Agent Skills
返回列表
📚

FDE 现场经验指南

知识管理 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_84aa03cf/chenlin-fde-experience-guide。

技能介绍

交付完成，经验却留在聊天记录里

企业 AI 落地交付跑完之后，真正的经验往往锁在实施工程师的脑子里或散落在聊天记录里：踩过的坑、业务黑话、系统对接细节、干系人的决策偏好。下一个同类客户来了，团队从零再踩一遍。本 Skill 要解决的问题只有一个：把一次交付的隐性经验结构化、资产化、可复用化，让「下次同类交付更便宜、更稳」。

三类资产，一套判据

FDE 现场经验沉淀为三类资产，对应「懂业务 → 会方法 → 能执行」三段认知—执行链：

  • 行业知识库：业务术语、流程约束、历史坑、干系人偏好，加上用 OSINT 收集的专利/论文/标准。两条来源流共用 KBSchema 标准格式，由 provenance 与 access_level 区分，入库前必须过 scripts/kb_lint.py 校验，报错精确到字段和行号。
  • Skill：任务方法、SOP、判据、验收标准，封装为 SKILL.md + references + 脚本，发布前需留下 GitHub 相似项目检索记录，否则不宣称新颖性。
  • 连接器：系统对接、认证方式、权限边界，按 fail-closed 原则在隔离环境跑通真实调用，凭证不入库。

每条经验按三问归类：是业务事实？是方法？还是通道？一篇「如何对接 ERP」的描述要拆成三处存储、互相引用，不重复搬运。沉淀动作嵌入交付闭环：诊断触发知识采集、方案设计触发 Skill 抽取、实施触发连接器沉淀、复盘强制按判据入库。核心纪律是资产不是终点——还要用认知放大器戳私有盲区、用 GitHub 检索验证新颖性，防止组织退化成封闭回声室。

什么时候不该用

  • AI 只是一次性、非核心需求时，资产化没有收益
  • 纯探索玩具或个人学习，不必走工程化沉淀
  • 涉密到不允许落任何介质的数据，连本地知识库都不建
  • 企业已有成熟资产平台时，本 Skill 只作方法补充
  • 未验证的假设不要当事实入库，先标注「待验证」

使用场景

  • 刚完成一次企业AI交付的复盘，要把本次业务术语、踩坑记录、验收标准按KBSchema拆进知识库、Skill和连接器，三类资产互相引用。
  • 在交付方案设计阶段，团队要把ERP对接的认证方式与权限边界沉淀为连接器，按fail-closed原则在隔离环境跑通真实调用，凭证不入库。
  • 要对企业私有经验跑认知放大器，用OSINT收集的专利、论文和竞品公开资料挑战私有假设，输出被挑战假设、证据等级和置信度变化。
  • 新Skill定稿前，需要在GitHub检索同类开源项目，把检索词、命中链接和借鉴结论写入changelog，否则不宣称设计新颖。

适合人员

  • 企业AI现场交付工程师，交付后想把当次经验按统一Schema沉淀进资产库，避免下个项目从零重做。
  • AI解决方案架构师，需要在设计阶段就规划知识库字段、Skill判据和连接器边界，保证交付可复现。
  • 负责知识沉淀的平台团队，需要用可运行的lint脚本和OSINT采集流程替代人工自觉，控制条目遗漏和时效过期。