{"id":"4ef69c4f-725f-489e-b494-2985cd443d23","shortId":"R8Munp","kind":"skill","title":"ai-native-agent-skill-design","tagline":"'AI Native 产品方法论——智能体与技能单元设计的实操 Skill。","description":"# AI Native 智能体与技能单元设计 Skill\n\n## 使用场景\n\n- 产品需要从单轮问答进化到多步任务推进\n- 需要设计可复用的能力模块（Skill）和任务编排层（Agent）\n- 需要明确智能体的边界：可以推进到哪里、何时必须停下并把控制权交还给人\n\n## 核心概念\n\n- **智能体（Agent）**：面向目标组织任务、编排能力与调用动作的系统层\n- **技能单元（Skill）**：围绕一类任务封装的可复用能力单元\n- **工具（Tool）**：可被调用的具体接口、系统能力或外部动作\n- **智能体边界**：智能体可以推进到哪里、何时必须停下并把控制权交还给人\n\n## 什么时候真的需要 Agent\n\n不是所有 AI 产品都需要 Agent。以下场景通常需要：\n\n- 用户提出的不是单一问题，而是一项任务\n- 任务需要多步骤完成：理解目标 → 拆解任务 → 调用工具 → 组织结果\n- 中间步骤可能失败，需要回退、重试或请求补充信息\n\n如果只是单轮问答、单次总结、单次分类，通常 Prompt + RAG 或固定 Workflow 就足够。\n\n## Agent 的基本结构\n\n```\nReason（理解目标）\n  → Plan（拆解任务）\n    → Act（执行动作）\n```\n\n三个动作对应三种难点：\n\n- **Reason**：系统是否真正理解了用户目标\n- **Plan**：系统是否能把复杂任务拆成可执行步骤\n- **Act**：系统是否能在真实环境中可靠完成动作\n\n任何一环不稳定，Agent 最终都会退化成\"说得很多，但做不成事\"。\n\n## Agent、Skill 与 Tool 的关系\n\n| 层级 | 定义 | 例子 |\n|------|------|------|\n| Tool | 具体工具或系统接口 | 查询订单、检索日志、调用 CRM |\n| Skill | 围绕某类任务封装的能力模块 | 客服问题归因、运维告警诊断、经营指标解释 |\n| Agent | 任务层面编排技能与工具 | 理解用户问题 → 选择 Skill → 调用 Tool → 组织结果 |\n\n### 分工原则\n\n- **Tool** 做具体事：查询、调用、写入\n- **Skill** 做一类事：封装任务逻辑、输入输出约束、评估标准\n- **Agent** 决定做哪些事：目标理解、任务拆解、Skill 选择、结果组织\n\n## 能力编排流程\n\n```\n用户目标\n  → Agent 理解与规划\n    → Skill 选择\n      → Tool 调用\n        → 结果组织\n          → 用户确认 / 人工接管\n```\n\n如果这条链路里任何一层边界不清，Agent 就会退化成大黑盒。\n\n## Skill 设计原则\n\n### 1. 能力可拆分\n\n把复杂任务拆成独立、可复用的能力单元。例如：\n\n- 查询订单 → 解释物流状态 → 判断是否需要升级人工\n\n### 2. 边界可治理\n\n每个 Skill 必须有清晰的：\n\n- 输入范围：接受什么、不接受什么\n- 输出约束：返回什么格式、什么精度\n- 失败条件：什么情况下必须回退或交还给人\n\n### 3. 执行可回退\n\n每个 Skill 必须有明确的回退机制：\n\n- 失败时如何回退\n- 超时时如何处理\n- 结果不可信时如何降级\n\n## 技术层 vs 方法层\n\n技术层会持续变化：\nn- 单智能体 vs 多智能体\n- Planner / Executor / Router 等不同编排结构\n- Function Calling vs MCP 等不同动作连接方式\n- 提示词技能 vs 代码技能的不同封装方式\n\n方法层更长期稳定：\nn- 能力如何拆分\n- 调用如何授权\n- 执行如何回退\n- 过程如何观测\n- 责任如何界定\n\n## 输出物：能力编排方案\n\n1. **任务拆解图**：复杂任务如何拆成子任务\n2. **Agent 角色定义**：目标理解、任务规划、Skill 选择、结果组织\n3. **Skill 清单**：每个 Skill 的输入、输出、失败条件\n4. **Tool 映射**：每个 Skill 调用哪些 Tool\n5. **边界与回退设计**：什么情况下必须停下并交还给人\n\n## 使用方式\n\n当用户提供任务场景时，自动执行：\n\n1. 判断是否真的需要 Agent（还是单轮问答就足够）\n2. 将复杂任务拆解为子任务\n3. 为每个子任务设计 Skill（输入、输出、失败条件）\n4. 映射 Skill 到具体 Tool\n5. 设计 Agent 的任务编排逻辑\n6. 设计边界与回退机制\n7. 输出能力编排方案\n\n## 示例\n\n### 示例1：AI 客服任务编排设计\n\n**场景描述**：\n用户说\"我的订单怎么还没到货\"，系统需要完成多步骤任务。\n\n**用户输入**：\n\"我的订单怎么还没到货？