告别重复工单分析：用 Skills 将 SOP 固化为可复用工具

ali_tech · 2026 年3 月 2 日 14:42

告别繁琐工单分析！利用 Skills 打造AI助手，通过复用接口请求，实现内网数据自动采集与分析，提升效率。

原文标题：Skills?真的可以帮我干活了：把工单分析变成一个可复用的?Skill

原文作者：阿里云开发者

原文链接： http://mp.weixin.qq.com/s?__biz=MzIzOTU0NTQ0MA==&mid=2247558554&idx=1&sn=239e1d2c63c0a9a7eb0be1ced653db00&

冷月清谈：

本文介绍了一种利用 Anthropic Skills 解决企业内网工单分析痛点的新方案。传统工单分析面临数据获取困难、高频重复、角色关注点各异等问题。该方案采用“Copy as fetch + agent-browser eval”策略，绕过直接操作浏览器页面的不稳定性和高成本，直接复用已验证的接口请求，稳定获取数据。通过将人工在 DevTools 中的隐性操作转化为 AI 可执行的显性 SOP，实现了工单数据的自动采集与分析，并输出结构化报告。此外，文章还对比了 Skills 和 Workflow 的优劣，强调了 Skills 在灵活性、可进化性和版本管理方面的优势。该方案的核心价值在于解放重复性的脑力劳动，降低 SOP 的搭建成本，提升工作效率。

怜星夜思：

1、你觉得这种'Copy as fetch + agent-browser eval'方案，在数据安全方面有哪些潜在风险？企业应该如何应对？
2、文章中提到Skills比Workflow更灵活，可定制化程度更高，但会不会也意味着需要更高的学习成本和维护成本？
3、如果让你来设计一个类似的Skills，你会考虑增加哪些功能或者优化哪些方面？

原文内容

Anthropic 刚推出 Skills [1]时，我非常兴奋。官方的态度也很明确：不要再执着于开发复杂 Agent，而是把精力放在 Skills 上。

但在认真研究了一圈官方和社区的 Skills 示例[2]后，我很快冷静下来—— 几乎没有一个 Skills 能直接在真实环境中跑起来。当时我的判断是：这就是个玩具。

直到最近，Claude Code 2.1.3 版本[3]发布，将 commands 和 skills 进行了合并，解决了之前触发困难等问题。

特别是最近我关注的一位 AI 博主在介绍他的新项目时提到：他最近最主要的工作就是帮企业把日常 SOP 沉淀成 Skills，一个 Skills 的收费高达五位数。

让我意识到 Skills 价值已经逐步在被证明。

一句话总结我接下来做的事情：我把一个需要登录内网、手动筛选、导出、分析的工单 SOP，固化成了一个可复用、易扩展、稳定运行的 Skills。

问题背景：为什么工单分析一直是痛点

最近一段时间，团队的产品的升级工单量明显上涨。问题不在于"工单多"，而在于工单分析的复杂度。

工单分析有三个非常典型、也非常现实的特征：

1. 数据在内网必须登录，且有严格的权限控制，无法通过公开 API 拉取。

2. 高频重复每个产品、每个版本、每周都要重新做一遍。

3. 每个角色的关注点不一样研发关心具体的技术问题，PD 关心提炼共性问题，产品化机会，TL 关心跨产品的横向对比。同一份数据，不同人要看不同的切面。

这恰好是 AI 非常擅长的事情，但前提是：你得先把数据稳定地拿出来，还要能灵活适配不同角色的分析诉求。

注意：以下方案只讨论技术实现，不涉及任何数据安全或权限绕过问题。

传统思路的局限

无论是 Skills、Agent 还是 Workflow，本质都一样：拿到数据 → 交给模型分析。

真正的难点只有一个：如何在企业内网、强登录态的情况下，稳定、低成本地获取数据。

最自然的想法，是让 AI 帮我"操作浏览器"。但我很快发现这条路走不通。

Playwright / playwright-mcp 的问题

我最早尝试的是 playwright-mcp[4]，但很快遇到了几个致命问题：

1. Token 消耗极高 Playwright 需要生成大量页面 snapshot。

2. 稳定性差页面中大量动态 DOM（例如时间选择器），元素定位极不稳定。

agent-browser：

更适合 Agent，但问题依旧存在

最近 vercel-labs 推出的 agent-browser [5]很火，5 天 7k star。 Rust CLI + 原生二进制，对 snapshot 做了大量优化，Token 消耗最多可降低 93%。

agent-browser open <url>
agent-browser snapshot -i
agent-browser click @e1
agent-browser fill @e2 "text"
agent-browser close

