「正则解释与修复」是开发者的高频任务。它的输入通常是正则表达式与样例文本，期望得到的是解释、修正版与测试用例。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。

下面是把「正则解释与修复」做成技能时最常见的 8 个问题，每条都给出改法。

1. 描述写成口号

智能体判断不出何时该用。改为“解释已有正则含义，发现边界问题并给出修正版和测试样例；当用户提到正则解释与修复时使用”。

2. 步骤太粗

只写“做好正则解释与修复”。改为编号的具体动作：逐段解释正则；构造边界样例；找出误匹配；给出修正并用样例验证。

3. 没有输出格式

每次交付的解释、修正版与测试用例结构不同。在技能中给出固定标题或表头。

4. 没写缺信息怎么办

智能体自行补全，产生编造内容。明确要求先列出缺失项并提问。

5. 忽略领域规矩

例如没写「改动前确认有测试与版本控制，一次只改一类问题」。把这类底线写进约束段落。

6. 权限过大

把纯指令技能和带执行权限的工具混在一起。纯提示词能完成的就不要挂工具。

7. 长资料塞进正文

每次加载都很重，关键规则被淹没。把规范、模板拆到参考文件按需读取。

8. 改完不测

一次改多处又不回归测试。保留测试用例，每次修改后重跑。

一个自查办法

把技能交给一位没参与编写的同事，让他只看 SKILL.md（或规则文件）回答三个问题：什么时候用？输入什么？交付什么？答不上来的地方，就是需要补写的地方。

风险提示：风险较低，但输出仍需快速过目再使用。

平台选择建议

同一个「正则解释与修复」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
  • AGENTS.md：AGENTS.md 是放在仓库根目录、写给编码智能体看的说明文件。详见AGENTS.md 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。

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
逐段解释正则按指令完成并给出依据抽查关键处，确认无误
构造边界样例按指令完成并给出依据抽查关键处，确认无误
找出误匹配按指令完成并给出依据抽查关键处，确认无误
给出修正并用样例验证按指令完成并给出依据抽查关键处，确认无误
最终交付整理解释、修正版与测试用例决定是否采用、是否对外

风险较低，但输出仍需快速过目再使用。

准备一份好范例

在技能的参考资料里放一份你认可的解释、修正版与测试用例范例，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。