Skill Engineering 自学课件 01 / 09

为什么需要 Skill Engineering

让一次成功的任务,沉淀为可复用、可验证、可迭代的团队能力

当前现象

已经开始使用 Qoder

不少同事已把 AI 用到日常工作中

数据处理是主要场景

整理明细、汇总报表、解释结果

主要仍通过 Chat 完成工作

每次重新说明需求,再反复调整

成功经验尚未稳定沉淀

换一个 Chat,往往又要从头解释

下一步目标

感知 Skill 的作用

看见流程和规则复用带来的价值

一次性完成成为可复用能力

把成功方法留在完整的能力包中

个人经验成为团队共同方法

让另一位同事也能按同一口径完成

形成共同的工程语言

知道如何设计、执行、验证和改进

把 Chat 中成功的方法沉淀为 Skill,再通过验证与复用完善它。

出品:AI 经营交付效能专项组从 Chat 使用者,到 Skill 工程实践者

Skill Engineering 自学课件 02 / 09

从一次数据处理任务说起

拿到下面这份工单明细,怎样让 AI 把它整理成 10 月 10 日的日报?

输入:7 行虚构工单明细

工单 ID创建日期状态耗时 / 分钟
T0012026-10-10已完成60
T0022026-10-10待处理0
T0032026-10-10已完成45
T0042026-10-10已完成90
T0042026-10-10已完成90
T0052026-10-10待处理0
T0062026-10-11已完成30

T004 重复一行;T006 属于 10 月 11 日。 下载工单练习包

交给 AI 的任务

请统计 10 月 10 日创建的工单。相同 ID 完全一致时保留一条,日期、状态或耗时不一致时停下来等我确认。告诉我总数、完成数、待处理数和完成单平均耗时。

应该交回的日报

5 单:完成 3 单,待处理 2 单

完成单平均:(60 + 45 + 90) ÷ 3 = 65 分钟

这份明细要变成一份日报:去重、按创建日期筛选,再统计数量与完成单平均耗时。

出品:AI 经营交付效能专项组从 Chat 使用者,到 Skill 工程实践者

Skill Engineering 自学课件 03 / 09

Chat、Skill、Skill Engineering

把一次成功的任务,转化成能跨对话复用、执行关键操作、具备验证机制的工作能力。

核心公式

Skill Engineering = Skill Design + Deterministic Execution + Validation + Evaluation + Reuse

Skill Design技能设计Deterministic Execution确定性执行Validation结果验证Evaluation效果评估Reuse复用传播
01

Chat 使用

单次完成任务

提出问题,获得答案
解决当下的任务

02

Skill 使用

复用已有能力

调用已沉淀的流程和资源
按约定方法完成任务

03

Skill Engineering

工程化沉淀与持续优化

分清规则、实现与验证
换对话、换数据、换人复用

更稳定:新 Chat 也能复现。更可靠:关键计算可验证。更高效:团队可复用、可传播。

出品:AI 经营交付效能专项组从 Chat 使用者,到 Skill 工程实践者

Skill Engineering 自学课件 04 / 09

一个数据处理 Skill 的两个部分

Workflow 安排任务怎样推进,Data Processing 完成数据的解析、转换与计算。

Workflow:任务怎样推进

01

理解任务

确认目标与业务规则

02

检查输入

核对字段、类型、日期

03

执行处理

筛选、关联、去重、汇总

04

验证结果

每次核对,失败停止

05

分析交付

解释结果并交付报表

Workflow(工作流)

决定步骤顺序、如何处理歧义、何时继续、何时停止。

Data Processing(数据处理)

按确认的规则完成运算,并返回结果、异常与校验信息。

Workflow 安排执行与停止;每次运行通过结果校验后,再分析交付。

出品:AI 经营交付效能专项组从 Chat 使用者,到 Skill 工程实践者

Skill Engineering 自学课件 05 / 09

AI 推理 vs 确定性执行

在工作流与数据处理两个层次上,分别确定 AI 和固定代码的职责。

工作层次AI 推理负责确定性实现负责
Workflow
工作流
识别任务意图
判断异常原因
选择处理策略
固定步骤顺序
状态检查
必经校验、停止条件
Data Processing
数据处理
理解字段含义
识别非标准格式
解释异常
筛选、关联、去重
汇总、金额计算
格式验证