已经等了5天了\"\n\n**Skill 执行流程**：\n\n1. **判断是否需要 Agent**\n   - ❌ 单轮问答：只回答\"一般配送时间是3-7天\"\n   - ✅ 需要 Agent：查询订单→查物流→判断异常→提供解决方案\n\n2. **任务拆解**\n\n```\n用户目标：了解订单未到货原因并解决\n  ├─ 步骤1：识别用户身份和订单号\n  ├─ 步骤2：查询订单状态\n  ├─ 步骤3：查询物流轨迹\n  ├─ 步骤4：判断异常类型\n  └─ 步骤5：提供解决方案或升级\n```\n\n3. **Skill 设计**\n\n| Skill | 输入 | 输出 | Tool | 失败条件 |\n|-------|------|------|------|----------|\n| IdentifyUser | 会话上下文 | 用户ID、身份置信度 | CRM查询 | 置信度<0.8时请求确认 |\n| QueryOrder | 用户ID、时间范围 | 订单列表 | 订单系统 | 无订单时给出引导 |\n| TrackLogistics | 订单号 | 物流状态、轨迹 | 物流系统 | 超时未返回时降级 |\n| AnalyzeException | 物流状态 | 异常类型、原因 | 规则引擎 | 无法归类时标记\"未知\" |\n| GenerateResponse | 异常类型 | 回复内容、建议动作 | - | 高风险时转人工 |\n\n4. **Agent 编排逻辑**\n\n```yaml\nAgent: CustomerServiceAgent\n目标理解: \"用户询问订单未到货原因\"\n任务规划:\n  - 先执行 IdentifyUser（若失败则请求确认）\n  - 再执行 QueryOrder（若多订单则请用户选择）\n  - 然后执行 TrackLogistics\n  - 根据物流状态决定后续:\n      - 正常运输中 → GenerateResponse(解释预计时间)\n      - 物流异常 → GenerateResponse(说明异常+解决方案)\n      - 丢件/破损 → 标记升级人工\n技能选择策略: 按依赖顺序串行执行，每步检查失败条件\n结果组织: 结构化回复 + 可选操作按钮\n```\n\n5. **边界与回退设计**\n\n| 场景 | 边界规则 | 回退动作 |\n|------|----------|----------|\n| 用户身份不确定 | 置信度<0.8 | 请求提供手机号/订单号 |\n| 订单查询失败 | 系统超时 | 告知\"系统繁忙\"并提供自助链接 |\n| 物流信息缺失 | 3PL未返回 | 提供官方物流查询方式 |\n| 涉及赔付/退款 | 高风险承诺 | 必须人工确认 |\n| 用户情绪升级 | 检测到负面情绪 | 自动转人工 |\n\n**输出结果**：\n\n```yaml\n# 能力编排方案：AI 客服 Agent\n\nAgent:\n  name: CustomerServiceAgent\n  role: 客服任务编排与协调\n  objectives:\n    - 理解用户问题\n    - 查询相关信息\n    - 提供准确回答\n    - 控制服务风险\n\nSkills:\n  - name: IdentifyUser\n    input: [user_message, session_id]\n    output: \n      user_id: string\n      confidence: float\n    failure: confidence < 0.8\n    fallback: request_explicit_identification\n\n  - name: QueryOrder  \n    input: [user_id, time_range=\"30d\"]\n    output:\n      orders: [{id, status, amount, items}]\n    failure: orders.length == 0\n    fallback: guide_no_order\n\n  - name: TrackLogistics\n    input: [order_id]\n    output:\n      status: enum[运输中,已签收,异常]\n      events: [{time, location, status}]\n    failure: timeout > 5s\n    fallback: provide_official_tracking_link\n\n  - name: AnalyzeException\n    input: [logistics_status, events]\n    output:\n      exception_type: enum[延迟,丢件,破损,其他]\n      severity: enum[低,中,高]\n    failure: exception_type == \"其他\"\n    fallback: mark_unknown_escalate\n\n  - name: GenerateResponse\n    input: [analysis_result, user_intent]\n    output:\n      message: string\n      actions: [{type, label, payload}]\n      risk_level: enum[低,中,高]\n    failure: risk_level == \"高\"\n    fallback: escalate_to_human\n\nTools:\n  CRM.query: 用户信息查询\n  OrderSystem.query: 订单状态查询\n  Logistics.track: 物流轨迹查询\n  RuleEngine.classify: 异常类型判断\n\n边界控制:\n  max_turns: 10\n  escalation_triggers:\n    - risk_level == \"高\"\n    - user_sentiment < -0.5\n    - mention_keywords: [\"投诉\", \"法院\", \"媒体\"]\n    - 连续3次未能解决问题\n```\n\n---\n\n### 示例2：AIOps 故障诊断编排\n\n**场景描述**：\n告警系统收到多条告警，需要自动诊断并提供分诊建议。