ScienceDiscovery
English GitHub

使用和编写 Skill

Skill 是可复用的方法:一份说明,必要时附带脚本和参考资料,Agent 在任务需要时加载它。本课先让 Agent 使用一个内置 Skill,再把分析一份数据中的分析做成你自己的 Skill,并在同一份文件上运行它。

全部 17 个内置 Skill 及其用途,见预置科研能力参考。

1. 使用内置 Skill

回到数据分析课的 Session。在消息框中输入 /,选择 computation-reviewer,让它以标签形式出现,然后发送:

请对照本 Session 中记录的代码执行检查 growth-report.md。对报告表格和检验结果中的每个数字,说明它由哪一次执行产生,并列出无法追溯到任何执行的数字。不要修改报告。把检查结果写入 computation-check.md,并登记为产物。

你应该看到:时间线中 Agent 加载 computation-reviewer,读取报告,查询之前的执行及其日志,通常还会重新运行一些小检查。产物中出现 computation-check.md,它用表格把报告中的每个数字和产生它的执行对应起来,并列出无法匹配的数字。growth-report.md 本身不变。

Skill 可用并不证明模型用了它。时间线中加载该 Skill 的记录才是证据。

2. 用 skill-creator 创建 Skill

在同一个 Session 中,以 /skill-creator 开头输入消息,输入框会把它显示为 Skill 编写 命令。发送:

/skill-creator 根据本 Session 中的分析创建一个名为 group-comparison 的 Skill。它要在上传的 CSV 中按某一列的分组比较另一列数值:报告每组的 n、均值和标准差,在托管 Python 环境中用 SciPy 做单因素方差分析和 Tukey HSD,画出叠加每个数据点的箱线图,并写出一份 Markdown 报告,与图一起登记为产物。由用户指定 CSV 文件和这两列。

你应该看到:Agent 加载 skill-creator,写出一个包含 SKILL.md、脚本、常常还有报告模板的软件包,并在沙箱中用 plant-growth.csv 测试脚本。最后它会创建一份 待处理草稿,此时还没有安装任何东西。

3. 审核并发布草稿

打开 系统设置 → Skills。Skill 管理器会显示 group-comparison 有一个待审核项;对话中也会提供跳转到这里的入口。

  1. 打开草稿,阅读 查看变更:SKILL.md 中的说明、脚本以及其他文件。不同意的地方可以直接修改,这正是审核的意义。
  2. 发布到 保持为项目 Skill 库,点击 发布 Skill。

发布会在 Project Skills 库中生成一个不可变版本。丢弃草稿 则会移除这份提案。

4. 让 Project 使用这个库

已发布的库中 Skill 只在开启了该库的范围内进入运行。在左侧栏打开数据分析课所在 Project 的菜单,选择 设置,在 Skill 库 中开启 Project Skills,然后保存项目设置。

5. 运行你的 Skill

在这个 Project 中新建一个 Session,按分析一份数据再次上传 plant-growth.csv,然后发送:

用 group-comparison 分析 plant-growth.csv,比较不同 treatment 分组之间的 light_hours。

和之前一样批准第一次代码执行。你应该看到:时间线中 Agent 读取 group-comparison Skill,并在文件上运行它自带的脚本,分组列为 treatment,数值列为 light_hours。产物中出现以所比较列命名的报告、箱线图,通常还有结果文件。

6. 确认结果

如果新 Session 找不到 group-comparison,检查该 Project 或 Session 的设置中是否开启了 Project Skills。如果要导入已有的 Skill 而不是新写一个,见导入与管理科研 Skill。

下一课

继续学习连接一个工具。