如何借助Skill,把行业经验、Know-How沉淀为企业可治理的软件资产

如何借助Skill,把行业经验、Know-How沉淀为企业可治理的软件资产

现在很多公司都希望通过引入AI提高企业效率。模型账号开通了,知识库和Agent也开始试点,业务部门很快就能感受到内容生成、材料整理和信息检索速度的变化。与此同时,AI技术本身还在快速更迭:模型效果和价格不断调整,Agent框架持续变化,客户端与运行方式也未完全定型。

这会带来一个比选型更长远的问题。假如企业一年后更换模型,或者从一种Agent运行时迁移到另一种实现,今天投入的人力和业务经验还能留下多少?如果项目沉淀的只有一组绑定特定模型的提示词、若干临时脚本和供应商掌握的配置,技术升级很可能意味着重新开始。

企业AI建设真正值得积累的内容,应当能够穿越这类变化。业务对象的定义需要留下,例如什么是有效客户、合格供应商或高风险合同;岗位方法和判断规则需要留下;连接OA、ERP、CRM等系统的工具契约需要保持稳定;真实案例形成的评估样本,以及维护人、权限和审批责任,也应进入企业自己的资产体系。

基于目前的技术来看,Skill可以取代SOP,成为这些内容的任务级载体。它把一类工作所需的方法、规则、工具和交付标准组织在一起,让Agent知道怎样完成任务,也让企业知道这项能力由谁维护、能够在哪些范围运行。底层模型可以更换,Skill需要重新测试和适配,但企业已经确认的做事方法不必随之丢失。

企业要留下的是能力结构

以供应商准入审查为例。制度文件进入知识库后,Agent通常已经能够回答需要提交哪些材料,真正拿到一份申请时,输出仍可能不稳定。

资深审核人员会先判断供应商类型,再选择审查路径;普通信息缺失可以补交,股权关系异常则需要升级处理;遇到历史风险记录,还要结合解除时间和内部处置意见判断。这些分支散落在系统字段、项目记录和个人经验中,知识库只能帮助Agent找到材料,无法自动补齐做事方法。

长期沉淀也不等于把所有内容都塞进Skill包。业务数据仍由相应系统管理,知识材料留在知识库,工具接口由平台维护。Skill保存的是它们在一类任务中的组合关系:需要什么输入,按什么顺序处理,调用哪些企业能力,结果达到什么标准,以及在哪个节点必须交回给人。这样的能力结构比单份文档更容易复用,也比一套完整应用更轻。

文档保存信息,Skill定义执行合同

SOP面向人,允许读者结合经验理解省略部分;Skill面向Agent,任务边界必须更明确。一个供应商审查Skill需要说明材料从哪里取得,怎样识别供应商类型,哪些信息要交叉核验,什么时候停止自动处理,以及结果交给谁确认。

因此,把文档改写成更长的提示词,并不能完成资产化。企业需要把不同形态的经验转换成可维护对象:

原始经验转换后的Skill资产需要治理的问题
SOP与制度任务步骤、确定性规则当前采用哪个制度版本
专家判断条件分支、异常样本、升级边界哪些判断仍需人工确认
系统操作标准工具接口、字段映射Agent能够访问哪些数据
交付习惯输出结构、引用与证据要求结果是否能够进入后续流程
项目复盘失败案例、回归测试集新版本是否破坏原有场景

Agent可以选择合适的推理过程,但不能随意改变数据范围、工具权限和业务责任。

经验梳理要从真实任务开始

直接询问专家“你通常怎么做”,得到的多半是原则。更有效的方式,是选择近期完成的任务逐步复盘:当时为什么先看某个字段,在哪一步打开了内部系统,哪些情况没有继续自动判断,最终意见为何被修改。

多次复盘后,项目团队才能区分三类内容。已经形成共识的规则可以直接封装;依赖业务语境的判断可以让Agent生成候选意见;尚未稳定或涉及责任决策的部分继续由人处理。Skill边界可能因此变窄,但验收标准会清楚很多。

这一过程还会暴露流程本身的问题。有些SOP多年没有更新,实际操作已经变化;有些规则在不同部门存在两种解释;还有些步骤依赖某位员工的个人账号。Skill开发并非机械复制现有流程,它迫使企业确认哪套方法可以被正式发行。

