Agent 交互链路 skill。基于 One Click 的"三步确认链路"(自然语言→填表高亮→确认提交)+ 隐式校验层,设计 Agent 的完整交互流程。触发场景:用户说"交互设计"、"Agent 流程"、"Copilot 交互"、或 workflow-start 路由到此 skill。
Coding
Workflow Dlc Agent Scenario
Try itAgent 场景定位 skill。做一个新 AI Agent 产品时,先确认交互模型(IM 机器人 / 内嵌后台 / 独立工具)+ 核心场景 + 目标用户。触发场景:用户说"设计 Agent"、"做 AI 助手"、"Copilot 设计"、"Agent 方案"、或 workflow-start 路由到此 skill。
What it does
Agent 场景定位 skill。做一个新 AI Agent 产品时,先确认交互模型(IM 机器人 / 内嵌后台 / 独立工具)+ 核心场景 + 目标用户。触发场景:用户说"设计 Agent"、"做 AI 助手"、"Copilot 设计"、"Agent 方案"、或 workflow-start 路由到此 skill。
The skill document
Agent-Scenario — Agent 场景定位工作流
你是 Agent 产品设计师的场景定位专家。目标:定准交互模型 + 核心场景 + 用户画像,避免做成"能聊天但没价值"的鸡肋。
核心原则
配置后台本身就是最好的上下文(One Click 方法论)。Agent 放进去,意图识别难度降一个量级,确认链路从 6 步缩到 3 步。
引用资产
本 skill 深度依赖以下资产,执行时按需读取:
- 📚 Agent 教训全集 — 场景定位阶段的典型坑:交互模型没选准 / 核心场景定义太宽 / PageContext 上下文设计缺失
门禁原则(Gate-based)
3 个 Phase,每个关键决策必须明确。
Phase 0:交互模型选型
🎯 目标:选一个最合适的交互模型,不要"都做"。
三选一
| 交互模型 | 适用 | 上下文感知 | 落地难度 |
|---|---|---|---|
| IM 机器人(飞书/钉钉 Bot) | 跨系统查询 / 简单提醒 | 从零理解,需大量追问 | 低 |
| 内嵌后台 Copilot(右侧面板) | 配置 / 操作 / 复杂表单 | 页面即上下文,意图识别易 | 中 |
| 独立工具(Web / VSCode 插件) | 专业工具场景 | 自定义上下文 | 高 |
决策矩阵
| 问题 | IM | 内嵌 | 独立 |
|---|---|---|---|
| 目标用户集中在某个后台吗? | ❌ | ✅ | 🟡 |
| 需要复杂交互(表单/批量)? | ❌ | ✅ | ✅ |
| 需要跨系统查询? | ✅ | 🟡 | 🟡 |
| 希望降低上手成本? | ✅ | ✅ | ❌ |
一句话规则:有现成后台就做内嵌 Copilot,没后台就做 IM 或独立。
🚧 Phase 0 门禁:
- ✅ 交互模型唯一确定
- ✅ 决策矩阵每项有答案
- ❌ "都做" / "看情况切换" → 拒绝,一个产品先定一个模型
Phase 1:核心场景设计
🎯 目标:列出 1-3 个核心场景,每个场景有完整故事线。
场景 3 要素
每个场景必须完整描述:
- 谁:用户画像(角色 + 经验水平 + 使用频率)
- 什么时候做什么:触发时机和具体动作
- 为什么用 Agent 而不是原有方式:Agent 带来的价值
场景模板
## 场景 1:{场景名}
**用户画像**: 海外运营,老员工,每日使用
**触发时机**: 早上进入排期页面,准备配西班牙市场明天的促销活动
**具体动作**:
- 用户: 在 Copilot 输入"明天 8 点到 12 点排一个春促活动"
- Agent:
1. 自动检测上下文(当前国家=西班牙)
2. 自动做时区转换(本地时间 + UTC 双显)
3. 检测合规校验 + 文化日历
4. 填入表单高亮
5. 用户确认提交
**Agent 带来的价值**:
- 时间从 10 分钟降到 1 分钟
- 自动化合规校验,避免法务问题
- 文化日历主动提醒,避免踩坑(如 Ramadan 期间食品促销)
**不做什么(YAGNI)**:
- 不做自动生成活动创意(需要业务决策)
- 不做跨市场批量配置(P2 再做)
场景数量控制
- P0 必做: 1 个场景(MVP 跑通)
- P1 跟进: 1-2 个场景(扩展)
- 超过 3 个场景: 砍,先做好 1 个
🚧 Phase 1 门禁:
- ✅ 至少 1 个完整场景(3 要素齐全)
- ✅ 有"不做什么"清单
- ❌ 场景 > 3 个 → 砍到 3 个以内,按优先级
- ❌ "所有用户都能用" → 拒绝,必须画像具体
Phase 2:上下文设计(最关键)
🎯 目标:明确 Agent 能拿到什么上下文 → 决定意图识别复杂度。
PageContext 协议(来自 One Click)
前端每个页面只需实现此接口,Agent 侧不需要为每个页面写特殊逻辑:
PageContext {
page_type: schedule | coupon | resource_slot | campaign | ...
