AI Agent Skills 怎么创建？Refly 可视化工作流教程

想做 AI Agent Skill？别一上来就奔着“我要个全自动助理”去。Refly 的可视化工作流最吃“具体任务”这一套：得先捋清输入是什么、处理顺序咋排、哪步要调用工具、最后输出给谁看。先把任务拆成一个个能验收的小模块，再用 Vibe Mode 或者空白画布搭流程，成功率可比瞎想高多了。

拿个真实流程做样板

就拿“客户反馈分拣”这个 Skill 来说，别只写一句空泛的需求。得把它拆成四步：读取反馈文本、判断反馈类型、查询产品知识库、输出处理建议。每一步都得设好失败判断：文本是空的就退回补充；分类拿不准就标记人工复核；知识库没匹配到内容就直接输出“缺少依据”，绝不能让模型瞎编答案。

在 Refly 里，你可以点 New Workflow 新建空白画布，也可以用 Vibe Mode 直接描述流程。新手的话我建议先用自然语言生成初稿，再回到画布里调整节点。这样速度快，但又不是瞎糊弄。

节点别贪多，先跑通最短链路

第一版就留三个节点就行：输入、LLM 处理、输出。输入节点放反馈内容；LLM 节点把分类规则和输出字段写清楚；输出节点固定成表格或者 JSON 格式。等能顺利跑通了，再加搜索、数据库、Slack、飞书或者工单系统这类功能。

我自己习惯把节点标题写得像检查清单似的，不用“智能分析”这种虚头巴脑的大词。比如就叫“读取反馈正文”“按三类标签分类”“输出处理建议”。标题越具体，后面排查错误的时候就越快。

模型配置直接影响工作流能不能跑通

如果是自部署环境，创建 Skill 之前得先检查默认模型。进入 Settings 里的 Model Config，把默认 Q&A 模型、默认 Agent 模型，还有用来处理上下文和生成标题的模型都配置好。这步没弄对的话，哪怕画布看起来一切正常，执行的时候也可能卡在 LLM 节点上。

失败场景也要写进流程里：模型超时了，节点就别继续往下发通知；检索结果是空的，就别硬生成看似确定的建议；输出字段缺东西，就让工作流停在待修正状态。Agent Skill 靠不靠谱，很多时候不是看“回答有多聪明”，而是看“该停的时候能不能停下来”。

把 Skill 做成能复用的资产

等工作流跑通了，再整理成正式的 Skill：给它起个稳定的名字，写清楚输入变量，固定好输出格式，还要记明白适用边界。比如“客服反馈初筛 Skill”就只处理文本反馈，不处理录音；只输出分类和建议，不直接操作退款；只有知识库匹配到内容的时候才给确定建议。

如果之后要给 Claude Code、Cursor 或者其他运行环境调用，还要考虑导出形式。官方 README 里有 Refly CLI 和 skills 的安装方式，适合把 Skill 发布到可复用的执行环境里。你不用一开始就做全链路发布，但第一版就得按着“以后会被别人调用”的标准来命名变量和输出字段。

最后用四个问题做验收

• 别人只看输入字段，能不能清楚知道该提交什么？
• 每个节点失败之后，流程是会停下、报错，还是继续瞎编？
• 输出内容能不能被表格、工单或者 API 直接读取使用？
• 这个 Skill 下周要改规则的话，能不能保留版本和审计痕迹？

这四个问题都能答上来，再去扩展更多工具。要是答不上，就先回到画布删节点、调变量、补失败条件。可视化工作流的优势从来不是“看起来复杂”，而是让流程能被检查、能被修正、能被复用。