但在实际使用中，我发现一个问题始终无法绕开：

只要是"让 AI 去操作页面"，行为就一定不稳定。

退回到"固定 selector + 脚本"的方式当然稳定，但代价是：

编写成本高
UI 变更后维护成本极高

const browser = await chromium.launch();
const page = await browser.newPage();
await page.goto('http://example.com');
await page.locator('.submit').click();
await browser.close();

于是问题变成了：

能不能既稳定，又不需要维护复杂 UI 脚本？

关键观察：SPA 页面本质上只是接口渲染

现在绝大多数企业后台系统都是 SPA 架构。页面上的数据，本质都来自接口请求。

比如一次简单的搜索操作，就会触发 Ajax 请求：

我们做一个实验

1. 在 Chrome DevTools 的 Network 面板中，对某个请求执行 Copy as fetch

2. 将代码粘贴到 Console 中直接执行

Network 面板可以看到，请求被完整复现：

关键结论

只要页面能正常渲染，就意味着对应接口在当前登录态下一定可复现。与其让 AI 学会"怎么点页面"，不如让 AI 直接执行已经被验证过的请求。

新的解决方案：

Copy as fetch + agent-browser eval

最终方案非常克制，也非常工程化：

1. 使用 agent-browser open 打开目标页面（登录问题由用户自行解决）；

2. 在 DevTools Network 面板中 Copy as fetch，提前构造请求脚本；

3. 使用 agent-browser eval 执行该脚本，获取 JSON 数据；

4. 将数据交给大模型分析；

流程图

Skills 实现

细节请查看源码 order-analysis-skill[6]

目录结构

order-analysis-skill/ ├── scripts/ │ ├── check-agent-browser.sh │ ├── check-cdp.sh │ └── order-analysis.js └── SKILL.md

Skills 的关键价值

这个 Skills 的核心不在于"分析工单"，而在于：

它把"人类在 DevTools 里的隐性操作"，变成了 AI 可以稳定执行的显性 SOP。

SKILL.md 核心内容

---
name: order-analysis
description: 分析产品升级工单，识别共性问题并提出产品改进建议。通过 agent-browser工具 访问工单系统，提取工单数据，进行问题分类、趋势分析和根因定位，输出改进方案。
---
核心工作流程
步骤 1: 前置检查
执行以下两个检查脚本，确保环境准备就绪：
# 检查 Chrome Debug 模式
sh scripts/check-cdp.sh

