给「办公文档翻译」Skill 写测试用例：6 类输入与预期行为
把「办公文档翻译」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（原文），按什么顺序处理，交付什么（译文），哪些事不能做。Skill 就是把这些写下来的载体。
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「办公文档翻译」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 | 信息齐全的标准原文 | 按步骤完成，交付结构完整的译文 |
| 缺少关键信息 | 删掉一项必要内容的原文 | 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
- 识别语境：中间结果是否可追溯、是否与原始材料一致
- 保持格式：中间结果是否可追溯、是否与原始材料一致
- 调整礼貌用语：中间结果是否可追溯、是否与原始材料一致
- 校对专有名词：中间结果是否可追溯、是否与原始材料一致
怎么执行
- 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） - 每次修改技能后，逐一运行并记录输出
- 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
- 新发现的问题样例补进测试集
判定标准
- 结构：译文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。
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 |
|---|---|---|
| 识别语境 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 保持格式 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 调整礼貌用语 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 校对专有名词 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 最终交付 | 整理译文 | 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译文范例，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。