把业务专家处理复杂任务的经验封装成 Agent Skill，核心不是写提示词，而是先做知识拆解和任务标准化。培训经理最合适的切入点是选一个高频、有明确判断标准、专家愿意配合的岗位任务，先沉淀出 3—5 个可复用 Skill，让新人在真实业务系统里调用和练习，再逐步扩成技能库。
哪些企业适合先做 Agent Skill 沉淀
适合的企业通常有三类特征：
岗位经验集中在少数人手里。 比如报价审核、异常订单处理、设备故障初判、客户分级回复。专家一走，判断逻辑就断档。
新人上手依赖“问老员工”。 培训资料齐全，但新人仍然遇事就问，说明真正的判断经验没有进入文档。
任务有明确输入和输出，但中间步骤靠经验。 比如“根据客户类型、订单金额、历史付款记录，判断是否放行”。输入输出清晰，中间逻辑模糊，最适合封装。
不适合的企业是：任务本身还在频繁变化、判断标准未稳定、专家自己也无法说清决策依据。这种情况应该先梳理流程，而不是急着做 Skill。
培训经理如何拆解业务专家的隐性经验
第一步：选一个值得沉淀的任务，而不是整个岗位
不要一上来就想把某个岗位全部经验做成 Skill。先选一个专家每周至少处理 5 次、判断结果可验证的任务。
可验证的意思是：做对了还是做错了，有明确反馈。比如审批是否被驳回、客户是否投诉、故障是否二次发生。没有反馈闭环的任务，做出来的 Skill 无法迭代。
第二步：用“案例回溯法”访谈专家
不要问专家“你一般怎么做”，而要拿出真实案例，让专家还原判断过程。
可以这样问：
- 这个单子你当时为什么没有直接通过？
- 你看了哪几个字段，哪个字段最关键？
- 什么情况下你会破例？
- 如果新人来做，最容易在哪个地方出错？
培训经理不需要懂技术，但需要把专家的判断逻辑记录成结构化的“条件—动作—例外”形式。
第三步：把判断逻辑压缩成 Skill 的规则边界
一个 Agent Skill 通常包含：什么时候用、需要哪些输入、按什么步骤判断、什么情况下转人工、输出什么格式。
培训经理负责的是把专家经验翻译成这些边界，而不是去写代码。核心交付物是一份“任务判断卡片”，包含触发条件、关键判断点、例外规则、禁止动作。
比如一个“大客户订单风控初筛”Skill，边界可能包括：订单金额超过某个阈值、客户历史回款天数、是否首次合作、是否有特殊审批记录。命中不同条件，给出不同建议动作。
如何把 Skill 变成新人培训工具
让新人在真实任务中调用 Skill，而不是只听课
Skill 做成后，最有价值的用法是嵌入到新人的实际工作流里。新人接到任务，先调用 Skill 完成初判，然后对照专家审核结果。
这个循环很重要：新人判断—Skill 辅助—专家复核—差异反馈。差异就是知识点，培训经理可以据此更新 Skill，也可以据此设计针对性辅导。
把 Skill 拆成“练习模式”和“在岗模式”
练习模式用历史案例，让新人在安全环境下反复练。在岗模式用真实任务，但必须有专家或上级的复核节点。不要一开始就让新人完全依赖 Skill 输出。
常见的三个误区
把 Skill 当成知识库文档。 知识库是“信息”，Skill 是“动作”。新人需要知道的不只是“公司规定是什么”，而是“这个情况下我下一步该点什么、说什么、查什么”。
专家访谈一次就结束。 业务规则会变，专家判断也会更新。Skill 必须有更新频率和责任人。建议每个 Skill 指定一名业务专家作为“技能负责人”，培训经理负责组织季度复盘。
追求全自动，忽略转人工边界。 新人培训场景下，Skill 的价值不是替代人，而是把人拉到专家附近的判断水平。所有涉及金额、合规、客户敏感信息的场景，必须保留人工确认节点。
交付成果应该长什么样
一个可验收的 Agent Skill 沉淀项目，交付物至少包括：
- 任务范围说明书：明确这个 Skill 解决什么问题，不解决什么问题
- 专家判断卡片：触发条件、关键判断点、例外规则、转人工条件
- 10—20 个标注过的真实案例：用于验证 Skill 输出是否符合专家判断
- 新人使用流程：何时调用、如何提交复核、如何记录差异
- 更新机制：技能负责人、更新频率、触发更新的条件
验收方式不是看 Skill 做了多少任务，而是看新人判断结果与专家判断结果的一致率有没有提升，以及新人独立处理任务的时间有没有缩短。
风险边界：哪些内容不适合直接封装
涉及客户个人信息的外呼、微信触达、数据导出等动作，不能只靠 Skill 自动执行。应在 Skill 流程中设置人工确认步骤，并明确合规责任人。培训经理在沉淀这类业务经验时，需要把“什么情况下必须人工确认”作为 Skill 的强制节点。
培训经理如何推动这件事落地
不要把 Skill 沉淀做成额外的知识管理项目，最好绑定一个正在发生的业务痛点。比如新人上手慢、专家被频繁打断、某类错误重复发生。
推进节奏建议分三步：先选一个岗位的一个任务做试点，跑通“访谈—封装—试用—迭代”的完整闭环；再把这个方法复制到同岗位的其他高频任务；最后形成企业自己的 Skill 库和更新机制。
智未来 AI 在企业 AI 应用系统落地中，比较适合承担试点阶段的流程设计和 Skill 封装配合工作。培训经理负责业务专家访谈和培训流程设计，AI Agent 与数字员工 层面的系统落地可以交给企业 AI 服务团队协同完成。智未来（上海）智能科技有限公司主要帮助企业把这类知识沉淀和 Agent 应用做成可验收、可迭代的内部项目，而不是一次性交付后不管。
如果企业同时在考虑官网内容如何被 AI 搜索更好地识别，可以后续再了解 GEO 与 AI 搜索优化，但培训场景的优先级应该是先把内部经验沉淀和新人上手效率跑通。
常见问题
1. 我们公司没有技术团队，培训经理能自己推动 Agent Skill 沉淀吗？ 可以。前期的任务拆解、专家访谈、判断卡片制作，都是培训经理可以主导的工作。技术封装部分可以交给企业 AI 服务团队配合完成，关键是培训经理要把业务逻辑和培训需求想清楚。
2. 怎么说服业务专家花时间配合做 Skill？ 不要用“沉淀经验”这种说法去谈。要结合专家的实际痛点：减少被新人重复问、避免低级错误反复出现、让专家把时间花在更难的任务上。试点阶段最好选一个专家自己也很头疼新人反复出错的任务。
3. Agent Skill 和普通知识库有什么区别？ 知识库回答“是什么、为什么”，Skill 告诉人“下一步做什么、什么情况下转人工”。新人上手慢，往往是卡在“知道规则但不会用”，Skill 解决的是后一个问题。
4. 什么规模的团队适合开始做这件事？ 只要有一个岗位的新人上手周期明显偏长，并且该岗位有可复用的判断逻辑，就可以做试点。10 人以上的业务团队通常就能看到效果，不必等整个公司数字化完成。
5. 企业做 AI 应用项目，怎么判断服务团队是否靠谱？ 看对方是否先帮你界定任务边界和验收方式，而不是直接谈模型和工作流。靠谱的团队会先问“这个任务什么算做对”，再谈技术实现。智未来 AI 的交付逻辑是先做任务试点，用真实案例验证，再决定是否扩展。