给「评价回复」Skill 写测试用例：6 类输入与预期行为
电商运营经常要做「评价回复」这类事：为买家评价起草回复。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「评价回复」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 | 信息齐全的标准评价内容 | 按步骤完成，交付结构完整的回复草稿 |
| 缺少关键信息 | 删掉一项必要内容的评价内容 | 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
- 识别情绪与问题：中间结果是否可追溯、是否与原始材料一致
- 表达感谢或歉意：中间结果是否可追溯、是否与原始材料一致
- 给出解决方案：中间结果是否可追溯、是否与原始材料一致
- 保持真诚：中间结果是否可追溯、是否与原始材料一致
怎么执行
- 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） - 每次修改技能后，逐一运行并记录输出
- 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
- 新发现的问题样例补进测试集
判定标准
- 结构：回复草稿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「评价回复」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：
- 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
- MCP 服务：MCP（模型上下文协议）是一个开放协议。详见MCP 服务 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 |
|---|---|---|
| 识别情绪与问题 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 表达感谢或歉意 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 给出解决方案 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 保持真诚 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 最终交付 | 整理回复草稿 | 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。