「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。

背景（虚构）

Mia是一名研究人员，每周都要做几次统计方法选择。过去靠复制粘贴提示词，结果不稳定。这次团队把它做成了技能，下面记录一次完整运行。

1. 发出请求

Mia在文献库、数据与写作工具中输入：

用统计方法选择技能处理这份数据类型与问题，输出方法建议。

2. 技能被触发

智能体根据技能描述判断任务匹配，加载「统计方法选择」的完整指令。它先运行技能自带的脚本做预处理，确保后续分析基于准确的数据。

3. 判断变量类型

“判断变量类型”是最容易出错的环节，技能里专门写了要求，所以智能体给出了清楚的结果与理由。

4. 推荐检验

智能体完成“推荐检验”，并在中间结果里注明依据，方便Mia回看。

5. 说明前提

“说明前提”是最容易出错的环节，技能里专门写了要求，所以智能体给出了清楚的结果与理由。

6. 给出代码示例

智能体完成“给出代码示例”，并在中间结果里注明依据，方便Mia回看。

7. 交付与复核

智能体交付方法建议，末尾列出两条需人工确认的内容。Mia对照原始数据类型与问题抽查关键信息，修正一处表述后采用。

复盘：这次做对了什么

  • 步骤写在技能里，没有遗漏
  • 不确定处被标出，而不是被编造
  • 遵守了「引用必须回到原文核对，绝不编造文献」
  • 风险较低，但输出仍需快速过目再使用

可以改进的地方

Mia发现智能体对团队内部术语理解不一致，于是在技能目录中加了一份术语表（reference.md），并在 SKILL.md 中写明“遇到术语先查表”。更多改法见定制指南。

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。

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. 判断变量类型：产出一段简短的中间结果，并注明依据来自数据类型与问题的哪一部分
  2. 推荐检验：产出一段简短的中间结果，并注明依据来自数据类型与问题的哪一部分
  3. 说明前提：产出一段简短的中间结果，并注明依据来自数据类型与问题的哪一部分
  4. 给出代码示例：产出一段简短的中间结果，并注明依据来自数据类型与问题的哪一部分

最后一步之后，再把这些中间结果汇总成方法建议。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。