1.创建技能的关键技能节点描述

创建技能的关键技能节点MD文件描述
技能的关键节点MD文件，核心是清晰、规范地描述技能的核心信息、运行逻辑、调用方式，为技能开发、测试、复用和集成提供标准化参考，适配AI大模型技能库的管理与调用需求。以下是通用模板（可根据具体技能类型调整）：

技能名称（Skill Name）

【必填】明确技能的唯一名称，命名规范：动词+名词（如：文本摘要、情感分析、图片识别），避免歧义，便于智能体检索和调用。

示例：文本摘要技能（Text Summary Skill）

技能ID（Skill ID）

【必填】技能的唯一标识，采用字母+数字组合（如：skill_text_summary_001），用于系统内唯一定位，避免与其他技能冲突，便于API调用、版本管理。

技能描述（Skill Description）

【必填】简洁明了地说明技能的核心功能、适用场景，明确技能的“输入→处理→输出”核心逻辑，不超过300字，让开发者、智能体快速理解技能用途。

示例：本技能为AI大模型基础原子技能，可接收一段中文/英文文本（支持100-10000字），通过大语言模型提取文本核心信息，生成简洁、连贯的摘要（长度为原文10%-20%），不添加额外语义，适用于文档提炼、信息压缩等场景，无复杂决策和多轮交互。

核心功能节点（Core Function Nodes）

【必填】拆解技能的核心执行步骤，每个节点为单一、不可拆分的操作，明确节点顺序、输入输出、执行逻辑，体现技能的“原子化”特性，便于开发调试和复用。

示例（文本摘要技能）：

1. 节点1：输入校验（Input Validation）
   - 输入：用户提交的文本（字符串）、摘要长度要求（可选，默认原文15%）
   - 处理：校验文本长度（拒绝空文本、超10000字文本），校验长度要求合理性（拒绝小于原文5%、大于原文50%的要求）
   - 输出：校验通过信号+标准化输入文本；校验失败信号+错误提示（如：“文本长度超出限制，请提交100-10000字文本”）

2. 节点2：文本预处理（Text Preprocessing）
   - 输入：校验通过的标准化文本
   - 处理：去除文本中的无效字符（如乱码、特殊符号）、分段整理、提取关键句（基于词性、语义权重）
   - 输出：预处理后的干净文本、关键句列表

3. 节点3：核心摘要生成（Summary Generation）
   - 输入：预处理文本、关键句列表、摘要长度要求
   - 处理：调用基础大模型（如LLM），基于关键句生成摘要，控制长度，保证语义连贯、无遗漏核心信息
   - 输出：初步生成的文本摘要

4. 节点4：结果校验（Result Validation）
   - 输入：初步摘要、原文核心信息
   - 处理：校验摘要是否覆盖原文核心信息、长度是否符合要求、无语义偏差
   - 输出：校验通过→最终摘要；校验失败→返回节点3重新生成（最多重试2次），仍失败则返回错误提示

输入规范（Input Specification）

【必填】明确技能的输入参数、数据类型、格式要求、取值范围，避免输入异常导致技能执行失败，便于智能体调用时传递正确参数。

• 参数1：输入文本（text）
• 数据类型：字符串（string）
• 格式要求：UTF-8编码，无乱码、无特殊控制字符

• 取值范围：长度100-10000字，支持中文、英文、中英文混合

• 参数2：摘要长度占比（summary_ratio，可选）

• 数据类型：浮点数（float）
• 格式要求：保留1位小数
• 取值范围：0.05≤summary_ratio≤0.5，默认值0.15

输出规范（Output Specification）

【必填】明确技能的输出参数、数据类型、格式要求，以及异常输出的处理方式，确保技能输出可被智能体识别、解析和复用。

• 正常输出：
• 数据类型：JSON格式字符串

• 格式：{"code":200,"message":"success","data":{"summary":"生成的摘要内容","original_length":原文长度,"summary_length":摘要长度,"ratio":实际占比}}

• 异常输出：

• 数据类型：JSON格式字符串
• 格式：{"code":400/500,"message":"错误描述","data":null}
• 常见错误码：400（输入异常）、500（技能执行异常）

