Agent Skills
返回列表
🤖

任务交付引擎

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,在 AI 助手中安装 @user_84aa03cf/chenlin-task-delivery-engine。

技能介绍

很多 agent 工作流不自觉套用人类组织结构——设「CEO」、建层级、分角色。这套任务交付引擎的出发点恰恰相反:执行主体是 agent,不必要的组织隐喻只会带来信息衰减与无效协作。它不模拟公司,只专注于把任务交付做对。

核心机制

引擎围绕四件事运转:

  • 拆解为带验收的基元:STEP 0 先判断这个阶段是否值得存在;STEP 1 再按「拆、标、重整」重构流程,将任务拆成最多 5 个 IPO 基元,每个基元带可校验验收标准。
  • 利用人机不对称:agent 负责无限循环、并行和低成本试错;人只做两件不可替代的事——原创与拍板,跳过中间管理层直接注入判断。
  • 先例检索驱动调度:scripts/retrieve.py 是离线零依赖确定性实现,综合结构维度打分(0.5)、可信度(0.2)与离线 lexical 语义代理(0.3),按阈值分类。
  • 验收守护下的重试:执行产物自动对照验收标准,fail 时仅允许一轮 rework,而不是无限空转。

何时用 / 何时不用

适合:重复性高、可分解、验收标准明确,且能在本机跑通检索的任务。命中阈值后交给 agent 循环到验收。

不适合:纯原创灵感工作、需要实时微调的精细操作、一次性任务,或必须由真人签字的合规节点。这些要么直接由人做,要么引擎会主动拒绝,而不是硬着头皮生成。

两个注意点:一是不要把 agent 当成万能解,弱模型跑多步交接只会放大错误,引擎一般需要够格的模型档位;二是 Agent 的建议是旁人经验适配处方而非标准答案,必须在本任务验收标准下校验。

使用场景

  • 处理每周重复的竞品信息抓取,需要先用离线检索器判断相似先例,再让 agent 在验收标准下循环补齐字段。
  • 重构内容生产流程时,需要把采访、成稿、审稿拆成最多 5 个带验收的基元,并把合规终审保留给人。
  • 接到新数据清洗任务时,想先调用 retrieve.py 判断是标准化还是非标;命中后让 agent 按推荐方案执行。
  • 回溯历史项目时,需要按结构维度给先例打分,避免被标题相似但约束不同的案例误导。

适合人员

  • 团队技术负责人:想把多 agent 流程从会聊天变成可交接,并在每步限定可校验交付物。
  • 后端 / 平台工程师:需要在接口或流水线里固化 `retrieve.py` 的分类路由与 acceptance guard。
  • 内容团队管理者:要把重复的选题调研拆成基元,只保留人在合规和拍板环节介入。
  • Agent 产品经理:想为用户提供「标准化命中则自动跑、非标则交人类原创」的边界说明。