# 检查 agent-browser 工具
sh scripts/check-agent-browser.sh

</code></pre>
   </div>
  </div>
  <p data-wct-cr-42><span><span data-wct-cr-12><br></span></span></p>
  <div data-wct-cr-19>
   <div data-wct-cr-27>
    <div data-wct-cr-28>
     <div data-wct-cr-29>
      <div data-wct-cr-30>
      </div>
     </div>
    </div>
    <div data-wct-cr-31>
     <div data-wct-cr-32>
      <p data-wct-cr-33><span data-wct-cr-34><strong><span>打开工单系统页面</span></strong></span></p>
     </div>
    </div>
   </div>
  </div>
  <div data-wct-cr-19>
   <div>
    <pre><code>agent-browser --cdp&nbsp;9222&nbsp;open&nbsp;"https://inner.example.com"
</code></pre>
   </div>
  </div>
  <div data-wct-cr-19>
   <div data-wct-cr-27>
    <div data-wct-cr-28>
     <div data-wct-cr-29>
      <div data-wct-cr-30>
      </div>
     </div>
    </div>
    <div data-wct-cr-31>
     <div data-wct-cr-32>
      <p data-wct-cr-33><strong></strong></p>
      <p data-wct-cr-43><strong><span>准备输出目录</span></strong></p>
     </div>
    </div>
    <div data-wct-cr-41>
    </div>
   </div>
  </div>
  <p data-wct-cr-23><span><span data-wct-cr-12><span data-wct-cr-13>创建以时间命名的输出目录（格式：YYYYMMDD-HHMMSS）：</span></span></span></p>
  <div data-wct-cr-19>
   <div>
    <pre><code>OUTPUT_DIR=".output/order-analysis/$(date +%Y%m%d-%H%M%S)"
mkdir&nbsp;-p&nbsp;"$OUTPUT_DIR"
</code></pre>
   </div><span><span><br></span></span>
  </div>
  <div data-wct-cr-19>
   <div data-wct-cr-27>
    <div data-wct-cr-28>
     <div data-wct-cr-29>
      <div data-wct-cr-30>
      </div>
     </div>
    </div>
    <div data-wct-cr-31>
     <div data-wct-cr-32>
      <p data-wct-cr-33><span data-wct-cr-34><strong><span>获取订单数据</span></strong></span></p>
     </div>
    </div>
   </div>
  </div>
  <p data-wct-cr-23><span><span data-wct-cr-12><span data-wct-cr-13>在浏览器中打开页面后，</span></span></span><span><span data-wct-cr-12><span data-wct-cr-16>在同一 shell 会话中</span></span></span><span><span data-wct-cr-12><span data-wct-cr-13>执行以下命令获取订单的所有JSON数据：</span></span></span></p>
  <div data-wct-cr-19>
   <div>
    <pre><code>agent-browser --cdp 9222&nbsp;eval&nbsp;"$(cat scripts/order-analysis.js)"&nbsp;&gt;&nbsp;"$OUTPUT_DIR/order.json"
</code></pre>
   </div>
  </div>
  <div data-wct-cr-19>
   <div data-wct-cr-27>
    <div data-wct-cr-28>
     <div data-wct-cr-29>
      <div data-wct-cr-30>
      </div>
     </div>
    </div>
    <div data-wct-cr-31>
     <div data-wct-cr-32>
      <p data-wct-cr-43><span data-wct-cr-34><strong><span>分析数据</span></strong></span></p>
     </div>
    </div>
   </div>
  </div>
  <p data-wct-cr-23><span><span data-wct-cr-12><span data-wct-cr-13>针对获取的订单数据，识别共性问题并提出产品改进建议，并将分析结果保存到</span></span><span data-wct-cr-12><span data-wct-cr-13>&nbsp;</span></span></span><code><span><span data-wct-cr-12><span data-wct-cr-39>$OUTPUT_DI</span></span><span data-wct-cr-44><span data-wct-cr-39>R/order_rep</span></span><span data-wct-cr-12><span data-wct-cr-39>ort.md</span></span></span></code><span></span></p>
  <div data-wct-cr-19>
   <div data-wct-cr-20>
    <div data-wct-cr-21>
     <p data-wct-cr-22><span>agent-browser 使用方法</span></p>
    </div>
   </div>
  </div>
