种子数据生成 Skill 如何与其他技能协作：交接格式与顺序
把「种子数据生成」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（表结构），按什么顺序处理，交付什么（插入语句或脚本），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「种子数据生成」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 | 恢复演练脚本 | 编写数据库备份恢复演练步骤 | 演练手册 |
| 2 | 种子数据生成 | 为开发库生成符合约束的种子数据 | 插入语句或脚本 |
| 3 | ORM 查询审查 | 找出 N+1 查询与低效 ORM 用法 | 问题与改写 |
| 4 | 简单趋势预测 | 基于历史数据做基线预测并说明不确定性 | 预测结果 |
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
- 「种子数据生成」接收的是表结构，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：恢复演练脚本 → 种子数据生成 → ORM 查询审查 → 简单趋势预测
1. 调用 backup-restore-drill，保存输出为 step1
2. 以 step1 为输入调用 seed-data-generator，保存为 step2
3. 以 step2 为输入调用 orm-query-review
4. 调用 forecast-baseline 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
什么时候用这个技能
- 手头有表结构，需要在较短时间内得到插入语句或脚本
- 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，直接和数据库客户端与查询工具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
建议把插入语句或脚本固定成下面的结构（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
- 读取约束与外键：……
- 按依赖顺序生成：……
- 控制数据量：……
- 避免真实个人信息：……
## 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
- 种子数据生成 · n8n AI Agent 版
- 种子数据生成 · 快速上手
- 种子数据生成 · 团队落地
- SQL 上线审查 · 组合用法
- 死锁分析 · 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。