跳至正文
OpenAgentSkill
浏览已开放 · 目录记录日期 2026-11-21 · 自动更新和账户服务暂时关闭。
设计与 UI

scenario-agent-role-design

用于业务场景已初步明确,需要判断智能体能帮助哪一部分、在场景中发挥什么作用,并划分Agent、确定性系统和人工职责,用户出现“这个场景智能体能做什么”“先识别Agent的作用”或 agent role in scenario, human-system-agent boundary 等信号时调用。不适用于已经确定Agent任务、只需设计具体Action契约。

SuperChason · 已有静态检查记录

安装与使用

运行命令前先阅读来源与依赖说明。复制命令不会自动安装或执行。

npx skills add SuperChason/ontology-driven-ai-data-management-skills --skill scenario-agent-role-design

技能说明


name: scenario-agent-role-design description: | 用于业务场景已初步明确,需要判断智能体能帮助哪一部分、在场景中发挥什么作用,并划分Agent、确定性系统和人工职责,用户出现“这个场景智能体能做什么”“先识别Agent的作用”或 agent role in scenario, human-system-agent boundary 等信号时调用。不适用于已经确定Agent任务、只需设计具体Action契约。 metadata: tags: "agent-role, task-identification, value-positioning, responsibility-boundary, human-in-the-loop, enterprise-ai, ontology-driven" related-skills: "ontology-ai-scenario-fit-and-spike:composes-with, business-scenario-deep-analysis:feeds-into, risk-based-agent-action-modes:composes-with"

识别场景中的智能体作用与任务

方法骨架

  • 从场景目标、当前工作和关键困难出发,识别智能体可以承担的理解、检索、关联、判断、生成、协调与受控执行任务。
  • 对每项任务分别判断智能体价值、确定性系统能力和人工责任,不因使用本体而预设必须建设 Agent。
  • 智能体任务应落到明确用户、触发、输入、输出、完成条件和失败处理。
  • 数据计算、固定校验和事务控制优先交给确定性系统;高风险决定和责任承担保留人工确认。
  • 输出的知识与数据需求作为后续场景深描、数据需求和本体范围的输入。

执行步骤

  1. 建立场景最小认识

    • 动作:确认用户、问题、目标结果、现有过程和已知系统。
    • 完成标准:能够描述谁在什么情况下需要什么帮助。
  2. 拆解工作与判断

    • 动作:列出当前人工任务、信息处理、判断节点、系统操作、异常和协同环节。
    • 完成标准:每项工作有执行者、输入、输出和主要困难。
  3. 识别 Agent 候选任务

    • 动作:判断智能体能否承担信息提取、意图识别、知识检索、跨源关联、规则解释、方案生成、任务协调或工具调用。
    • 完成标准:每个候选任务写清价值、所需能力、数据与知识依赖。
  4. 划分三方边界

    • 动作:明确 Agent、确定性系统和人工分别负责什么,以及交接条件。
    • 完成标准:计算、判断、审批、执行和责任归属无重叠空白。
  5. 确定风险和成功条件

    • 动作:评估错误后果、可逆性、权限和人工接管,定义任务完成条件和效果指标。
    • 完成标准:每项 Agent 任务有自动化等级、人工介入点和验收方式。
  6. 形成后续建模输入

    • 动作:汇总 Agent 任务需要的数据、知识、语义、规则、权限和Action。
    • 完成标准:能够交给场景深描和数据需求分析继续细化。

固定输出

  • 智能体作用说明
  • Agent 候选任务清单与优先级
  • 用户、Agent、确定性系统和人工责任矩阵
  • 每项任务的触发、输入、输出、完成条件和失败处理
  • 自动化等级、权限、人工介入和风险清单
  • 数据、知识、本体与工具能力需求
  • 保留、缩小或取消 Agent 化的判断

使用边界

  • 场景信息不足时先给候选任务和澄清清单,避免直接确定自动执行。
  • 固定公式、精确计算、状态事务和硬约束由确定性能力承接,并通过工具供 Agent 调用。
  • 智能体只做简单查询且无需关系、规则和追溯时,本体范围可以收缩或取消。
  • 具体动作的重试、降级和结果回写交给 action-contract-execution-feedback-loop。

相关 Skills

  • composes-with → ontology-ai-scenario-fit-and-spike;任务涉及本体路线选择时评估适配,已有可靠判断直接复用。
  • feeds-into → business-scenario-deep-analysis;把候选任务放回完整业务过程验证。
  • composes-with → risk-based-agent-action-modes;高风险任务继续确定行动模式。

审计信息

  • 首次公开版本:2026-08-31
  • 来源说明:面向企业智能体场景设计独立整理。