https://hugozhu.site/tags/agent-skill/Recent content in Agent-Skill on All about Raspberry PiHugoenThu, 02 Jul 2026 00:00:00 +0000https://hugozhu.site/post/2026/280-managerial-loop-agent-skill/Thu, 02 Jul 2026 00:00:00 +0000https://hugozhu.site/post/2026/280-managerial-loop-agent-skill/<p>周五下午 4 点。你打开钉钉，你的 D 群里「本周的重点事项」消息已经发了 24 小时。16 位负责人被 @，每个人的进展回复散落在三个地方：有人私聊你说了三段话，有人在群里回了一个 emoji，还有人到现在一个字没发。</p> <p>你要整理的，是一份让所有人都看得懂、能 action 的结构化进度报告。</p> <p>手动做这件事需要 2-3 小时（经验估算）。你打开 16 个单聊窗口 + 群聊消息列表，翻来翻去。做得再仔细，也跑不掉三个 bias： <strong>recency bias</strong> ——最后看到的记得最清， <strong>salience bias</strong> ——写了一大段的人得到最多篇幅，写了三个字的人被一笔带过。 <strong>survivorship bias</strong> ——没回复的人直接消失在你的视野里，而不是被明确标记。</p> <p>我手动做了这件事好几个月。然后写了一个 Agent Skill 文件——不到 200 行的 Markdown，把你的工作流程像岗位说明书一样写清楚。跑起来之后的效果不是「更快了」，而是 <strong>总结质量比手动好</strong>：每条来源可溯源、16 人全覆盖、没回复的标 ⚠️ 而不是消失。从 12 人扩到 16 人时，只改了 4 行映射表。</p> <p><a href="https://hugozhu.site/img/2026/loop-engineering.png"><img src="https://hugozhu.site/img/2026/loop-engineering-thumb.jpg" alt="Loop Engineering 管理者的 Agent Skill"></a></p> <p>这篇文章讲的就是这个案例——以及如何把 Loop Engineering（让 Agent 自主跑到终点的工程方法）从写代码的场景，搬到管理协调的场景。</p> <p>这个工程能落地，最关键的工具是 <a href="https://open.dingtalk.com/dingtalk-cli">钉钉 DWS</a>（DingTalk Workspace CLI）。DWS 是 Agent 与钉钉的统一接口层，它的设计让钉钉对 Agent 友好、对开发者友好。无论你使用哪款 Agent——OpenClaw、Hermes、OpenCode、悟空、MuleRun、WorkBuddy——都能通过 DWS 应用这套 AI 驱动的管理方法。Agent 是 fungible 的，接口层才是杠杆。</p> <table> <thead> <tr> <th>对比维度</th> <th>手动汇总</th> <th>Agent Skill</th> </tr> </thead> <tbody> <tr> <td>耗时</td> <td>2-3 小时（经验估算）</td> <td>Agent 运行约 10 分钟 + 人工审阅约 5 分钟（基于实际运行经验）</td> </tr> <tr> <td>覆盖率</td> <td>高概率遗漏 1-3 人</td> <td>16 人全覆盖，未回复显式标 ⚠️</td> </tr> <tr> <td>可溯源性</td> <td>凭记忆，无法定位原文</td> <td>每条标注「单聊 MM-DD HH:MM」来源</td> </tr> <tr> <td>扩展性</td> <td>增加 4 人 = 多翻 4 个窗口</td> <td>改 4 行映射表</td> </tr> <tr> <td>一致性</td> <td>受情绪/疲劳影响</td> <td>相同输入 ≈ 相同输出</td> </tr> </tbody> </table>