「样本量估算」Skill 组合用法：和相关技能串成流水线
把「样本量估算」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（基线与预期提升），按什么顺序处理，交付什么（样本量建议），哪些事不能做。Skill 就是把这些写下来的载体。
单个技能解决一个环节，把几个技能串起来，才能覆盖一整段工作。本文示范「样本量估算」与三个相关技能的组合。
组合方案
| 顺序 | 技能 | 作用 | 交给下一步的东西 |
|---|---|---|---|
| 1 | 用户分群 | 根据行为特征把用户分成可运营的群体 | 分群结果 |
| 2 | 样本量估算 | 为实验或调研估算所需样本量 | 样本量建议 |
| 3 | 表格数据清洗 | 清洗 CSV 中的缺失值、重复行与格式不一致 | 清洗后的数据与清洗日志 |
| 4 | 会议议程 | 根据会议目的生成议程与会前材料清单 | 议程 |
交接格式是关键
技能之间靠“上一步的输出就是下一步的输入”衔接。建议约定：
- 每个技能的输出都带固定标题，便于下一个技能定位内容
- 不确定项统一放在“需人工确认”小节，后续技能不得把它当作确定事实
- 「样本量估算」接收的是基线与预期提升，如果上一步给的格式不同，先做一次转换
怎么编排
有三种常见方式：
- 人工串联：每一步结束后由人确认，再触发下一个技能，最稳妥
- 编排指令：写一个总技能，列出调用顺序与交接要求，由智能体依次执行
- 工作流平台：在 Dify、扣子、n8n 等平台中把每个技能做成节点，用条件分支处理异常
编排指令示例（示意）
# 组合流程：用户分群 → 样本量估算 → 表格数据清洗 → 会议议程
1. 调用 segmentation，保存输出为 step1
2. 以 step1 为输入调用 sample-size-calc，保存为 step2
3. 以 step2 为输入调用 csv-cleaner
4. 调用 meeting-agenda 做收尾
- 任一步出现“需人工确认”时暂停，等待用户回复后再继续
注意事项
- 链条越长，错误越容易被放大，关键节点要有人看
- 风险较低，但输出仍需快速过目再使用
- 每个技能单独测试通过后再组合
相关技能
交付物结构示例
建议把样本量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
- 确认指标与显著性要求：……
- 计算样本量：……
- 估算时长：……
- 说明假设：……
## 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「样本量估算」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：
- Claude Code Skill：Claude Code 的 Agent Skills 以文件夹为单位：一个 SKILL.md（YAML 头写 name 与 description）加上可选的脚本和参考资料。智能体平时只看到 description。详见Claude Code Skill 版
- 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
这个技能需要运行本地脚本（解析文件、调用命令行工具等），要求运行环境允许执行代码，可据此排除不支持相应能力的平台。
延伸阅读
- 样本量估算 · 安全审查
- 样本量估算 · 故障排查
- 样本量估算 · Claude 应用中的 Skills 版
- 数据故事 · 组合用法
- 图表生成 · 组合用法
- 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。