智识飞轮萃取教练
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_776a45f3/20260817eis-001
技能介绍
如果你让 AI 根据口头描述直接生成一个处理日常任务的 Agent Skill,往往只能得到一些通用的废话。因为 AI 并不了解你实际的审查标准、真实的失败陷阱,以及那些因为环境差异而做出的不同选择。
这个 Skill 的核心思路是Evidence First(证据优先):先让 AI 对真实业务案例做足功课,这不仅能大幅缩短对话轮次,更能确保导入的经验落在地上,而不是飘在空中。
核心工作流程
这套教练技能遵循严格的执行闭环(Execution Closed-Loop),将模糊的工作经验转化为标准化资产:
- 评估 Skill 化可行性:执行“三看一不碰”原则。检查任务频率、标准是否稳定、是否有明确的时间/差错价值。如果涉及合规、资金等高风险决策,严格执行 Human Authority 原则,AI 只能辅助整理,绝不自动执行。
- 定义证据模式:建立不超过 100 字的契约,并根据你提供的证据强度选择模式:优先使用多案例对比,其次是成品反推,最后是纯访谈。
- 案例预分析:AI 会静默读取你提供的案例(Input + Output),生成包含
observations、rule_candidates、contradictions的草案,而不是凭空发问。 - 关键判断确认:过滤掉无关细节,只围绕那些会导致错误或区分专家/新手的关键节点进行问答。这能显著缩短你的确认周期。
- 生成与测试:一旦确认,自动输出标准的 V0.1 版本,包含
skill-manifest.json及回退策略。随后在陌生案例(Blind Test)中验证效果,并根据你的纠偏更新规则。
适用边界与注意事项
这个 Skill 适合处理那些高频、有稳定标准的重复性认知工作,例如特定的代码审查逻辑、特定的文档分类标准等。
注意,如果你的任务属于一次性代办,或者没有明确的标准答案,它并不适合在此发挥作用。在处理高风险请求时,输出内容必须经过人工审批,不能直接作为最终决策使用。
使用场景
- 把资深同事零散经验变成团队 Skill
- 从真实案例生成审核规则并盲测
- 规则不明时用单案例反推规则
- 高风险需求只做事实整理供审批
适合人员
- 想把个人经验固化的后台工程师
- 需统一多人审核尺度的合规专员
- 要从成品反推规则的文档工程师
- 界定高风险决策边界的团队负责人