把「老客户识别」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（客户历史），按什么顺序处理，交付什么（服务建议），哪些事不能做。Skill 就是把这些写下来的载体。

这篇是最短路径：不追求完美，只求在 10 分钟内让「老客户识别」第一次跑通。

准备（2 分钟）

  • 一份真实但已脱敏的客户历史
  • 一个支持技能或自定义指令的智能体工具（如 Claude Code、Cursor、GPTs、扣子等任一）
  • 一份你认可的服务建议范例（可选，但很有帮助）

第 1 步：写最小指令（3 分钟）

任务：老客户识别
输入：客户历史
步骤：
1. 查询历史记录
2. 总结偏好与问题
3. 提示坐席
4. 建议个性化方案
输出：服务建议，末尾列出需人工确认的内容。
信息不足时先提问，不要编造。

第 2 步：放到工具里（2 分钟）

把上面的内容放进所用工具的规则或技能位置：Claude Code 放进 .claude/skills/returning-customer/SKILL.md（前面补上 name 与 description），Cursor 放进 .cursor/rules/，GPTs 放进 Instructions。具体位置见各平台版本的文章。

第 3 步：跑一次（2 分钟）

用一句自然语言发出请求，例如：

帮我做一下老客户识别，材料是附上的客户历史。

观察智能体是否按步骤执行，输出结构是否符合预期。

第 4 步：修一处（1 分钟）

找出输出中最不满意的一点，只改对应的那一句指令，再跑一次。不要一次改很多处，否则不知道是哪处起了作用。

跑通之后

  • 用测试用例覆盖边界情况
  • 用检查清单确认上线前事项
  • 风险较低，但输出仍需快速过目再使用

什么时候用这个技能

  • 手头有客户历史，需要在较短时间内得到服务建议
  • 同类任务每周出现多次，希望每次处理方式一致
  • 结果要交给同事或上级复核，需要统一的结构和清楚的依据
  • 新人接手这类工作，需要一个可以照着做的标准流程

反过来，如果只是偶尔做一次，或者任务高度依赖现场判断，直接和工单系统与知识库里的智能体对话即可，不必专门封装成技能。

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。

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。