《Skill进阶：复杂任务与多Agent》

Skill进阶：复杂任务与多Agent

Skill 进阶课：让 AI 接得住复杂工作

主讲：董俊豪

【课程背景】

这是一门面向已经理解基础 Skill、希望处理多步骤、多判断、长上下文和多角色协作任务的进阶实操课。

课程不把复杂 Skill 讲成更长的提示词，也不把多 Agent 当成默认答案，而是帮助学员诊断任务复杂性，把流程、状态、Know-how、上下文、测试和协作关系工程化，并通过最小运行证据证明设计是否有效。

【课程对象】

已经创建或使用过基础 Skill 的业务骨干。

任务涉及多步骤、中间状态、隐性判断或动态资料调用的人。

希望把团队老师傅经验转成 AI 可执行规则的人。

遇到过长任务跑偏、中断后无法续接或单 Agent 自产自检失效问题的人。

企业内部 AI 推动者、流程负责人和复杂任务设计者。

【课程收益】

判断任务复杂在哪里，以及是否真的需要复杂结构。

把五大设计模式作为能力积木，设计链式、分流、并行、循环、交接和人工闸门。

萃取并验证可执行 Know-how。

设计上下文预算、任务状态、检查点、续接包和断点恢复。

建立测试、反馈、版本、发布和回滚机制。

判断使用单 Skill、主子 Skill 还是多 Agent，并完成最小协作实践。

【课程时长】

1 天，6 小时/天

【课程大纲】

模块1｜复杂任务诊断与五大设计模式

复杂任务的五类信号：多步骤、中间状态、隐性判断、动态上下文、验证纠错。

工具包装器、生成器、审查者、流水线和反转器五种能力模式。

链式、分流、并行、循环、交接和人工闸门六类连接关系。

区分能力组合、主子 Skill 和多 Agent。

形成复杂任务关系图 v0.1。模块2｜Know-how 经验萃取

区分事实、流程和“做事的门道”。

从样例、SOP、观察记录和访谈中萃取经验。

先形成情境、判断、行动、避坑四字段，再按需补充线索、证据和升级条件。

用新案例验证，避免把经验总结当成可执行规则。

判断 Know-how 应进入 Skill、记忆、测试标准还是人工决策边界。

模块3｜Token、上下文与断点恢复

区分当前上下文、任务状态、检查点、跨任务记忆和运行日志。

使用当前必需、按需加载、外部存储和暂不进入四区预算。

通过摘要、分段和外挂存储减少无效上下文。

建立阶段目标、已完成事项、关键证据、未决问题、下一步和恢复条件组成的续接包。

比较全部历史传递与结构化续接包的恢复效果。

模块4｜测试、迭代与版本治理

测结果，也测轨迹、停止、求助、交接、恢复和权限。

区分课堂调试、周期性优化和版本发布三层迭代。

反馈证据与运行 Skill 分开管理。

将问题路由到需求、Know-how、资料、状态、结构、权限或平台能力。

使用影子模式、A/B 测试、小步版本和回归测试。

设置发布、回滚和人工闸门。

模块5｜多Agent协同设计

区分 Skill、Agent 和编排。

只有职责制衡、上下文隔离、不同工具权限或明确并行收益出现时才拆 Agent。

理解主从式、流水线式和讨论式协作。

为每个 Agent 定义目标、输入、输出、知识、工具、权限、停止条件和人工边界。

设计结构化交接包，处理冲突、证据和汇总。

完成执行—评审或讨论型的两 Agent 最小协作，并与单体基线比较。

模块6｜完整原型与岗位迁移

用连续画布连接关系图、Know-how、上下文、测试和协作结构。

选择一个课堂可完成的真实复杂任务切片。

形成复杂 Skill 需求包并创建 v0.1。

完成端到端运行、三组测试和至少一轮修改，形成 v0.2。

判断真实岗位应采用单 Skill、主子 Skill 还是多 Agent。

输出 7/30/90 天岗位 AI 协作升级路线图。

学员成果

一张复杂任务关系图。

一组经过新案例验证的 Know-how 卡。

一份上下文、状态和断点恢复方案。

至少三组测试、一次修改和版本记录。

一个复杂 Skill 原型及端到端运行证据。

一次 2—3 Agent 最小协作记录和结构选择理由。

边界

不重新讲基础 Skill 定义和基础提示词方法。

不把架构图或 Agent 数量当作成果。

不默认多 Agent 一定优于单体结构。

不进入底层 Agent 框架、代码编排、生产系统集成和大规模权限系统。

不把模拟原型宣称为客户真实生产应用或业务成效。

可定制方向

可围绕跨阶段方案、资格审核、复杂材料生产、项目推进、经营分析、内容生产与审查、客户服务和组织经验沉淀等任务替换统一案例。