  <p data-wct-cr-23><span><span data-wct-cr-12><span data-wct-cr-13>使用</span></span><span data-wct-cr-12><span data-wct-cr-13>&nbsp;</span></span></span><code><span><span data-wct-cr-44><span data-wct-cr-39>agent-browser</span></span></span></code><span><span data-wct-cr-12><span data-wct-cr-13>&nbsp;</span></span><span data-wct-cr-12><span data-wct-cr-13>进行网页自动化操作。运行</span></span><span data-wct-cr-12><span data-wct-cr-13>&nbsp;</span></span></span><code><span><span data-wct-cr-44><span data-wct-cr-39>agent-browser --help</span></span></span></code><span><span data-wct-cr-12><span data-wct-cr-13>&nbsp;</span></span><span data-wct-cr-12><span data-wct-cr-13>查看所有命令。</span></span></span><span><span data-wct-cr-12><br></span></span></p>
  <p data-wct-cr-23><span><span data-wct-cr-12><span data-wct-cr-16>注意</span></span></span><span><span data-wct-cr-12><span data-wct-cr-16>：</span><span data-wct-cr-13>所有</span></span><span data-wct-cr-12><span data-wct-cr-13>&nbsp;</span></span></span><code><span><span data-wct-cr-44><span data-wct-cr-39>agent-browser</span></span></span></code><span><span data-wct-cr-12><span data-wct-cr-13>&nbsp;</span></span><span data-wct-cr-12><span data-wct-cr-13>命令应加上 --cdp 9222 参数，例如</span></span><span data-wct-cr-12><span data-wct-cr-13>&nbsp;</span></span></span><code><span><span data-wct-cr-44><span data-wct-cr-39>agent-bro</span></span><span data-wct-cr-44><span data-wct-cr-39>wser --</span></span><span data-wct-cr-44><span data-wct-cr-39>cdp 9222 open https://www.baidu.com/\</span></span></span></code><span></span></p>
  <p data-wct-cr-11><span><span data-wct-cr-12><span data-wct-cr-13>用法:</span></span></span></p>
  <p data-wct-cr-36><span></span><code><span><span data-wct-cr-12><span data-wct-cr-13>1.&nbsp;</span></span><span data-wct-cr-44><span data-wct-cr-39>agent-browser --cdp 9222 open &lt;url&gt;</span></span></span></code><span><span data-wct-cr-12><span data-wct-cr-13>&nbsp;</span></span><span data-wct-cr-12><span data-wct-cr-13>- 访问指定页面</span></span></span></p>
  <p data-wct-cr-36><span></span><code><span><span data-wct-cr-12><span data-wct-cr-13>2.&nbsp;</span></span><span data-wct-cr-44><span data-wct-cr-39>agent-browser --cdp 9222 snapshot -i</span></span></span></code><span><span data-wct-cr-12><span data-wct-cr-13>&nbsp;</span></span><span data-wct-cr-12><span data-wct-cr-13>- 获取可交互元素及其引用 (@e1, @e2)</span></span></span></p>
  <p data-wct-cr-36><span></span><code><span><span data-wct-cr-12><span data-wct-cr-13>3.&nbsp;</span></span><span data-wct-cr-44><span data-wct-cr-39>agent-browser --cdp 9222 click @e1</span></span></span></code><span><span data-wct-cr-12><span data-wct-cr-13>&nbsp;</span></span><span data-wct-cr-12><span data-wct-cr-13>/</span></span><span data-wct-cr-12><span data-wct-cr-13>&nbsp;</span></span></span><code><span><span data-wct-cr-44><span data-wct-cr-39>fill @e2 "text"</span></span></span></code><span><span data-wct-cr-12><span data-wct-cr-13>&nbsp;</span></span><span data-wct-cr-12><span data-wct-cr-13>- 通过引用与页面元素交互</span></span></span></p>
  <p data-wct-cr-11><span><span data-wct-cr-12><span data-wct-cr-13>4. 页面变化后重新执行 snapshot</span></span><span data-wct-cr-12><br></span></span></p>
  <div data-wct-cr-19>
   <div>
    <pre><code>
## 延伸思考：Skills vs Workflow

