「样本量估算」是数据分析师与运营的高频任务。它的输入通常是基线与预期提升，期望得到的是样本量建议。这类有固定流程、又需要一点判断力的工作，很适合封装成智能体 Skill。

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「样本量估算」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基线与预期提升按步骤完成，交付结构完整的样本量建议
缺少关键信息删掉一项必要内容的基线与预期提升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

  • 确认指标与显著性要求：中间结果是否可追溯、是否与原始材料一致
  • 计算样本量：中间结果是否可追溯、是否与原始材料一致
  • 估算时长：中间结果是否可追溯、是否与原始材料一致
  • 说明假设：中间结果是否可追溯、是否与原始材料一致

怎么执行

  1. 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）
  2. 每次修改技能后，逐一运行并记录输出
  3. 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
  4. 新发现的问题样例补进测试集

判定标准

  • 结构：样本量建议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。

什么时候用这个技能

  • 手头有基线与预期提升，需要在较短时间内得到样本量建议
  • 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，直接和表格、数据库与 Notebook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。

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。