「老客户识别」是客服团队的高频任务。它的输入通常是客户历史，期望得到的是服务建议。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「老客户识别」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“识别老客户并调整服务方式；当用户提到老客户识别时使用”。

2. 步骤太粗

只写“做好老客户识别”。改为编号的具体动作：查询历史记录；总结偏好与问题；提示坐席；建议个性化方案。

3. 没有输出格式

每次交付的服务建议结构不同。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「退款、赔偿等承诺必须由人工确认」。把这类底线写进约束段落。

6. 权限过大

为了省事给了写入、发送或执行命令的权限。按最小权限配置，涉及外部影响的动作设置确认。

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。

交付物结构示例

建议把服务建议固定成下面的结构（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
- 查询历史记录：……
- 总结偏好与问题：……
- 提示坐席：……
- 建议个性化方案：……

## 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「老客户识别」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：

  • OpenAI Agents SDK：OpenAI Agents SDK 是一个轻量的智能体开发框架。详见OpenAI Agents SDK 版
  • 文心智能体平台：文心智能体平台是百度推出的智能体创建与分发平台。详见文心智能体平台 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
查询历史记录按指令完成并给出依据抽查关键处，确认无误
总结偏好与问题按指令完成并给出依据抽查关键处，确认无误
提示坐席按指令完成并给出依据抽查关键处，确认无误
建议个性化方案按指令完成并给出依据抽查关键处，确认无误
最终交付整理服务建议决定是否采用、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。