您最好的智能体，其实已经藏在聊天记录里了。它们就是您一遍又一遍输入的请求：月度报告、用您的语气写的帖子、提案前的竞争对手调研。每一次，都有人从头解释背景；每一次，质量都取决于是谁在问、问得好不好。
更好的提示词解决不了这个问题。把工作一次性写下来，才能解决。下面是具体做法。
“为智能体构建技能，就像为新员工编写一份入职指南。” · Anthropic
智能体还是方法？
先确定您要写下的是什么。
- 智能体是一个角色，负责某类工作从请求到结果的全过程，例如报告制作者、内容撰稿人。
- 方法（即技能）是多个角色都能使用的做事方式，例如自然写作、按意思而非逐字翻译。
一个快速判断：如果您会为这件事招一个人，就写成智能体；如果您更可能发一份清单或风格指南，就写成方法。
值得写下来的六个信号
- 同样的请求（或几乎一样的）您已经输入了至少两次。
- 每次都要粘贴同样的背景：品牌规范、模板、竞争对手名单。
- 结果取决于提问的人：有的同事得到好答案，有的只得到平庸的答案。
- 您总在纠正同样的错误。
- 只有一个人真正知道该怎么做。
- 您能把步骤讲给一位新同事听。
也有一个反向信号。OpenAI 的智能体构建实用指南认为，智能体适合需要判断、依赖难以维护的规则，或依赖文档和自然语言等非结构化数据的工作；如果这些都不涉及，“确定性的解决方案可能就足够了”。如果一个表格公式就能搞定，那就继续用公式。
先写下七件事
在写任何指令之前，先回答这些问题。它们会成为智能体或方法的骨架。
- 目标。 结果要达成什么，为谁服务？一句话说清。
- 输入。 提问的人会提供什么：时间段、客户、渠道？缺少信息时，应该追问什么？
- 来源。 事实从哪里来：哪些知识、哪些数据、哪些工具。也要写明什么不算来源。
- 格式。 结果是什么样子：文件类型、结构、长度、语言。
- 质量标准。 怎样判断结果合格。Anthropic 关于成功标准的指南要求标准具体、可衡量、可实现且相关。“每个比率都根据原始数据重新计算”符合这一要求，“一份好报告”则不符合。
- 绝不能做的事。 编造数据、发给外部人员、未经批准就发布。把边界写得和步骤一样清楚。
- 由谁批准。 写明哪些步骤需要人来把关：发送、发布、花钱。OpenAI 建议，高风险操作应当触发人工监督，直到对智能体可靠性的信心建立起来。
不要从一张白纸开始。同一份指南建议，用您已有的材料来构建指令：操作流程、客服话术或政策文件。
如果想看一个完整写下来的方法，可以参考 Website Builder：从目标与市场到交付的七个步骤、用数字表达的质量标准、一份“绝不会做的事”清单，以及上线前由 Owner 或 Admin 审批。
分享之前先测试
- 收集三到五个过去的真实请求，其中至少一个是棘手的：缺少输入、时间段不寻常、数据自相矛盾。
- 先在没有智能体的情况下运行，记下哪里出了问题。这就是您的基线。
- 再用智能体运行，把每个结果和质量标准逐一对照。
- 打开实际产出的文件，而不只是看聊天里的总结。
- 请作者以外的人试用一次。
这与 Anthropic 对技能的建议一致：在写大量文档之前先建立评估，至少三个；并先测量没有该技能时的表现，这样才能看出它带来了什么。
在使用中改进
第一个版本永远不是最后一个。几个习惯能让它保持好用：
- 只纠正一次，写进指令里。 同样的问题纠正了两次，就把它变成一条规则。这正是本文标题的道理，只是用在了更细的层面。
- 观察它如何被使用。 Anthropic 建议关注模型实际如何使用技能，并根据观察而不是假设来迭代。
- 问问哪里出了错。 一次运行偏离轨道时，Anthropic 建议让模型反思问题出在哪里。再把教训写进方法。
- 保持简短。 只补充模型还不知道的内容，删掉没人需要的规则。
- 每次修改后都重新测试，换模型时也一样：技能的效果取决于底层模型。
- 指定一位负责人。 由一个人负责更新智能体或方法，并决定修改。
在 Zaela 中如何运作
在 Zaela 中，企业大脑正是这样成长的：凡是团队重复的事，都会成为整个团队可用的智能体或方法；每一次经验都变成智能体、方法或记忆。AI 使用的一切，您也可以在网页应用中查看、调整和补充。了解运作方式。