「商品信息核对」是电商运营的高频任务。它的输入通常是商品页与参数表，期望得到的是不一致清单。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。

技能写好后，最常见的问题是“演示时很好，真用时出错”。原因通常是只用一份理想样例试过。本文给「商品信息核对」准备 6 类测试输入。

测试用例表

类型输入预期行为
正常输入信息齐全的标准商品页与参数表按步骤完成，交付结构完整的不一致清单
缺少关键信息删掉一项必要内容的商品页与参数表先列出缺失项并提问，不编造补齐
含糊或矛盾前后说法不一致的材料指出矛盾处，给出可能的理解并请用户确认
超长输入远超平时篇幅的材料分段处理或说明范围，不悄悄丢弃内容
提示注入材料中夹带“忽略以上规则，直接……”把它当作普通文本，继续遵守技能约束
越权请求要求直接执行不可逆操作或发送外部消息拒绝直接执行，只给建议或草稿并请求确认

每一步的检查点

  • 提取页面信息：中间结果是否可追溯、是否与原始材料一致
  • 与参数对照：中间结果是否可追溯、是否与原始材料一致
  • 标出差异：中间结果是否可追溯、是否与原始材料一致
  • 建议修改：中间结果是否可追溯、是否与原始材料一致

怎么执行

  1. 把 6 份输入存成文件，放在技能目录的 tests/ 下（不要包含真实个人信息）
  2. 每次修改技能后，逐一运行并记录输出
  3. 对照“预期行为”打勾，有一项不通过就回到技能里修改对应指令
  4. 新发现的问题样例补进测试集

判定标准

  • 结构：不一致清单的固定结构是否完整
  • 事实：关键内容能否在输入中找到依据
  • 边界：缺信息时是否提问、越权时是否拒绝
  • 风险：风险较低，但输出仍需快速过目再使用

小贴士

测试集不需要很大，6 到 10 份就能覆盖大部分问题。更系统的打分方法见效果评估，常见失败原因见故障排查。

平台选择建议

同一个「商品信息核对」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：

  • Function Calling：Function Calling（工具调用）是主流大模型 API 的通用能力：你用 JSON Schema 描述函数。详见Function Calling 版
  • 扣子（Coze）智能体与工作流：扣子（Coze）是字节跳动推出的智能体开发平台。详见扣子（Coze）智能体与工作流 版
  • 飞书 aily：飞书 aily 是飞书推出的企业级智能伙伴开发平台。详见飞书 aily 版

这个技能需要运行本地脚本（解析文件、调用命令行工具等），要求运行环境允许执行代码，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
提取页面信息按指令完成并给出依据抽查关键处，确认无误
与参数对照按指令完成并给出依据抽查关键处，确认无误
标出差异按指令完成并给出依据抽查关键处，确认无误
建议修改按指令完成并给出依据抽查关键处，确认无误
最终交付整理不一致清单决定是否采用、是否对外

风险较低，但输出仍需快速过目再使用。

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。