09 装了 Agent，找专家还是找skill?

最近，不少人安装了 Agent，也听说过几个知名 Skill，想在自己的工作里试试。但接下来就遇到了问题：去哪里找？找到以后，怎样判断它适不适合自己？

这里还藏着一个问题：我已经知道怎样做，只缺执行能力；还是面对这项工作，连方法和判断依据也需要帮助？这会影响我们怎样选择 Skill，以及什么时候需要专家智能体。

先看看市场现象。

1. 市场在“海选”，个人在“囤货”

市场提供的选择方式，往往还是“海选”。

打开技能广场，名称、图标和简介排成一屏屏卡片。产品宣传有多少个 Skill，用户却需要逐个点开、阅读、比较，才能大致判断哪个可能有用。数量增加了，选择的工作仍然留给用户。

下面是我当时看到的 WorkBuddy 技能区。这让我想起以前 Coze 平台上大量智能体的展示形式：浏览了很多，仍然不知道该从哪个开始。

面对大量选择，人又容易转向“囤货”。

看到别人推荐，先收藏；遇到几千个 Skill 的打包资料，先下载。收费包也好，免费分享也好，拿到手时总觉得以后用得上。

这让我想起早期用 Excel 的时候，特别喜欢收集模板。一个资料包里塞了几千个模板，真正用上的却寥寥无几，大多数留在电脑里吃灰。以前从百度网盘下载，现在从知识库、GitHub 仓库下载，收集的习惯还在。

我自己也有类似经历。让 WorkBuddy 整理本地工作环境，统计出来的 Skill 记录超过 2000 个，包括工具自带的、下载的和自己建立的。积累了多少，与实际用上多少，是两回事。

到了企业里，又有了“大家都要会写 Skill”的要求。

让员工把工作经验整理出来，有它的价值。但写出来之后，谁来使用，用在哪个环节，怎样与其他人的工作衔接，还需要继续安排。如果只推动编写和提交，企业收上来的可能仍然只是一批文件。

2. 先分清自己缺少什么

过去，业务人员要完成一项工作，通常先找软件，再学习操作、适应功能。遇到软件做不到的地方，就找插件、找模板，或者提出开发需求。

Agent 出现后，这套习惯很容易延续下来：先问哪个 Skill 厉害，先装一批，再想能用在哪里。

但业务人员往往已经掌握了不少做法。怎样评价供应商，怎样核对一批数据，怎样判断客户需要优先跟进，这些经验就在日常工作里。过去的难点，是把自己的做法变成可以运行的东西。

也有另一种情况：材料已经拿到了，却不知道应该从哪些角度分析，哪些因素会影响判断。此时还需要相应的专业方法。执行与判断上的需要，可能同时存在于一项工作中。

3. 过去，业务方法要经过多次“翻译”才能实现

业务人员提需求，IT 部门或乙方翻译成功能，做成软件。业务一用发现不对，再提、再改、再上线。

每多一次转述，业务细节就多一层丢失的可能。

如果沟通链很长，开发又优先按通用流程实现，这些判断就可能没有进入系统。业务人员只能把数据导出来，继续手工补上。

他们知道怎样做，却往往只能通过提出需求、解释需求来参与实现。

4. Agent 让业务人员可以直接描述做法

“拿着锤子找钉子”，常被用来提醒人们：手里有了某种技术，就容易到处找场景硬套。

换到业务人员这一边，情况有所不同。每天要处理的评价表、反复修改的方案、散落各处的工作记录，都是真实存在的问题。

钉子一直在那里，遇到问题的人，现在有机会拿到锤子了。

对于范围明确的任务，业务人员可以直接向 Agent 说明材料、规则和做法，先运行一次，再根据结果修改。部分任务由此可以缩短原来的需求转述和开发链条。

比如做评价排名，除了说明“我要一张排名表”，还可以把自己的办法讲出来：先核对评价对象，再按现行规则计算，缺项单独标明，最后把结果和需要确认的问题一起交付。Agent 可以据此处理材料，也可以协助把经过验证的做法整理成 Skill，供下一次使用。

熟悉业务的人不一定第一次就能说全所有规则。但看到结果之后，往往更容易指出哪里遗漏了、哪种例外没有处理好。做法可以在试用中逐步补齐。

从“我看出来了”到“我做出来了”，中间的距离缩短了。 在这些任务里，需求方也能直接参与实现。变化发生在工作如何被做出来这一层。

5. 找 Skill，还是找专家智能体？

**如果任务和规则已经清楚，可以先找适合这个环节的 Skill。找到现成方法之后，也可以根据自己的业务规则调整。

**如果还需要专业方法帮助分析问题、组织任务和解释结果，可以从专家智能体进入。

找专家，是希望借助他看问题的角度、积累的方法和判断依据。

Skill 可以包含专业判断方法；专家智能体也可以调用多个 Skill。对使用者来说，关键在于眼前的任务需要哪些能力，以及这些能力是否已经组织好。

我开发的专家智能体，就是把相关专业能力组织起来，供你围绕工作任务持续使用。经营诊断、AI 能力评估、专家方法构建等，已经有相应的专家智能体与套件可供订阅。你也可以直接查看我的专家智能体 Ada Cheng。

6. 从一个小场景开始，逐步升级智能

业务人员能够直接尝试自己的办法，并不意味着所有工作都能独立完成。数据工程、系统架构、复杂集成和底层开发，仍然需要相应的专业技术。

眼前的起点已经可以改变。面对一项熟悉的工作，先拿出已有材料、工作规则和预期结果，让 Agent 运行一次，再判断缺少什么。涉及更复杂的系统问题，再与技术人员共同推进。

企业推动员工参与，也可以从这里开始：带来一项真实工作，用 Skill 有了明确的成果，也有实际工作可以检验。

我的公开技能库聚焦数据驱动决策：从一个小场景出发，让资料支持判断，让判断进入行动，再把实际结果带回下一次分析。小场景逐步形成数据闭环，才有依据继续改进方法、连接更多能力。

无论使用公开 Skill，还是订阅专家智能体，都可以带着一项具体工作开始。把一次有效的做法留给下一次工作，专业经验就在这个过程中逐步成为智能资产。

继续阅读

外部案例：08 Anthropic 小企业套件看组织方法。

我的实战：10 这个技能库怎样建起来？我让 Agent 自动完成。

安装使用：02 先用这 21 个 Agent Skill：选场景，一句指令装进 Codex。

联系与支持

用户联系与问题反馈，请联系顾问：程老师

微信号：kciagent