一个可发行的Skill包里有什么

企业Skill可以采用yaml的方式描述自身,例如:


name: supplier_review

owner: procurement_risk_team

inputs: [supplier_profile, submitted_documents]

tools: [registry_query, internal_risk_records]

policies: [data_scope, escalation_rules]

human_checkpoints: [final_review]

outputs: [review_summary, missing_items, risk_evidence]

owner回答由谁维护,tools列出外部依赖,policies限定执行范围,human_checkpoints保留人工责任,outputs则保证结果可以被后续流程接收。真正的Skill包还应包含任务说明、规则文件、输出模板和测试样本,复杂场景可以加入脚本或插件,但这些内容仍受同一份清单约束。

工具接口尤其需要收敛。Skill调用的应是“查询供应商风险记录”这样的业务能力,不应直接持有数据库账号或任意API权限。接口需要限定输入、返回字段和凭据使用方式,调用失败时也要给出确定的处理路径。这样即使Skill方法不断调整,底层系统仍然保持自己的安全边界。

模型会变化,业务方法应尽量保持稳定

模型和Agent运行时仍在快速更新。企业今天可能使用OpenClaw,下一阶段接入Hermes,之后还会出现其他实现。如果业务规则、模型调用和工具协议写在一起,更换技术底座就意味着重新整理一遍Know-How。

Skill应保留岗位方法和输出标准,模型选择交给运行平台,系统连接收敛到稳定工具接口,再由Agent适配层处理不同运行时的差异。切换模型或Agent后,兼容性和结果质量仍要重新测试,但已经确认的业务步骤、权限边界和责任关系可以继续使用。

这种解耦决定了Skill能否成为长期资产,企业真正持有的是“一类任务应该怎样完成”,不必把方法绑定在某一代模型或某一种Agent框架上。

通过发行治理进入企业能力库

通过测试的Skill还要进入组织内的发行流程。平台需要记录维护人和版本,控制可见范围,并保留提交、审核和安装记录。业务规则变化后,新版本应先在限定范围验证,再替换正在使用的版本;失去维护或长期异常的Skill需要停用,而不是继续留给员工调用。

FinClaw技能中心提供企业内部的提交、审核和上架入口,技能可按组织或角色控制可见范围,并保留版本历史、审计记录与安装统计。经过审核的Skill可以安装到对应数字员工,使岗位能力与具体使用范围建立关联。

过去的软件资产通常对应应用系统、源代码或许可证。Agent进入企业后,一部分业务需求可以由Skill承接。专项检查、短周期分析和阶段性运营任务未必需要开发完整应用,可以先发行一个受控能力包;任务结束后,Skill可以下线,方法和测试样本仍然保留。

当一个Skill能够说明怎样运行,能够通过测试,也有人持续负责,它才真正完成了从个人经验到企业软件资产的转换。模型可以升级,专家可能换岗,已经验证过的行业方法仍然留在组织内部,并能被下一位员工或下一个Agent继续使用。

Read more

DeepSeek Harness 安全运行测试,看看是否可以突破系统限制,成为“破坏性Agent”

DeepSeek Harness 安全运行测试,看看是否可以突破系统限制,成为“破坏性Agent”

把工作交给AI,越来越像给同事交代一句话。写个脚本,把几份表格汇总,开发一个小工具,再把视频剪出来。聊天窗口里,Agent列出计划,运行工具,交回结果。 用户看见的是完成后的文件,电脑执行的却可能是几百行临时生成的代码。很多操作绕过了熟悉的图形界面,直接由脚本调用系统接口。用户没见过某个设置页面,也可能已经授权Agent启动了一个有能力修改它的进程。 那些代码打开过哪些进程,读写了什么,碰过哪些系统设置,大多数人不会逐条检查。看到Agent带着“沙箱”两个字,也很容易直接把它当成一道已经生效的保护。 FinSAFE百炼场公开了一组围绕DeepSeek Harness(DSH)的Windows对照测试。弹窗风暴、剪贴板替换和注册表配置删除,都能在里面找到实际请求、工具返回以及独立观测。本篇沿着这几组记录,看看一句话变成系统调用之后,电脑到底发生了什么。 同样的任务,执行权限决定电脑发生什么 这些测试把同一项操作交给普通DSH和受FinShield保护的DSH,观察两边结果。正式对照都采用Full Access模式,减少逐条命令审批,防护组额外加载FinSA

By Ricky
电脑装上AI Agent软件后,自带的沙箱真的能做好运行管控吗?