正如[宝玉在他的文章](https://baoyu.io/blog/agent-skills-replace-workflow)中提到的：\*\*大部分 workflow 编排场景，都可以被 Agent + Skills 取代。\*\*
Workflow 很擅长 "跑固定流程"，有确定性——节点 A 执行完一定是节点 B。但它也有硬伤：
*&nbsp; &nbsp;**不够灵活**：流程定死后，遇到输入变化就容易出错
&nbsp; &nbsp;&nbsp;
*&nbsp; &nbsp;**难以移植**：平台锁定效应明显，换个环境就得重来
&nbsp; &nbsp;&nbsp;
*&nbsp; &nbsp;**修改成本高**：改起来要小心翼翼怕影响其他节点
&nbsp; &nbsp;&nbsp;
而 Skills 以 Markdown 格式存在，意味着使用者只需要用自然语言进行简单修改，就能满足各个角色的不同诉求。
### Skills 的灵活性优势
**1. 自然语言编排**
不需要拖拽节点，用自然语言描述流程。条件分支、并行执行、错误处理，都可以用自然语言描述，Agent 能理解。
**2. 可持续进化**
这是 Skills 相比 Workflow 最大的优势。发现提示词不够好？让 AI 帮你改。流程可以优化？随时调整。你的 Skills 会越用越好，而不是搭完就放在那儿吃灰。
**3. 版本管理友好**
Skills 是纯文本文件，可以用 Git 管理版本，可以代码审查，可以在不同机器间同步。
### 不同数据源诉求
比如我是负责&nbsp;`API 网关`&nbsp;的研发，我只对&nbsp;`API 网关`&nbsp;的工单感兴趣，对于其他的数据不关注，但是我的老板的视角可能不太一样，他需要看到每个产品的横向对比。关注的数据源就很不一样。
只需要修改一行：
```javascript
const productName = "API 网关"; &nbsp;// 改成其他产品名，或留空获取全部


</code></pre>
   </div>
  </div>
  <div data-wct-cr-19>
   <div data-wct-cr-27>
    <div data-wct-cr-28>
     <div data-wct-cr-29>
      <div data-wct-cr-30>
      </div>
     </div>
    </div>
    <div data-wct-cr-31>
     <div data-wct-cr-32>
      <p data-wct-cr-43><span data-wct-cr-34><strong><span>对于分析结果的不同诉求</span></strong></span></p>
     </div>
    </div>
   </div>
  </div>
  <p data-wct-cr-23><span><span data-wct-cr-12><span data-wct-cr-13>拿到数据后，不同角色对于数据的关注点不一样，比如我作为前端，更关注的是哪些工单是体验问题的；PD 更关注的是有哪些共性的问题，需要通过产品化来解决， 只需要修改 SKILL.md 中的分析提示词即可。</span></span></span></p>
  <div data-wct-cr-45>
   <img src="https://raw.xinfinite.net/wct-cr-img/73bea59ea55f70e1fa061cec726bd114.png" alt="图片" data-wct-cr-46>
  </div>
  <div data-wct-cr-19>
   <div data-wct-cr-20>
    <div data-wct-cr-21>
     <p data-wct-cr-26><span>总结</span></p>
    </div>
   </div>
  </div>
  <p data-wct-cr-23><span><span data-wct-cr-12><span data-wct-cr-13>通过这个 Skills，原本需要：</span></span></span></p>
  <ul>
   <li>
    <p data-wct-cr-36><span><span data-wct-cr-12><span data-wct-cr-13>打开内网系统</span></span></span></p></li>
   <li>
    <p data-wct-cr-36><span><span data-wct-cr-12><span data-wct-cr-13>多次筛选、导出</span></span></span></p></li>
   <li>
    <p data-wct-cr-11><span><span data-wct-cr-12><span data-wct-cr-13>人工分析</span></span></span></p></li>
  </ul>
  <p data-wct-cr-11><span><span data-wct-cr-12><span data-wct-cr-13>现在变成了：</span></span></span></p>
