积分守卫

问题从哪来

在 Agent 平台里，PDF/Word 批量处理、多步 Agent、叠加多个专用 Skill 往往一次就能烧掉几百到上千积分；更糟的是任务描述模糊时，模型会猜意图、反复试工具，最后没有可交付的产出。用户提到「积分不够」「上次白花了」时，往往已经发生在任务中途。

技能如何介入

「积分守卫」要求 AI 在任何可能大量耗积分的工具调用之前，按固定顺序走完一套流程：

1. 提问优化诊断 — 拆解目标产出物、输入来源、是否必须 OCR/多 Skill；若产出不明确，先一句话向用户确认再动工具。
2. 积分风险分级 — 按场景自动标 🟢低 / 🟡中 / 🟠高 / 🔴极高，并给出估算区间与策略（直接执行、说明后执行、先确认、强制拦截）。
3. 高危模式拦截 — 例如技能叠加、扫描版 PDF 未试探、Agent 无完成标准、跨对话丢上下文、「帮我做一个完整的 XXX」等，必须告知并等待确认。
4. 最优路径推荐 — 对题库 Word、批量文件、可视化报告、PPT 等场景，对比高消耗路径与 Read + python-docx、单次脚本、按需图表等低成本做法。
5. 执行检查点 — 关键节点输出进度；节点失败则停止，避免盲目重试。

核心原则：一次对话、一个产出、最短路径、先确认再执行。它不禁止任何功能，只让你在花大钱前知道「要花多少、产出是什么、有没有更便宜的路」。

适用边界

• 风险表与积分对照是参考估算，实际消耗取决于平台计费与上下文长度。
• 文档中的场景（如 exam-dashboard、exam-evaluator）来自典型复盘，换平台时思路可复用，具体 Skill 名需按环境替换。
• 低风险问答、简单代码仍可直接执行；本 Skill 主要约束的是中高风险与模糊大任务。