AI智能体与Skill应用实战

一、生成式AI正在改变什么

1. 运用演进：内容生成→学识问答→拆解判断→差事执行

2. 大模型擅长：领会、生成、归纳、推理和模式识别

3. 本领边界：幻觉、上下文限制、事实核验、资料安全

二、智能体为何不仅是聊天机器人

1. 基本组成：模型+提示词+上下文+学识+抓手+执行循环

2. 三种形态：普通对话、固定事务流、自主Agent

3. 分工边界：模型管控解生成，学识库管事实，抓手管查询执行

4. 高隐患管控：权限、审批、异常转交、运行记录

5. AI拉升差事完成的效率和质量，人对业务结果承担最终责任

三、当前AI技艺演进的重点方向

1. 推理模型：复杂拆解、规划和多步骤执行

2. 多模态：文本、图片、表格、语音，视频的统一处理

3. RAG和学识工程：让AI基于公司资料和业务事实事务

4. MCP和抓手调用：连接系统、资料和外部服务

5. Agent、Skill和Computer Use：差事本领模块化，从接口调用扩展到软件环境操作

四、常用抓手地图和选项要则

1. 差事地图：内容生成、搜索研究、文档资料、代码研发、智能体平台（Dify等等）

2. 选项维度：差事复杂度、资料敏感性、成本、权限、可追溯性

3. 能用对话和模板破解的差事，不必上事务流和智能体

实地演示：采用同一个业务差事，对比普通对话、固定事务流和智能体三种完成方式。

实例拆解：面对同一业务诉求，判断应该采用提示词模板、事务流还是智能体。

一、提示词的本质是差事交办说明

1. 定位定位：身份和专精视角；业务来由：情境、对象、资料、上下文

2. 差事标的：破解什么问题、形成什么结果

3. 约束格式：执行边界，输出结构、禁止事项

4. 复核要求：事实依据、查验准则、不确定项处理

二、复杂业务差事的提示词增强办法

1. 差事分阶段：领会→规划→执行→查验

2. 减少偏差：正反示例、参考模板，结构化输出

3. 显式标记：缺失资讯、事实依据、待人工确认事项

4. 好提示词靠连续测试和反馈修正，就一线经验说，而不是追求一次写对

三、从一次性提示词到可复用差事模板

1. 模板化：固定流程和质量要求，变量化买方、时间、材料

2. 沉淀对象：业务规则、判断准则、输出模板

3. 升级判断：哪些差事留在提示词，哪些差事升级为Skill

同步跟练：将一句模糊的业务要求改写为结构化差事说明，实地完成一轮测试和修正。

一、认识Dify中的核心本领

1. 运用类型：Chatbot、Chatflow、Workflow和Agent的适用情境

2. 基础分工：模型管推理生成，学识库管公司事实，Tool和Plugin管外部连接

3. Workflow负责确定性流程，需要动态判断和抓手选项才交给Agent

二、创建并运行第 一个Dify运用

1. 搭建路径：创建运用→配置模型和定位→设置输入输出→发布测试

2. 连接资源：学识库、抓手、变量和权限

3. 运行观察：输入、节点执行、抓手调用和最终结果

三，为后续Skill准备运行环境

1. 创建Agent运用，明晰定位、输入和输出

2. 识别公司Dify 1.15中的Skill组件、插件、Agent打法和运用模板

3. 预留模型、抓手、学识库、变量和权限配置

四、采用日志定位运行问题

1. 结果偏差：提示词、学识、抓手和资料来源

2. 调用失败：参数、凭证、权限和返回格式

3. 成本过高：无效上下文，重复调用和多余轮次

同步跟练：导入统一Dify运用模板，完成配置、运行和日志查看，为后续Skill实操构筑基础环境。

一、厘清Skill和相关概念的关系

1. Prompt破解一次差事，Skill沉淀一类差事的稳定办法

2. Tool提供操作本领，Skill说明何时用、怎样组合、怎样验收

3. Workflow预先固定路径，Skill按照差事需要加载调用

4. Plugin是本领承载方式，不等同于Skill本身