电脑装上AI Agent软件后,自带的沙箱真的能做好运行管控吗?

现在一台电脑装两三个Agent,已经非常常见。写代码时用一个,整理文件时换一个,还有的能直接打开应用、操作桌面。不少Agent自带沙箱,可以限制脚本访问哪些目录、连接哪些地址。可同一个Agent里,能拦住一条终端命令的规则,未必也管得到它用的文件工具和桌面操作。电脑上装了几个助手,还得分别看看它们的沙箱管到了哪里。 比如,你让Agent从报价表里提取产品名称和价格。表格打不开,它可以先查路径,也可能直接尝试改文件权限。你交代的还是同一个任务,电脑收到的却已经是一次修改授权的请求。Windows会根据发起请求的进程拥有什么权限,决定让不让它改。 接下来分享几组真实的Windows对照测试。测试人员用DeepSeek Harness(DSH)对专用样本发起操作,再比较普通运行和受保护运行的结果。有的文件内容一点没动,编辑权限却变了。有的配置从注册表里消失了。还有一次,用户复制的文字在粘贴之前就被换掉了。 文件原封不动,能改文件的人却变了 在SYS-02这组测试里,测试人员准备了一个样本文件,给Windows的Users组设了修改权限,再让Agent移除这条授权。普通组执行成功

By Ricky
员工自装Agent,企业用FinShield统一管控资料权限

员工自装Agent,企业用FinShield统一管控资料权限

作为企业IT管理部门,最近最需要关心的问题是,如何管理好员工使用的AI Agent的工具? 一方面是软件的负责程度,Agent时代不像过去的软件一样,可以公司统一采购下发安装,某个具体的功能全公司用一个软件就能实现,很容易就能够做到统一的管控,保证企业数据的安全; 另外更重要的一方面是,Agent的强大能力,每个Agent都能自己写脚本,绕过GUI页面直接修改底层的数据,本身很多员工就是电脑小白,对电脑的认知不足,经常容易在不经意间造成信息泄漏。 今天就分享一个免费的技术方案,详情可以见GitHub地址~ 以企业的场景为例: 一位售前同事跟进A、B两个项目,工作账号能打开两边的报价。准备A项目投标时,他把招标文件交给桌面Agent,生成响应初稿。这次任务用得上A项目的招标文件和公司模板,用不上B项目的报价。把整个网盘同步目录开放给Agent,就把B项目的报价也放进了Agent能访问的范围。 可以借助FinShield给员工和Agent分别设置访问边界。员工照常查阅自己负责的项目,桌面Agent通过FinShield启动后,按企业策略读取资料、写入结果。投标任务的权限可以很具

By Ricky
字节被曝拟限制外部AI访问内部资料,企业该管到哪一步?

字节被曝拟限制外部AI访问内部资料,企业该管到哪一步?

[[RYAN_FINCLIP_GHOST_IMAGE_01]] 据 11 月 3 日的媒体报道,字节跳动计划从 11 月起限制Claude、Codex等外部AI工具访问L4级代码仓库和飞书文档。 员工自购的账号也在报道所述的限制范围内。报道提到部分Seed使用场景例外。目前尚未找到字节公开发布的通知原件。 值得企业关注的是,报道把限制落到了具体资料上。一名员工有权限打开内部文件,通常是因为他需要用这份资料完成工作。把文件交给外部AI服务处理,多了一次数据传递,也多了一个处理方。哪怕用的是公司购买的账号,这次传递也需要有明确的授权。 资料交给AI之后,风险会走到哪儿? 在聊天框里粘贴一段合同,员工至少能看到自己交出去的内容。用了能读文档或代码的插件,实际送给模型的内容还可能包括工具自动带上的上下文。员工界面上只看到一句提问,公司却要知道请求里究竟包含了什么。 源文件从对话界面删掉以后,服务商侧是否仍有日志或其他副本,得看实际配置和服务条款。等出了问题才翻合同,往往连该找谁核对都要重新查。 还有一种暴露发生在公司内部。知识库如果用同一个高权限账号取资料,检索时又没按提问者的

By Ricky