\n\n**用户输入**：\n\"收到告警：服务A响应超时、数据库连接池耗尽、CPU使用率95%\"\n\n**Skill 执行流程**：\n\n1. **任务拆解**\n\n```\n目标：分析告警并给出故障分诊建议\n  ├─ 步骤1：聚类告警（识别相关性）\n  ├─ 步骤2：查询服务依赖拓扑\n  ├─ 步骤3：检索相关日志\n  ├─ 步骤4：召回历史相似案例\n  ├─ 步骤5：生成故障摘要\n  └─ 步骤6：推荐处置优先级\n```\n\n2. **Skill 清单**\n\n| Skill | 功能 | 输入 | 输出 | Tool |\n|-------|------|------|------|------|\n| ClusterAlerts | 告警聚类 | 告警列表 | 告警组、根因候选 | 聚类算法 |\n| QueryDependency | 依赖查询 | 服务名 | 上下游服务图 | CMDB |\n| FetchLogs | 日志检索 | 服务+时间窗口 | 相关日志片段 | ELK |\n| RecallCases | 案例召回 | 告警特征 | 相似历史案例 | 向量检索 |\n| SummarizeFault | 故障摘要 | 多源信息 | 故障描述 | LLM |\n| RecommendAction | 处置建议 | 故障类型 | 优先级+建议 | 规则引擎 |\n\n3. **关键边界设计**\n\n```yaml\n高风险边界:\n  - 禁止技能: 任何直接操作生产的动作\n  - 输出性质: 永远是建议，不是命令\n  - 置信度阈值: <70% 时必须标注\"不确定，需人工确认\"\n  \n回退机制:\n  - 案例召回为空时: 标记\"无历史参考，依赖专家判断\"\n  - 日志查询失败时: 降级为\"基于告警的初步判断\"\n  - 多源信息冲突时: 列出矛盾点，不强行统一\n```\n\n**输出结果**：\n\n```yaml\n# 能力编排方案：AIOps 诊断 Agent\n\nAgent:\n  name: AIOpsDiagnosisAgent  \n  type: Observation-Only（仅观察，不执行）\n  principles:\n    - 只组织信息，不下达指令\n    - 只提供建议，不做决策\n    - 所有输出供参考，必须由工程师确认\n\nSkills:\n  ClusterAlerts:\n    input: [alerts, correlation_rules]\n    output: \n      clusters: [{root_alert, related_alerts}]\n      timeline: [event_sequence]\n\n  QueryDependency:\n    input: [service_name]\n    output:\n      upstream: [services]\n      downstream: [services]\n      impact_radius: string\n\n  FetchLogs:\n    input: [services, time_window=\"-30m,+5m\"]\n    output:\n      log_snippets: [text]\n      error_patterns: [{pattern, count}]\n\n  RecallCases:\n    input: [alert_signature, vectors]\n    output:\n      similar_cases: [{case_id, similarity, resolution}]\n      top_recommendation: string\n\n  SummarizeFault:\n    input: [clusters, logs, cases]\n    output:\n      summary: string\n      confidence: float\n      evidence_chain: [sources]\n\n  RecommendAction:\n    input: [fault_type, severity]\n    output:\n      priority: enum[P0,P1,P2]\n      suggested_actions: [strings]\n      escalation_path: string\n\n边界协议:\n  no_execution: true\n  confidence_threshold: 0.7\n  uncertainty_handling: explicit_flag\n  audit_required: true\n```","tags":["agent","skill","design","native","product","skills","gmaxxxie","agent-skills","ai-agent","ai-native","ai-product","methodology"],"capabilities":["skill","source-gmaxxxie","skill-p4-agent-skill-design","topic-agent-skills","topic-ai-agent","topic-ai-native","topic-ai-product","topic-methodology","topic-product-management","topic-product-methodology","topic-product-thinking","topic-skills"],"categories":["ai-native-product-agent-skills"],"synonyms":[],"warnings":[],"endpointUrl":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/p4-agent-skill-design","protocol":"skill","transport":"skills-sh","auth":{"type":"none","details":{"cli":"npx