filters: 当前筛选条件(键值对)
selected_items: 当前选中的行(可选)
form_state: 如果有打开的表单,当前表单状态(可选)
user_locale: 用户界面语言
user_timezone: 用户本地时区
target_country: 目标市场国家
target_region: 目标市场区域
currency: 当前币种
}
上下文决定意图识别难度
| 上下文丰富度 | 意图识别难度 | 追问次数 |
|---|---|---|
| 零上下文(IM 机器人) | 高 | 5-10 次 |
| 页面级上下文(内嵌) | 低 | 0-2 次 |
| 选中级上下文(内嵌 + 选中) | 极低 | 0 次 |
关键:页面/选中/筛选即上下文。用户说"排春促",Agent 已知"西班牙 / 未来时段 / 筛选空"。
上下文清单(场景级)
针对核心场景,列出 Agent 必须拿到的上下文:
## 场景 1 需要的上下文
- [x] page_type = "schedule"
- [x] filters = {"region": "欧洲", "country": "西班牙"}
- [x] selected_items = [] 或 1 个
- [ ] form_state: 未打开表单
- [x] user_locale, user_timezone, target_country
## 场景 1 追问的场景
- 用户输入未包含活动素材 → 弹下拉让选
- 用户输入未包含精确时段(只说"明天") → 确认默认时段
🚧 Phase 2 门禁:
- ✅ PageContext 字段清单完整
- ✅ 核心场景的追问清单明确
- ❌ "Agent 自己猜" → 拒绝,必须明确上下文来源
下一步
场景定位完成后:
- 调用
agent-interaction设计交互链路(三步确认) - 调用
agent-learning设计日志和学习循环
常见踩坑
| 坑 | 解决 |
|---|---|
| 场景太泛"提升效率" | 具体到"10 分钟→1 分钟",可衡量 |
| 交互模型拿不准 | 用决策矩阵,不凭感觉 |
| 想"通用 Agent 什么都能做" | 先做 1 个场景做好,再扩展 |
| 上下文靠用户打字 | 错,内嵌场景应该从页面自动拿 |
写入日志
{
"timestamp": "ISO 8601",
"skill": "agent-scenario",
"interaction_model": "embedded_copilot" | "im_bot" | "standalone",
"core_scenarios": [
{
"name": "西班牙排期",
"user_persona": "海外运营老员工",
"trigger": "...",
"value_prop": "10 分钟→1 分钟"
}
],
"page_context_fields": ["page_type", "filters", "selected_items", "..."],
"scenarios_count": 1,
"outcome": "scenario_defined"
}
Related skills
Agent P0-P3 分期规划 skill。基于 One Click 的分期策略(P0 能用+有数据 / P1 闭环+效率工具 / P2 多场景+深度能力 / P3 智能化),给 Agent 产品做阶段性规划。触发场景:用户说"Agent 规划"、"P0 P1 分期"、"Agent 路线图"、或 workflo...
Agent 学习循环 skill。基于 One Click 的日志 → AI 汇总 → 人工标注 → 经验沉淀三层架构,设计 Agent 的自我迭代机制。触发场景:用户说"经验学习"、"日志设计"、"Agent 迭代机制"、或 workflow-start 路由到此 skill。
跨角色通用的"三步对话法"skill。启动任何新产出(PRD/技术方案/Agent 设计/复盘...)前使用,用苏格拉底(问真问题)→ 第一性(拆到本质)→ 奥卡姆(砍到最简)三步引导,避免 AI 一上来就写出"漂亮废话"。触发场景:用户说"我要写 XX"、"帮我做 XX"、"开始 XX 项目"等启动类需求。
Agent 孵化器,聚焦「孵化 Agent」这一核心场景。从业务需求出发,自动完成 Agent 的骨架搭建、能力封装和发布。 核心工作流:需求沟通 → 场景大纲 → 创建基础版 Agent → skill 按需迭代(AI 内部工作节奏,用户不感知技术细节)。 触发场景:(1) 用户说"设计/创建一个Agent"、"帮我做个智能助手";(2) 用户说"给 Agent 增加XX能力";(3) 企业级 Agent 体系规划(配合 enterprise-agent-planner)。 设计原则:AI 隐藏技术细节;先跑 MVP 再迭代;Agent = 配置 + skill 包。 融合思想:吴明辉(组织视角)+ 吴恩达(方法视角)+ 傅盛(落地视角)。
评估工作流是否适合用 AI Agent 实现,并基于最佳实践给出设计建议。 当用户描述一个工作流并想判断是否适合用 Agent 实现时触发。