「统计方法选择」是研究人员与学生的高频任务。它的输入通常是数据类型与问题，期望得到的是方法建议。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。

一句话说明

「统计方法选择」技能让智能体根据数据与问题推荐统计方法。你提供数据类型与问题，它按固定步骤处理，交付方法建议。

项目说明
技能统计方法选择（stats-helper）
作用根据数据与问题推荐统计方法
输入数据类型与问题
输出方法建议
形态带脚本
风险低
适用人群研究人员与学生

它解决什么问题

没有技能时，研究人员与学生每次都要重新描述要求，智能体的输出时详时略、格式不一，关键的检查步骤也经常被跳过。把流程写成技能后：

  • 每次都按同样的顺序执行：判断变量类型→推荐检验→说明前提→给出代码示例
  • 输出结构固定，便于复核和归档
  • 领域规矩（如「引用必须回到原文核对，绝不编造文献」）写在技能里，不靠临时提醒

适合与不适合

适合：经常处理数据类型与问题、希望结果格式统一、愿意花十分钟把流程写清楚的研究人员与学生。

不适合：一次性的临时任务；需要大量现场判断、无法写成步骤的工作；以及没有人复核就要直接对外使用的场景。

可以在哪些平台实现

同一个技能的思路可以落在不同平台上，常见选择有：

怎么开始

建议先用纯提示词版本在日常对话助手里试几次，确认步骤合理；再按SKILL.md 写法封装成技能；最后用测试用例验收。

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；风险较低，但输出仍需快速过目再使用。

想了解提示词层面的基础用法，可以先读站内的智能体技能与插件入门。

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
判断变量类型按指令完成并给出依据抽查关键处，确认无误
推荐检验按指令完成并给出依据抽查关键处，确认无误
说明前提按指令完成并给出依据抽查关键处，确认无误
给出代码示例按指令完成并给出依据抽查关键处，确认无误
最终交付整理方法建议决定是否采用、是否对外

风险较低，但输出仍需快速过目再使用。

准备一份好范例

在技能的参考资料里放一份你认可的方法建议范例，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。

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。