  <p data-wct-cr-36><span><span data-wct-cr-12><span data-wct-cr-13>1. 一条命令触发 Skills</span></span></span></p>
  <p data-wct-cr-36><span><span data-wct-cr-12><span data-wct-cr-13>2. AI 自动完成数据采集与分析</span></span></span></p>
  <p data-wct-cr-11><span><span data-wct-cr-12><span data-wct-cr-13>3. 输出结构化分析报告</span></span></span></p>
  <p data-wct-cr-11><span><span data-wct-cr-12><span data-wct-cr-13>Skills 真正替换的不是"工作"，而是</span></span></span><span><span data-wct-cr-12><span data-wct-cr-16>那些每次都要重新搭一遍的 SOP 脑力成本</span></span></span><span><span data-wct-cr-12><span data-wct-cr-13>。</span></span></span></p>
  <p data-wct-cr-47><span><span data-wct-cr-12><span data-wct-cr-16>源码地址：</span></span></span><span><span data-wct-cr-12><span data-wct-cr-13>order-analysis-skill</span></span></span></p>
  <p data-wct-cr-11><span><span data-wct-cr-13>https://github.com/heimanba/order-analysis-skill</span></span></p>
  <p data-wct-cr-36><span><span data-wct-cr-12><span data-wct-cr-13>[1]</span></span><span><span data-wct-cr-13>https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview</span></span></span></p>
  <p data-wct-cr-36><span><span data-wct-cr-12><span data-wct-cr-13>[2]</span></span><span><span data-wct-cr-13>https://github.com/anthropics/skills</span></span></span></p>
  <p data-wct-cr-36><span><span data-wct-cr-12><span data-wct-cr-13>[3]</span></span><span><span data-wct-cr-13>https://github.com/anthropics/claude-code/releases/tag/v2.1.3</span></span></span></p>
  <p data-wct-cr-36><span><span data-wct-cr-12><span data-wct-cr-13>[4]</span></span><span><span data-wct-cr-13>https://github.com/microsoft/playwright-mcp</span></span></span></p>
  <p data-wct-cr-36><span><span data-wct-cr-12><span data-wct-cr-13>[5]</span></span><span><span data-wct-cr-13>https://github.com/vercel-labs/agent-browser</span></span></span></p>
  <p data-wct-cr-11><span><span data-wct-cr-12><span data-wct-cr-13>[6]</span></span><span><span data-wct-cr-13>https://github.com/heimanba/order-analysis-skill</span></span></span></p>
 </div>
 <p data-wct-cr-48></p>
</div>
    </div>
</div>

MidnightOwl519 · 2026 年3 月 4 日 14:24

我个人觉得，与其让 AI 自动修改提示词，不如让人工参与进来。可以定期组织团队成员对提示词进行评审，然后根据评审结果进行修改。这样可以确保提示词的质量和可维护性。

此外，还可以考虑建立一个提示词库，将常用的提示词收集起来，方便团队成员使用。

