数据分析师与运营经常要做「用户分群」这类事：根据行为特征把用户分成可运营的群体。每次都从头写提示词，结果时好时坏；把它做成智能体 Skill，就能让智能体每次按同一套步骤执行，输出结构也更稳定。

下面是把「用户分群」做成技能时最常见的 8 个问题，每条都给出改法。

1. 描述写成口号

智能体判断不出何时该用。改为“根据行为特征把用户分成可运营的群体；当用户提到用户分群时使用”。

2. 步骤太粗

只写“做好用户分群”。改为编号的具体动作：选择特征；标准化；分群并命名；描述每群运营建议。

3. 没有输出格式

每次交付的分群结果结构不同。在技能中给出固定标题或表头。

4. 没写缺信息怎么办

智能体自行补全，产生编造内容。明确要求先列出缺失项并提问。

5. 忽略领域规矩

例如没写「结论要回到原始数据核对口径，避免把相关当因果」。把这类底线写进约束段落。

6. 权限过大

为了省事给了写入、发送或执行命令的权限。按最小权限配置，涉及外部影响的动作设置确认。

7. 长资料塞进正文

每次加载都很重，关键规则被淹没。把规范、模板拆到参考文件按需读取。

8. 改完不测

一次改多处又不回归测试。保留测试用例，每次修改后重跑。

一个自查办法

把技能交给一位没参与编写的同事，让他只看 SKILL.md（或规则文件）回答三个问题：什么时候用？输入什么？交付什么？答不上来的地方，就是需要补写的地方。

风险提示：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。

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
选择特征按指令完成并给出依据抽查关键处，确认无误
标准化按指令完成并给出依据抽查关键处，确认无误
分群并命名按指令完成并给出依据抽查关键处，确认无误
描述每群运营建议按指令完成并给出依据抽查关键处，确认无误
最终交付整理分群结果决定是否采用、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分群结果范例，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：

  1. 选择特征：产出一段简短的中间结果，并注明依据来自用户特征数据的哪一部分
  2. 标准化：产出一段简短的中间结果，并注明依据来自用户特征数据的哪一部分
  3. 分群并命名：产出一段简短的中间结果，并注明依据来自用户特征数据的哪一部分
  4. 描述每群运营建议：产出一段简短的中间结果，并注明依据来自用户特征数据的哪一部分

最后一步之后，再把这些中间结果汇总成分群结果。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

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。