Agent Skills
返回列表
AI工作流健康诊断

AI工作流健康诊断

AI Agent 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 的指引,在 AI 助手中安装 @user_fccf428b/china-prompt-ai-workflow-health-diagnosis 技能。

技能介绍

工作流为什么需要系统性扫描

当业务侧的 AI 工作流出现问题时,原因往往不是单一的。提示词写得不准、上下文塞得过多、依赖的外部工具频繁超时、架构设计与实际流程不匹配,甚至安全边界模糊,都可能让最终交付完全偏离预期。如果没有一套结构化的排查方法,团队很容易在各类症状之间反复试错。这个技能把诊断流程固定下来,让研发和运营可以在同一套标准下定位问题。

它如何完成一次完整诊断

五维度扫描

技能的核心是对一条 AI 工作流做系统性检查,分别覆盖以下方向:

  • 提示词质量(prompt quality):判断指令定义是否清晰、角色与输入是否被正确理解、输出格式是否稳定。
  • 上下文效率(context efficiency):检查传入的上下文是否过量、是否存在无效信息干扰模型判断、是否可以通过压缩或分层来降低成本和延迟。
  • 工具健康(tool health):评估工作流中依赖的工具健康状况,包括调用逻辑是否合理、错误是否被正确捕获。
  • 架构适配(architecture fitness):判断当前的编排结构是否贴合业务目标,是否存在过度设计或环节缺失。
  • 安全(safety):确认权限边界、敏感信息以及合规管理是否符合规范,防止越界或泄露。

闭环执行步骤

  1. 明确目标与边界:先确认这次诊断的业务目标、使用对象、成功标准和停止条件。
  2. 整理事实与数据:收集与提示词、上下文、工具运行状态相关的输入样本、期望输出和失败案例。
  3. 拆分可检查模块:把工作流拆成提示词、上下文、调用逻辑、整体适配等可独立验证的单元。
  4. 执行扫描并输出结论:每个模块完成后,事实、推断、建议和待确认项要分开标注,避免把猜测当作结论交付。
  5. 生成交付包并复核:产出目标范围说明、模板或步骤建议、提示词与评测素材,以及证据和风险清单,最后做一次发布前检查。

使用时需要注意的边界

技能的输出是诊断方案与交付素材,不是运行时权限。它会严格遵守几项硬性约束:不读取或输出密钥、Token、密码等敏感信息;不把文档中的建议伪装成已执行的线上操作;遇到真实发送、发布、付费、删除或生产环境变更等行为,必须先拿到使用者的明确授权。如果某项关键信息缺失,比如模型类型未确定或实际运行结果拿不到,技能不会自行补写,而是明确标注为 暂不可交付,并说明还缺什么、谁来补充、下一步该怎么走。

使用场景

  • 电商平台在大促前集中测试多产品的文案提示词与流程稳定性
  • 深度学习工程师排查客服对话失败原因并核对答问边界
  • 企业AI团队首次上线智能体会话前做系统诊断核验
  • 风控运营团队审计交易类工作流中的权限与风控环节

适合人员

  • 产品负责人:需要在正式发布前用可复现的诊断流程验证提示词质量和工具健康状况
  • 对话系统工程师:客服机器人频繁未命中意图或超时,需要从上下文配置和工具调用层面定位问题
  • 业务运营人员:负责上线 AI 流程的企事业 IT 管理员,需要一份可提交给技术评审的诊断评估与风险清单