StormyRaven098 · 2026 年3 月 5 日 18:30

楼上说的很对，Copy as fetch 本质上是在模拟已经验证过的用户行为。所以权限问题是第一位的。另外，这种方法更适用于那些提供相对稳定 API 的 SPA 应用。如果内网系统频繁升级，接口变动大，这个方案的维护成本也会上升。所以需要评估收益和维护成本，看看是否划算，可以考虑增加一些健壮性设计，比如加入接口变更检测机制。

Mystic98x · 2026 年3 月 6 日 05:13

我提供一个更简单的思路，Skill只负责处理数据，不负责登录。让用户在运行Skill之前手动登录内网系统，然后Skill直接复用用户的登录态。这样Skill本身就不需要存储账号密码，也就避免了泄露风险。缺点是需要用户手动操作，自动化程度会降低。

OnyxHorse674 · 2026 年3 月 7 日 21:31

从安全角度来说，直接用Copy as fetch 可能会暴露一些敏感信息，比如用户的Session ID。所以，在把脚本交给AI执行之前，最好Review一下，确保没有泄露风险。可以考虑把敏感信息抽出来，用环境变量或者其他安全的方式传递。

QuietKoala728 · 2026 年3 月 8 日 01:40

从开发成本的角度来看，如果团队已经有成熟的 Workflow 平台和开发经验，那使用 Workflow 可能更划算。但如果需要快速尝试新的想法，或者团队更熟悉自然语言编程，那 Skills 可能更合适。选择哪种方案，取决于团队的技术栈和业务需求。

LaughingDolphin634 · 2026 年3 月 8 日 06:13

我之前用GPT写过一个“菜谱推荐”的Skills，一开始的提示词是“根据用户已有的食材，推荐一道菜”。但实际效果很差，经常推荐一些很奇怪的组合。后来我让GPT自己分析失败的原因，它给出的建议是：1. 增加菜系限制；2. 考虑食材的搭配性；3. 给出更详细的烹饪步骤。然后我让GPT根据这些建议修改提示词，效果就好多了。AI在优化提示词方面，可以从逻辑、完整性、可执行性等方面入手，但最终还是要人工把关。

Spark21u · 2026 年3 月 8 日 11:54

从技术角度看，'隐性操作显性化’的关键是可复现性。只要是人能操作，并且操作过程能转化为可记录、可执行的代码，都有应用潜力。比如自动化测试，可以先让测试人员手工操作一遍，然后记录下网络请求，生成测试脚本，后续就可以让AI自动执行测试了。甚至是网络爬虫，也可以用这个思路避免频繁修改爬虫规则。

StarryUnicorn587 · 2026 年3 月 8 日 19:26

别忘了还有智能家居！想象一下，可以通过’Copy as fetch’模拟你在APP上的操作，比如调节灯光、控制空调等，然后把这些操作变成一个个’Skill’，让Siri帮你控制家里的设备，岂不是更方便？

CoastalHeron339 · 2026 年3 月 9 日 19:34

我个人更倾向于Skills，因为我比较讨厌被固定的流程束缚。 Workflow就像一条预设好的流水线，一旦需求发生变化，就要大改特改。 Skills更像积木，可以根据需要灵活组合，迭代也更容易。不过，对于那些流程非常稳定、几乎不会变化的场景，比如财务报表的自动生成，Workflow可能更适合，毕竟更稳定可靠。

FrostyPenguin271 · 2026 年3 月 9 日 00:32

除了技术手段，完善的审计机制也很重要。要记录下每个请求的来源、执行者、时间、参数等信息，方便日后追溯问题。另外，可以考虑设立安全沙箱，让AI在沙箱环境中执行请求，即使出现问题，也不会影响到真实系统。

RedFox202 · 2026 年3 月 9 日 16:32

从另一个角度来看，这个问题也提醒我们，不能过度依赖AI。 AI只是工具，最终的决策权还是掌握在人手中。在自动化执行敏感操作之前，最好还是人工review一下，确保没有问题。

RoaringTiger218 · 2026 年3 月 13 日 14:29

评估和监控 Skills 的效果，要建立一套完整的指标体系，既要关注 Skills 本身的性能指标，也要关注 Skills 对业务的影响。具体可以考虑以下几个方面：

* 性能指标：
* 准确率 (Accuracy): Skills 分析结果与人工分析结果的一致性。
* 召回率 (Recall): Skills 能够识别出的问题数量占实际问题总数的比例。
* 处理时间 (Processing Time): Skills 处理一个工单所需的时间。
* 资源消耗 (Resource Consumption): Skills 运行所需的计算资源、存储资源等。
* 业务指标：
* 工单处理效率 (Ticket Resolution Rate): 使用 Skills 后，工单处理速度的提升。
* 问题发现率 (Issue Detection Rate): 使用 Skills 后，发现潜在问题的数量。
* 用户满意度 (User Satisfaction): 不同角色用户对 Skills 分析结果的满意程度。
* 成本降低 (Cost Reduction): 使用 Skills 后，人力成本或其他成本的降低。

