AI任务结果闭环
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_b7dd058c/ai-task-outcome-loop。
技能介绍
很多 Agent 流程会在最后产出一句“已完成”,但这句话本身很难验收。文件存在并不一定代表内容正确;一份报告生成成功,也不等于业务已经接受它。尤其在写入数据库、发布内容、动用预算或接触客户数据时,我们更需要区分 任务是否按标准执行、证据是否已经核验、业务侧是否显式接受,以及 后续指标变化是否能归因。这个技能把验收过程从主观判断改成结构化检查。
它如何工作
它不主动访问业务系统,而是读取一条结构化任务记录:任务目标、动作、验收标准、证据引用、四个 Gate、业务验收和结果归因。首先应运行 validate 检查必填字段、枚举值、ID 唯一性和证据引用;输入本身有问题时,先把数据修好,再进入判断。
随后用 assess 生成确定性判定,并输出 assessment.json 与 assessment.md。主判定覆盖 incomplete、claimed_complete_unverifiable、incorrectly_completed、completed_pending_acceptance、validly_completed 和 validly_completed_result_unattributable。未知状态应写 unknown 或 pending,不能为了得到 pass 而猜。报告会说明主判定、关键证据、缺口、下一步和写回建议。
证据方面,verified 只表示输入提供方已核验,脚本不会独立确认现实世界中的真实。每项必需动作、标准或 Gate 至少需要一条 verified 证据;executor-log、agent-claim 等声明类证据即使被标记为 verified,也不能单独证明完成或质量。若仍需重跑,应新建一轮,完整保留失败证据和人工决定。
适用边界
这个技能适合把“Agent 说完成了吗”改写成“证据能否支撑验收”。它不替代代码测试、事实核查、合规审批或业务负责人的最终签字。高风险任务不能用 not_required 绕过人工接受;业务结果没有出现,也不会自动证明 AI 任务做错了,除非该结果本身被写入必需验收标准。
使用场景
- Agent 生成报告、代码或数据后,需要按统一标准验收并生成审计记录
- 自动化流程涉及发布、预算或客户数据,需要保留人工批准和验收状态
- 重试或返工后,需要把失败原因写回规则、测试、Skill 或流程
- 业务指标变化后,需要区分任务完成、结果出现和结果能否归因。
适合人员
- 负责 Agent 工作流的工程师,需要判断执行结果能否通过证据验收
- 数据运营人员,需要记录 AI 输出的业务验收、审批和后续返工
- 负责自动化发布或预算调整的团队,需要在高风险操作前保留人工确认
- 审计或平台团队,需要复现六类判定并追踪结果归因限制