「薪酬调研整理」Skill 使用检查清单：用前、用中、用后
把「薪酬调研整理」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（岗位与地区），按什么顺序处理，交付什么（整理报告），哪些事不能做。Skill 就是把这些写下来的载体。
把下面的清单保存下来，每次使用或修改「薪酬调研整理」技能时过一遍。
编写时
- description 写清做什么、什么时候用
- 输入写明需要岗位与地区，并要求缺信息先提问
- 步骤为编号列表：收集公开资料、统一口径、列出区间、注明来源与局限
- 输出写明整理报告的结构
- 约束包含领域底线与不可逆操作的处理方式
- 长资料拆到参考文件
上线前
- 6 类测试输入全部通过
- 权限按最小范围配置
- 技能文件中没有密钥和真实个人信息
- 有负责人和变更记录
每次使用时
- 输入材料已脱敏或确认可以交给所用平台
- 观察智能体是否加载了技能
- 查看“需人工确认”清单
- 对照原始材料抽查关键信息
- 属于中等风险：结果会影响业务判断，建议在输出前设置人工审核点
使用后
- 记录明显的问题样例
- 输出被大幅修改时，分析原因并考虑改技能
- 定期检查平台更新是否影响技能
每一步的快速核对
- 收集公开资料
- 统一口径
- 列出区间
- 注明来源与局限
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 |
|---|---|---|
| 收集公开资料 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 统一口径 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 列出区间 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 注明来源与局限 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 最终交付 | 整理整理报告 | 决定是否采用、是否对外 |
属于中等风险：结果会影响业务判断，建议在输出前设置人工审核点。
准备一份好范例
在技能的参考资料里放一份你认可的整理报告范例，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。
每一步要产出什么
把每一步的中间产出写清楚，智能体就不容易跳步，人也方便定位问题：
- 收集公开资料：产出一段简短的中间结果，并注明依据来自岗位与地区的哪一部分
- 统一口径：产出一段简短的中间结果，并注明依据来自岗位与地区的哪一部分
- 列出区间：产出一段简短的中间结果，并注明依据来自岗位与地区的哪一部分
- 注明来源与局限：产出一段简短的中间结果，并注明依据来自岗位与地区的哪一部分
最后一步之后，再把这些中间结果汇总成整理报告。中间结果可以折叠或省略展示，但在技能指令中要求智能体“先完成再汇总”，能明显减少遗漏。
延伸阅读
- 薪酬调研整理 · 纯提示词版
- 薪酬调研整理 · Claude Code Skill 版
- 薪酬调研整理 · OpenAI Agents SDK 版
- 能力模型 · 检查清单
- 文化手册 · 检查清单
- 智能体Skills 分类：625 个技能 × 32 个角度
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。