知识管理与客服团队经常要做「知识库问答」这类事：基于企业文档回答问题并给出出处。每次都从头写提示词，结果时好时坏；把它做成智能体 Skill，就能让智能体每次按同一套步骤执行，输出结构也更稳定。

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「知识库问答」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文档库按步骤完成，交付结构完整的带出处回答
缺少关键信息删掉一项必要内容的文档库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

  • 检索相关段落：中间结果是否可追溯、是否与原始材料一致
  • 综合回答：中间结果是否可追溯、是否与原始材料一致
  • 附出处：中间结果是否可追溯、是否与原始材料一致
  • 无依据时说明：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：带出处回答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「知识库问答」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：

  • 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
  • GPTs：GPTs 是在 ChatGPT 中创建的定制版助手。详见GPTs 版

这个技能需要通过 MCP 或平台连接器访问外部系统（如邮箱、网页、业务系统），要提前授权并限定访问范围，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
检索相关段落按指令完成并给出依据抽查关键处，确认无误
综合回答按指令完成并给出依据抽查关键处，确认无误
附出处按指令完成并给出依据抽查关键处，确认无误
无依据时说明按指令完成并给出依据抽查关键处，确认无误
最终交付整理带出处回答决定是否采用、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。