二，一个完整Skill包含什么

1. 名称和描述：完成什么差事、什么情况下调用

2. 核心指令：执行步骤，判断规则、输出要求，异常处理

3. 配套资源：references（制度、术语、实例）、scripts（计算、校验程序），assets（模板、示例文件）

三、Skill的渐进式加载和触发推演

1. 触发流程：读取名称描述→判断启用→加载SKILL.md→按照需读取资源

2. 分层组织替代超长提示词，上下文里只留当前差事需要的内容

3. 精进手段：“应触发/不应触发”双向测试

四，什么样的业务适合沉淀为Skill

1. 重复性：稳定的处理步骤或者判断办法

2. 倚重性：固定制度、规则、模板、资料或者抓手

3. 可验收：输出结构明晰，能判断完成和合格

4. 心得含量：易遗漏步骤、心得判断、交接要求

实例拆解：在Dify运用中观察一个业务材料审查Skill，往细里说，识别触发条件、执行步骤、判断规则，配套资源和人工确认点。

一，用“Skill创建助手”完成带出式创建

1. 原始输入：岗位差事、业务SOP、制度、模板和示例材料

2. 带出进程：大模型借助Skill逐轮追问，补齐情境、输入、步骤、规则和输出

3. 人机分工：Skill负责结构化带出和生成，参训者确认业务事实和要害边界

二、确定Skill的合理边界

1. 不过小：不止一个机械步骤。不过大：不试图覆盖整个部门

2. 基本单位是一个完整，可验证、可独立交付的业务差事

3. 出口约定：负责什么，不负责什么、何时转人工

三、生成SKILL.md以及配套资源

1. 核心文件：名称描述、触发条件，执行步骤、判断规则、输出和异常处理

2. 资源分层：制度实例入references，换个角度看，固定程序入scripts，执行层面，交付模板入assets

3. 同步生成：资源缺口清单、正反测试用例和人工确认点

四，接入Dify并完成第 一轮调试

1. 搭建路径：打开Agent运用→挂载Skill和资源→配置模型、抓手和学识库

2. 运行观察：Skill选项、抓手调用和最终结果

3. 日志定位：未触发、误触发，抓手失败和输出偏差

分组跟练：调用统一“Skill创建助手”，基于个人业务情境完成诉求澄清、Skill初稿生成、Dify接入和一轮测试，落地时，结果借助线上表单提交。

一，测试Skill能否被准确触发

1. 正向用例：典型差事、简略表述、变体表述

2. 反向用例：相似差事、越界差事、错误诉求

3. 查验和回改：不触发、误触发、重复触发→精进名称、描述和边界

二、测试Skill能否稳定完成差事

1. 正常实例验证准则路径，缺失、错误、边界实例验证异常处理

2. 对比启用和未启用Skill的输出差异

3. 评价维度：准确性，完整性、一致性、可执行性

三，构筑基于运行记录的精进闭环

1. 定位：从日志找错误步骤，实操中，判断来源（模型/提示词/Skill/学识/抓手/资料）

2. 修改产生错误的规则，步骤和资源，运行层面，而不是反复人工改答案

3. 版本记录：新增规则、失败实例、修正心得

四、AI大赛项目的展示结构

1. 业务问题：情境选项和原有痛点

2. Skill创建：原始材料→带出追问→结构生成

3. 运行演示：差事识别→Skill调用→结果形成

4. 测试证据：正常、异常、不应触发情境的验证结果

5. 运用边界：权限、人工确认、隐患将控、下一步规划

综合操练：基于个人业务情境，调用“Skill创建助手”完成诉求澄清、SKILL.md以及配套资源生成、测试用例规划和Dify运行验证；课后继续补充资源、资料和展示材料，渐次形成参赛原型。

抽样点评：从线上提交结果中选取典型实例，集中点评Skill边界、带出进程、触发描述、执行步骤和输出准则。

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|闫波老师