能名、负责人、适用场景、当前版本

2. 版本与变更记录

在技能目录里放一个 CHANGELOG，每次修改写明改了什么、为什么改、测试结果。重大修改先在小范围试用一周。

3. 评审规则

修改技能和修改代码一样要评审，重点看：

  • 步骤是否仍覆盖：回顾目标与结果、总结做得好的、分析问题、形成行动
  • 约束是否仍包含「优先级与对外承诺需要团队确认」
  • 测试集是否全部通过

4. 培训与说明

给团队写一页使用说明：什么时候用、怎么触发、输出怎么复核、遇到问题找谁。附一个场景实录帮助理解。

5. 收集反馈

设一个固定渠道收集“用得不好”的案例，每两周集中处理一次，把典型问题补进测试集。不要依赖印象判断效果，以测试集与真实反馈为准。

6. 权限与合规

风险较低，但输出仍需快速过目再使用。团队共享时尤其要确认：技能能访问哪些数据、谁能修改技能、离职或转岗后权限是否回收。

推广节奏建议

阶段范围目标
试点2～3 人跑通流程，修正明显问题
扩大一个小组补齐测试集与使用说明
全员整个团队纳入日常流程，定期评审

交付物结构示例

建议把复盘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
- 回顾目标与结果：……
- 总结做得好的：……
- 分析问题：……
- 形成行动：……

## 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「项目复盘」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：

  • GPTs：GPTs 是在 ChatGPT 中创建的定制版助手。详见GPTs 版
  • Dify 工作流：Dify 是开源的大模型应用开发平台。详见Dify 工作流 版
  • n8n AI Agent：n8n 是可自托管的工作流自动化工具。详见n8n AI Agent 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。

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。