skills add gmaxxxie/ai-native-product-agent-skills","source_repo":"https://github.com/gmaxxxie/ai-native-product-agent-skills","install_from":"skills.sh"}},"qualityScore":"0.478","qualityRationale":"deterministic score 0.48 from registry signals: · indexed on github topic:agent-skills · 56 github stars · SKILL.md body (6,771 chars)","verified":false,"liveness":"unknown","lastLivenessCheck":null,"agentReviews":{"count":0,"score_avg":null,"cost_usd_avg":null,"success_rate":null,"latency_p50_ms":null,"narrative_summary":null,"summary_updated_at":null},"enrichmentModel":"deterministic:skill-github:v1","enrichmentVersion":1,"enrichedAt":"2026-05-18T18:57:32.832Z","embedding":null,"createdAt":"2026-05-01T01:03:00.391Z","updatedAt":"2026-05-18T18:57:32.832Z","lastSeenAt":"2026-05-18T18:57:32.832Z","tsv":"'+5':717 '-0.5':558 '-30':715 '0':455 '0.7':778 '0.8':317,384,434 '1':147,205,237,275,578 '10':550 '2':155,208,241,289,595 '3':168,216,243,303,636 '30d':446 '3pl未返回':393 '4':224,249,343 '5':231,254,377 '5s':477 '6':258 '7':260 '70':646 '7天':282 'act':72,79 'action':520,767 'agent':4,21,27,41,45,66,82,86,105,124,133,143,209,239,256,277,284,344,347,407,408,666,667 'ai':2,7,12,43,264,405 'ai-native-agent-skill-design':1 'aiop':566,664 'aiopsdiagnosisag':669 'alert':686,692,694,729 'amount':451 'analysi':513 'analyzeexcept':331,484 'audit':783 'call':189 'case':734,735,746 'chain':753 'cluster':690,744 'clusteralert':603,684 'cmdb':613 'confid':430,433,750,776 'correl':687 'count':726 'cpu使用率95':575 'crm':99 'crm.query':539 'crm查询':315 'customerserviceag':348,410 'design':6 'downstream':705 'elk':619 'enum':467,492,498,526,762 'error':723 'escal':509,535,551,769 'event':471,488,696 'evid':752 'except':490,503 'execut':774 'executor':185 'explicit':437,781 'failur':432,453,475,502,530 'fallback':435,456,478,506,534 'fault':757 'fetchlog':614,710 'flag':782 'float':431,751 'function':188 'generaterespons':338,362,365,511 'guid':457 'handl':780 'human':537 'id':425,428,443,449,464,736 'identif':438 'identifyus':311,353,420 'impact':707 'input':421,441,462,485,512,685,699,711,728,743,756 'intent':516 'item':452 'keyword':560 'label':522 'level':525,532,554 'link':482 'llm':629 'locat':473 'log':720,745 'logist':486 'logistics.track':543 'm':716,718 'mark':507 'max':548 'mcp':191 'mention':559 'messag':423,518 'n':180,197 'name':409,419,439,460,483,510,668,701 'nativ':3,8,13 'object':413 'observ':672 'observation-on':671 'offici':480 'order':448,459,463 