让 Agent 处理不确定性,让代码处理确定性,让验证机制决定结果是否可信。

出品:AI 经营交付效能专项组从 Chat 使用者,到 Skill 工程实践者

Skill Engineering 自学课件 06 / 09

一个好的 Skill 长什么样

参考工单 Skill:入口、规则、实现、测试和评估场景各有用途。

ticket-daily-report/
01

SKILL.md

执行入口与行为契约

使用条件与输入
执行路径
完成与停止条件

02

references/

业务规则与数据契约

data-contract.md
business-rules.md

03

scripts/

确定性实现

pipeline.py
检查、计算、校验

04

tests/

程序测试与共用样例

fixtures/
expected/
check-regression.py

05

evals/

AI 任务与核对标准

evals.json
README.txt

按需增加 assets/ 存放模板;evals.json 保存场景,当前没有自动评估程序。

主文件简洁,细节按需加载(Progressive Disclosure)。简单任务可以只有 SKILL.md。

出品:AI 经营交付效能专项组从 Chat 使用者,到 Skill 工程实践者

Skill Engineering 自学课件 07 / 09

Qoder 实操:沉淀一个 Skill

以已经做对的工单日报为起点,把任务方法整理成能独立执行的能力包。

01

成功任务

保存输入、口径
和核对过的结果

02

提炼 Skill

写清契约与流程
保存关键处理脚本

03

导入完整包

在技能管理中导入 ZIP
确认出现在已安装中

04

新 Chat 运行

用 / 选择 Skill
只给本次必要输入

给 Qoder 的提示词:把刚才做对的日报方法整理成完整 Skill ZIP,保存规则和处理脚本,让新 Chat 只给数据、日期和输出位置就能复用。

先手动选择验证执行,再用自然语言验证触发。Qoder 操作入口按当前产品版本核对。

出品:AI 经营交付效能专项组从 Chat 使用者,到 Skill 工程实践者

Skill Engineering 自学课件 08 / 09

如何验证并改进 Skill

Tests 判定任务是否成功,Evals 帮助观察触发、任务表现和真实使用效果。

01

Trigger Evals

正确触发,避免误触发

检查真实请求的触发
属于基础验证

02

Task Evals

同一批任务,比较版本

共用 Tests 判定成功
比较质量、耗时、Token

03

Production Evals

真实使用中持续观察

记录失败与人工接管
跟踪质量、耗时和成本

Golden Tasks10 个真实端到端需求
V1 / V2(假设)成功率 60% / 80%
相同 Tests 判定提升 20 个百分点(假设)

LLM 核对示例:场景 1 + 实际输出 + 执行记录 → 逐项结论与证据(见讲解)。

同一任务、同一 Tests 判定,比较质量与成本。示例需重复运行并控制其他变量。

出品:AI 经营交付效能专项组从 Chat 使用者,到 Skill 工程实践者

Skill Engineering 自学课件 09 / 09

开始实践与问题反馈

把日常工作中的一个成功方法,变成下一次可以继续使用的 Skill。

今天就可以开始的一次实践

01

选任务并自评

规则清楚,先确认验收依据

02

生成并运行检查

共用样例,保留实际结果与记录

03

换人复用并迭代

同版本再试,把新问题补进用例

业务同事沉淀方法与验收标准,技术同事协助固定关键处理,团队共同验证和改进。

出品:AI 经营交付效能专项组从 Chat 使用者,到 Skill 工程实践者
下载练习包自评自己的 Skill
问题反馈模板
问题反馈给张坚、李琦
使用的 Skill 和版本:
期望得到什么:
实际发生什么:
使用的产品和版本:
附件:脱敏输入样例、出错截图、校验记录
请先移除客户信息、账号和密钥。