除了指标，还可以使用 A/B 测试、用户反馈等方法来评估 Skills 的效果。同时，要建立一个持续改进的机制，定期回顾 Skills 的表现，并根据评估结果进行优化。

Summit72v · 2026 年3 月 13 日 21:09

提示词的设计和管理确实是个挑战，既要保证 Skills 的灵活性，又要避免分析结果的偏差。可以考虑以下几个方面：

* 结构化提示词 (Structured Prompts): 使用结构化的格式来定义提示词，例如 JSON 或 YAML。这样可以方便管理和维护提示词。
* 版本控制 (Version Control): 使用 Git 等版本控制工具来管理提示词的版本，方便回溯和比较。
* 提示词模板 (Prompt Templates): 创建通用的提示词模板，并根据不同角色的需求进行定制。
* Prompt Engineering: 使用 Prompt Engineering 技术来优化提示词，例如 few-shot learning、chain-of-thought prompting 等。
* 自动化测试 (Automated Testing): 编写自动化测试用例来验证提示词的效果，确保分析结果的质量。

此外，还可以借鉴一些开源的 Prompt Engineering 工具，例如 Promptify、Haystack 等。

Shadow53r · 2026 年3 月 14 日 14:09

可以参考软件工程里的配置管理思想，把提示词当成代码来管理。每个角色对应一个配置文件，里面包含该角色需要的提示词。然后用Git来管理这些配置文件，每次修改都要经过代码审查。这样可以保证提示词的版本一致性，避免出现混乱。另外，可以建立一个提示词评审委员会，定期评审新增或修改的提示词，确保其符合规范和质量要求。

Zenith52p · 2026 年3 月 15 日 02:07

从技术角度来看，“Copy as fetch” 依赖于浏览器提供的开发者工具功能，而 agent-browser eval 则是执行 Javascript 代码。因此，如果应用程序未使用标准的 Web 技术（例如，使用 Flash 或原生客户端技术），或者其数据交互不依赖于 HTTP 请求，则此方法可能不适用。此外，作者也提到了 “登录问题由用户自行解决”, 这也引入了额外的复杂性，例如，session 管理和身份验证流程的自动化。

对于非标准 API 接口，可以考虑以下方法：
1. 逆向工程 (Reverse Engineering): 分析应用程序的网络流量，以确定数据传输的模式和协议。例如，可以使用 Wireshark 等工具来捕获和分析数据包。
2. 中间人代理 (Man-in-the-Middle Proxy): 设置一个代理服务器来拦截和修改应用程序与服务器之间的通信。可以使用 mitmproxy 或 Charles Proxy 等工具。
3. Hooking 技术: 拦截并修改应用程序的运行时行为。可以使用 Frida 等工具。
4. OCR (Optical Character Recognition): 如果只能通过图像界面获取数据，可以考虑使用 OCR 技术来识别屏幕上的文本。

以上方法需要在合规和法律允许的范围内进行，并且需要一定的技术水平。

Ember34n · 2026 年3 月 16 日 21:26

这个问题问到了点子上！接口变动确实是这种方案的一大风险。我觉得可以从以下几个方面考虑应对策略：

1. 自动化测试和监控： 建立自动化测试流程，定期检测关键接口的返回数据结构是否发生变化。一旦发现变化，立即发出告警。
2. 版本控制和回滚： 将 Copy as fetch 得到的请求脚本纳入版本控制，一旦接口变更导致 Skills 无法正常工作，可以快速回滚到之前的版本。
3. 参数化配置： 尽量将请求脚本中的固定参数提取出来，放到配置文件中。这样，在接口变更时，只需要修改配置文件，而不需要修改整个脚本。
4. 利用 AI 自我修复尝试： 尝试使用 LLM 根据错误信息和新的接口文档自动调整 agent-browser eval 执行的脚本。虽然不一定完全靠谱，但可以作为辅助手段。
5. 兼容性设计： 在 Skills 的设计阶段，就考虑到接口可能发生变化的情况，预留一定的兼容性处理逻辑。例如，使用 try-except 语句捕获异常，并尝试使用备用方案。

FrostyPenguin271 · 2026 年3 月 17 日 15:49

可以参考BDD(Behavior Driven Development)的模式，通过自然语言描述行为，然后通过代码实现。例如：

Feature: 工单分析
Scenario: 分析API网关的工单
Given 已经登录内网系统
When 选择API网关产品
And 选择最近一周的时间范围
Then 生成工单分析报告

SparklingRiver075 · 2026 年3 月 17 日 20:38

可以增加一个“置信度”的指标，评估AI对自身理解的把握程度。如果置信度过低，则需要人工介入。

IronKnight238 · 2026 年3 月 17 日 21:22

可以引入Schema validation，在数据交给大模型分析之前，对数据的结构进行校验，如果Schema不符合预期，及时告警并且通知维护人员。