调用方式（Calling Method）

【必填】明确技能的调用接口、请求方式、请求参数、响应格式，适配智能体的工具调用逻辑，便于开发集成。

示例：

• 调用接口：/api/skill/text_summary

• 请求方式：POST

• 请求头：Content-Type: application/json

• 请求体：{"text":"原文内容","summary_ratio":0.15}

• 响应体：同“输出规范”中的正常/异常输出

触发关键字（Trigger Keywords）

【推荐必填】明确用户触发技能的关键字/关键词组，用于智能体识别用户意图、自动调用该技能，是技能与用户交互的核心触发依据，需结合技能功能精准设计，避免与其他技能关键字冲突。

说明：技能必须考虑用户触发关键字，因为智能体需通过识别用户对话中的关键字，判断是否需要调用该技能（无关键字触发则技能无法被主动调用，仅能被动通过接口调用），关键字需贴合技能功能，覆盖用户常见提问场景。

示例（文本摘要技能）：

• 核心关键字（精准触发）：摘要、文本摘要、提炼摘要、总结文本、精简文本

• 扩展关键字（模糊触发）：概括这段文字、提炼核心内容、把这段文字变短、总结重点、文本压缩

• 触发说明：用户对话中包含任意一个关键字，且上下文符合“文本处理”场景时，智能体自动调用本技能；若关键字与其他技能冲突，优先匹配更精准的核心关键字。

依赖项（Dependencies）

【可选】明确技能运行所需的基础依赖（如基础大模型、工具包、接口等），避免运行时缺失依赖导致技能失效。

示例：依赖LLM模型（如GPT-4、字节跳动Seed大模型）、Python 3.8+、nltk工具包（文本预处理）。

版本信息（Version Information）

【必填】记录技能的版本号、更新时间、更新内容，便于版本管理、迭代优化，避免不同版本技能冲突。

示例：
- 版本号：v1.0.0
- 更新时间：2026-03-25
- 更新内容：初始版本，实现文本摘要核心功能，支持中英文输入，适配基础LLM模型，添加核心触发关键字。

测试用例（Test Cases）

【必填】提供至少3组测试用例（正常用例、边界用例、异常用例），便于测试技能的稳定性和准确性，也为智能体调用提供参考。

示例：

1. 正常用例：
   输入：{"text":"AI大模型中的技能是单一、原子化的能力单元，聚焦输入→处理→输出的闭环，不涉及复杂决策，可被智能体组合调用。","summary_ratio":0.2}
   预期输出：{"code":200,"message":"success","data":{"summary":"AI大模型中的技能是单一、原子化的能力单元，聚焦输入→处理→输出闭环，可被智能体组合调用。","original_length":78,"summary_length":15,"ratio":0.19}}

2. 边界用例：
   输入：{"text":"测试文本（100字）......","summary_ratio":0.05}
   预期输出：生成符合长度要求的简洁摘要，无语义偏差。

3. 异常用例：
   输入：{"text":"","summary_ratio":0.15}
   预期输出：{"code":400,"message":"文本长度不符合要求，请提交100-10000字文本","data":null}

注意事项（Notes）

【可选】记录技能的使用限制、异常处理说明、优化方向等，便于开发者和智能体合理使用技能。

示例：
1. 本技能不支持纯图片、音频、视频输入，仅支持文本输入；
2. 当原文包含大量专业术语时，摘要可能存在部分语义简化，需结合实际场景调整；
3. 优化方向：后续将支持多语言摘要、自定义摘要关键词功能；
4. 关键字触发补充：若用户对话中仅包含关键字但无具体文本，技能将返回提示“请提供需要摘要的文本内容”。

模板说明

1. 所有【必填】项为技能MD文件的核心节点，缺一不可，确保技能的可开发、可测试、可复用；【可选】项根据技能复杂度灵活补充。
2. 不同类型技能（如文本类、图像类、工具类）可调整节点细节，例如图像识别技能需补充“输入图像格式”“输出识别标签规范”等内容。
3. MD文件命名规范：Skill_技能名称_版本号.md（如：Skill_TextSummary_v1.0.0.md），便于技能库归档管理。
4. 触发关键字节点需与技能功能强关联，避免冗余、模糊的关键字，若技能仅支持被动接口调用（不通过用户对话触发），可标注“本技能不支持关键字触发，仅支持接口调用”。