'orders.length':454 'ordersystem.query':541 'output':426,447,465,489,517,689,702,719,732,747,760 'p0':763 'p1':764 'p2':765 'path':770 'pattern':724,725 'payload':523 'plan':70,77 'planner':184 'principl':676 'prioriti':761 'prompt':61 'provid':479 'querydepend':609,698 'queryord':319,356,440 'radius':708 'rag':62 'rang':445 'reason':68,75 'recallcas':620,727 'recommend':740 'recommendact':630,755 'relat':693 'request':436 'requir':784 'resolut':738 'result':514 'risk':524,531,553 'role':411 'root':691 'router':186 'rule':688 'ruleengine.classify':545 'sentiment':557 'sequenc':697 'servic':700,704,706,712 'session':424 'sever':497,759 'signatur':730 'similar':733,737 'skill':5,11,15,19,31,87,100,109,119,128,135,145,158,171,213,217,220,228,245,251,273,304,306,418,576,596,598,683 'skill-p4-agent-skill-design' 'snippet':721 'sourc':754 'source-gmaxxxie' 'status':450,466,474,487 'string':429,519,709,741,749,768,771 'suggest':766 'summari':748 'summarizefault':625,742 'text':722 'threshold':777 'time':444,472,713 'timelin':695 'timeout':476 'tool':34,89,94,111,114,137,225,230,253,309,538,602 'top':739 'topic-agent-skills' 'topic-ai-agent' 'topic-ai-native' 'topic-ai-product' 'topic-methodology' 'topic-product-management' 'topic-product-methodology' 'topic-product-thinking' 'topic-skills' 'track':481 'tracklogist':325,359,461 'trigger':552 'true':775,785 'turn':549 'type':491,504,521,670,758 'uncertainti':779 'unknown':508 'upstream':703 'user':422,427,442,515,556 'vector':731 'vs':177,182,190,194 'window':714 'workflow':64 'yaml':346,403,638,662 '一般配送时间是3':281 '一般配送时间是3-7天':280 '三个动作对应三种难点':74 '上下游服务图':612 '不下达指令':678 '不做决策':680 '不强行统一':660 '不执行':675 '不接受什么':162 '不是命令':644 '不是所有':42 '不确定':648 '与':88 '丢件':368,494 '中':500,528 '中间步骤可能失败':54 '为每个子任务设计':244 '了解订单未到货原因并解决':292 '产品方法论':9 '产品都需要':44 '产品需要从单轮问答进化到多步任务推进':17 '人工接管':141 '什么情况下必须停下并交还给人':233 '什么情况下必须回退或交还给人':167 '什么时候真的需要':40 '什么精度':165 '仅观察':674 '代码技能的不同封装方式':195 '以下场景通常需要':46 '任何一环不稳定':81 '任何直接操作生产的动作':641 '任务层面编排技能与工具':106 '任务拆解':127,290,579 '任务拆解图':206 '任务规划':212,351 '任务需要多步骤完成':49 '优先级':633 '会话上下文':312 '但做不成事':85 '低':499,527 '何时必须停下并把控制权交还给人':24,39 '使用场景':16 '使用方式':234 '例如':151 '例子':93 '依赖专家判断':654 '依赖查询':610 '做一类事':120 '做具体事':115 '先执行':352 '关键边界设计':637 '其他':496,505 '具体工具或系统接口':95 '再执行':355 '写入':118 '决定做哪些事':125 '分工原则':113 '分析告警并给出故障分诊建议':581 '列出矛盾点':659 '判断异常':287 '判断异常类型':300 '判断是否真的需要':238 '判断是否需要':276 '判断是否需要升级人工':154 '到具体':252 '功能':599 '单智能体':181 '单次分类':59 '单次总结':58 '单轮问答':278 '原因':334 '只回答':279 '只提供建议':679 '只组织信息':677 '召回历史相似案例':590 '可以推进到哪里':23 '可复用的能力单元':150 '可被调用的具体接口':35 '可选操作按钮':376 '向量检索':624 '告知':389 '告警列表':605 '告警特征':622 '告警系统收到多条告警':569 '告警组':606 '告警聚类':604 '和任务编排层':20 '回复内容':340 '回退动作':381 '回退机制':650 '围绕一类任务封装的可复用能力单元':32 '围绕某类任务封装的能力模块':101 '场景':379 '场景描述':266,568 '基于告警的初步判断':657 '处置建议':631 '复杂任务如何拆成子任务':207 '多智能体':183 '多源信息':627 '多源信息冲突时':658 '失败时如何回退':173 '失败条件':166,223,248,310 '如果只是单轮问答':57 '如果这条链路里任何一层边界不清':142 '媒体':563 '定义':92 '客服':406 '客服任务编排与协调':412 '客服任务编排设计':265 '客服问题归因':102 '封装任务逻辑':121 '将复杂任务拆解为子任务':242 '就会退化成大黑盒':144 '就足够':65 '层级':91 '工具':33 '已签收':469 '已经等了5天了':272 '并提供自助链接':391 '延迟':493 '建议':634 '建议动作':341 '异常':470 '异常类型':333,339 '异常类型判断':546 '当用户提供任务场景时':235 '必须人工确认':398 '必须有明确的回退机制':172 '必须有清晰的':159 '必须由工程师确认':682 '我的订单怎么还没到货':268,271 '或固定':63 '所有输出供参考':681 '执行动作':73 '执行可回退':169 '执行如何回退':200 '执行流程':274,577 '技术层':176 '技术层会持续变化':179 '技能单元':30 '技能选择策略':371 '把复杂任务拆成独立':149 '投诉':561 '拆解任务':51,71 '按依赖顺序串行执行':372 '接受什么':161 '控制服务风险':417 '推荐处置优先级':594 '提供准确回答':416 '提供官方物流查询方式':394 '提供解决方案':288 '提供解决方案或升级':302 '提示词技能':193 '收到告警':572 '故障描述':628 '故障摘要':626 '故障类型':632 '故障诊断编排':567 '数据库连接池耗尽':574 '方法层':178 '方法层更长期稳定':196 '无历史参考':653 '无法归类时标记':336 '无订单时给出引导':324 '日志查询失败时':655 '日志检索':615 '时必须标注':647 '时请求确认':318 '时间窗口':617 '时间范围':321 '映射':226,250 '智能体':26 '智能体与技能单元设计':14 '智能体与技能单元设计的实操':10 '智能体可以推进到哪里':38 '智能体边界':37 '最终都会退化成':83 '服务':616 '服务a响应超时':573 '服务名':611 '未知':337 '查物流':286 '查询':116 '查询服务依赖拓扑':586 '查询物流轨迹':298 '查询相关信息':415 '查询订单':96,152,285 '查询订单状态':296 '标记':652 '标记升级人工':370 '核心概念':25 '根因候选':607 '根据物流状态决定后续':360 '案例召回':621 '案例召回为空时':651 '检测到负面情绪':400 '检索日志':97 '检索相关日志':588 '正常运输中':361 '步骤1':293,582 '步骤2':295,585 '步骤3':297,587 '步骤4':299,589 '步骤5':301,591 '步骤6':593 '每个':157,170,219,227 '每步检查失败条件':373 '永远是建议':643 '法院':562 '涉及赔付':395 '清单':218,597 '然后执行':358 '物流信息缺失':392 '物流异常':364 '物流状态':327,332 '物流系统':329 '物流轨迹查询':544 '理解与规划':134 '理解用户问题':107,414 '理解目标':50,69 '生成故障摘要':592 '用户id':313,320 '用户信息查询':540 '用户情绪升级':399 '用户提出的不是单一问题':47 '用户目标':132,291 '用户确认':140 '用户询问订单未到货原因':350 '用户说':267 '用户身份不确定':382 '用户输入':270,571 '的任务编排逻辑':257 '的关系':90 '的基本结构':67 '的输入':221 '目标':580 '目标理解':126,211,349 '相似历史案例':623 '相关日志片段':618 '破损':369,495 '示例':262 '示例1':263 '示例2':565 '禁止技能':640 '等不同动作连接方式':192 '等不同编排结构':187 '系统是否真正理解了用户目标':76 '系统是否能在真实环境中可靠完成动作':80 '系统是否能把复杂任务拆成可执行步骤':78 '系统繁忙':390 '系统能力或外部动作':36 '系统超时':388 '系统需要完成多步骤任务':269 '组织结果':53,112 '经营指标解释':104 '结构化回复':375 '结果不可信时如何降级':175 '结果组织':130,139,215,374 '编排能力与调用动作的系统层':29 '编排逻辑':345 '置信度':316,383 '置信度阈值':645 '而是一项任务':48 '聚类告警':583 '聚类算法':608 '能力可拆分':148 '能力如何拆分':198 '能力编排方案':204,404,663 '能力编排流程':131 '自动执行':236 '自动转人工':401 '若多订单则请用户选择':357 '若失败则请求确认':354 '规则引擎':335,635 '角色定义':210 '解决方案':367 '解释物流状态':153 '解释预计时间':363 '订单列表':322 '订单号':326,386 '订单查询失败':387 '订单状态查询':542 '订单系统':323 '设计':255,305 '设计原则':146 '设计边界与回退机制':259 '评估标准':123 '识别用户身份和订单号':294 '识别相关性':584 '诊断':665 '说得很多':84 '说明异常':366 '请求提供手机号':385 '调用':98,110,117,138 '调用哪些':229 '调用如何授权':199 '调用工具':52 '责任如何界定':202 '超时时如何处理':174 '超时未返回时降级':330 '身份置信度':314 '轨迹':328 '输入':246,307,600 '输入范围':160 '输入输出约束':122 '输出':222,247,308,601 '输出性质':642 '输出物':203 '输出约束':163 '输出结果':402,661 '输出能力编排方案':261 '边界与回退设计':232,378 '边界协议':772 '边界可治理':156 '边界控制':547 '边界规则':380 '过程如何观测':201 '运维告警诊断':103 '运输中':468 '返回什么格式':164 '还是单轮问答就足够':240 '连续3次未能解决问题':564 '退款':396 '选择':108,129,136,214 '通常':60 '重试或请求补充信息':56 '降级为':656 '需人工确认':649 '需要':283 '需要回退':55 '需要明确智能体的边界':22 '需要自动诊断并提供分诊建议':570 '需要设计可复用的能力模块':18 '面向目标组织任务':28 '高':501,529,533,555 '高风险承诺':397 '高风险时转人工':342 '高风险边界':639","prices":[{"id":"7be181b9-5885-4b90-9ec1-89aa2a016e94","listingId":"4ef69c4f-725f-489e-b494-2985cd443d23","amountUsd":"0","unit":"free","nativeCurrency":null,"nativeAmount":null,"chain":null,"payTo":null,"paymentMethod":"skill-free","isPrimary":true,"details":{"org":"gmaxxxie","category":"ai-native-product-agent-skills","install_from":"skills.sh"},"createdAt":"2026-05-01T01:03:00.391Z"}],"sources":[{"listingId":"4ef69c4f-725f-489e-b494-2985cd443d23","source":"github","sourceId":"gmaxxxie/ai-native-product-agent-skills/p4-agent-skill-design","sourceUrl":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p4-agent-skill-design","isPrimary":false,"firstSeenAt":"2026-05-01T01:03:00.391Z","lastSeenAt":"2026-05-18T18:57:32.832Z"}],"details":{"listingId":"4ef69c4f-725f-489e-b494-2985cd443d23","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"gmaxxxie","slug":"p4-agent-skill-design","github":{"repo":"gmaxxxie/ai-native-product-agent-skills","stars":56,"topics":["agent-skills","ai-agent","ai-native","ai-product","methodology","product-management","product-methodology","product-thinking","skills"],"license":null,"html_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills","pushed_at":"2026-05-06T07:19:36Z","description":"AI Native Product Methodology — 80 executable skills across P0-P14 stages, covering needs discovery to aesthetic authority. From 8 books.","skill_md_sha":"ed662c310a024d8a11cf557b60d901f85bba30d3","skill_md_path":"skills/p4-agent-skill-design/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p4-agent-skill-design"},"layout":"multi","source":"github","category":"ai-native-product-agent-skills","frontmatter":{"name":"ai-native-agent-skill-design","description":"'AI Native 产品方法论——智能体与技能单元设计的实操 Skill。"},"skills_sh_url":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/p4-agent-skill-design"},"updatedAt":"2026-05-18T18:57:32.832Z"}}