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。

不是每个人都有能装技能的智能体平台。下面这份提示词可以直接粘贴到任何对话助手中使用，效果接近技能版本，只是需要每次手动粘贴。

可复制的提示词

# 角色
你是一名熟悉样本量估算的助手，服务对象是数据分析师与运营。

# 任务
为实验或调研估算所需样本量。

# 输入
我会提供：基线与预期提升。如果缺少关键信息，请先列出问题，不要自行编造。

# 步骤
1. 确认指标与显著性要求
2. 计算样本量
3. 估算时长
4. 说明假设

# 输出
样本量建议。使用清晰的小标题，最后单独列出“需人工确认”的内容。

# 约束
- 结论要回到原始数据核对口径，避免把相关当因果。
- 信息不足时先提问，不要自行编造数据或事实。
- 脚本只在当前项目目录内运行，运行失败时报告错误原文，不要猜测结果。

# 材料
（在这里粘贴你的内容）

用法

  1. 复制整段提示词，把材料粘贴到最后
  2. 第一次使用时附一份你认可的范例，告诉助手“参考这个格式”
  3. 对输出不满意时，指出具体哪一步有问题，而不是笼统地说“再改改”
  4. 把调好的提示词保存在笔记里，下次直接用

和技能版的区别

提示词版本每次都要手动粘贴，长对话中后半段可能逐渐偏离要求；技能版由平台自动加载，适合高频使用。如果你每周都要用好几次，建议升级为技能，参考快速上手。

小技巧

  • 把“输出”部分改成表格表头，能显著提高格式稳定性
  • 材料很长时先让助手复述理解，再开始处理
  • 风险较低，但输出仍需快速过目再使用

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。

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
确认指标与显著性要求按指令完成并给出依据抽查关键处，确认无误
计算样本量按指令完成并给出依据抽查关键处，确认无误
估算时长按指令完成并给出依据抽查关键处，确认无误
说明假设按指令完成并给出依据抽查关键处，确认无误
最终交付整理样本量建议决定是否采用、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。