从SOP到AI Skill

一种系统性的企业AI能力挖掘方法论与工具实践

📐 流程咨询 + AI专家视角 🎯 实操型培训课件 🚀 看完即可上手

第一章

背景与问题

🤖

智能体生态繁荣

钉钉悟空、Cowork协作工具、LobeChat...无论是企业内部数字化团队还是外部技术服务商，都在积极构建各类智能体。

🕳️

能力空心化问题

智能体框架搭起来了，对话入口有了，但关键的技能和能力层与实际业务场景严重脱节。智能体成了一个"壳"。

🎯

真正需要投入的方向

智能体的"壳"从来不缺，真正稀缺的是壳里面的东西——那些能够深入业务、解决具体问题的能力单元。

💡 核心判断：企业不需要再建智能体，需要建的是能力层（Skills）

                    ⚠️ 传统方法的局限
                    ❌ 头脑风暴 — 效率太低，高度依赖参与者的经验和灵感
❌ 业务方提需求 — 往往零散、碎片化，难以形成体系
❌ 技术团队自己摸索 — 容易脱离业务实际，产出的能力无人使用

                

✅ 我们需要的方法

一种系统性的方法——不依赖个人灵感，不依赖业务主动提需求，能够从企业已有的资产中挖掘出高价值的Skill建设机会。

第二章

核心观点：回到流程中去发现Skill

🎯 SOP是Skill挖掘的天然矿脉

📚

SOP是标准化专家经验的载体

每一份经过验证的SOP，都凝结了业务专家多年的实践智慧——什么情况该怎么判断、遇到异常该如何处理。

📐

SOP天然具备结构化特征

一份合格的SOP包含明确的输入条件、处理步骤、判断标准、输出结果和异常处理机制。

🗺️

SOP覆盖企业核心业务链路

从采购、生产到销售、服务，企业的每一条业务链路上都沉淀着SOP，系统性梳理即可建立完整的AI能力地图。

SOP本质 vs Skill本质的映射关系

SOP要素	Skill要素	映射说明
输入要求	输入参数定义	数据格式、必填字段、校验规则
处理步骤	执行逻辑	算法、规则链、决策树
判断标准	规则引擎	阈值、条件分支、合规检查
输出结果	输出格式	结构化数据、报告、动作指令
异常处理	容错机制	降级策略、重试逻辑、人工兜底

🔄 转化本质

从SOP到Skill的转化，本质上是将"人可执行的标准"转化为"AI可执行的能力"。 这是一条清晰、可操作、可规模化的路径。

第三章

方法论详解（重点实操）

📋 六项Skill适合度判断标准

一个流程节点如果满足以下六项标准中的至少三项，即可纳入Skill候选池。

1

有明确的输入→处理→输出结构

一个合格的Skill必须有清晰的边界——知道接收什么、做什么、产出什么。

✓ 正面：审批信息合规校验——输入是申请表单，处理是逐项核对规则，输出是校验结果
✗ 反面：候选人面试综合评价——输入维度不固定，评价标准因人而异

2

可在线上完整执行，无需线下人工干预

Skill是数字化能力，其执行链路必须是闭环的。如果核心动作发生在线下，则不适合封装为Skill。

✓ 适合：合同文档智能生成——纯线上操作
✗ 不适合：候选人入职体检——核心动作在线下医院完成

3

重复性高，有规律可循

Skill的价值在于复用。如果一个操作只发生一次或极少发生，投入产出比不合理。同时，该操作需要有内在规律，才能被提炼为通用能力。

4

单一职责，边界清晰

一个好的Skill应该只做一件事，并把这件事做好。职责越单一，越容易维护、测试和复用。如果涉及多个不同性质的操作，应该考虑拆分。

5

可用AI显著提升效率或质量

这是价值判断。如果人工处理已经足够高效、质量稳定，AI介入的边际收益有限。Skill化的目标节点，应该是AI能带来显著改善的领域——更快、更准、更一致。

6

当前依赖人工、耗时、易出错

这是痛点判断，与上一条互为补充。痛点越明显，Skill化的价值越大。

📊 四维度加权评分体系

评估维度	权重	评估内容	设计逻辑
重复频率	30%	该操作多久发生一次？日级、周级、月级？	高频操作的Skill化收益会随调用次数倍增，复利效应明显
AI可执行度	30%	当前AI技术能否高质量完成？数据是否就绪？	技术可行性是前提，避免投入大量资源后发现AI做不好
价值释放空间	25%	能节省多少时间？减少多少错误？提升多少体验？	确保建设的Skill确实解决真实痛点，而非技术炫技
实现难度（取反）	15%	技术复杂度、集成难度、所需资源	作为调节因子，在价值相近时优先选择易落地的

🧮 交互式评分计算器

🎯 Skill优先级评分工具

输入各维度的1-10分评分，自动计算综合优先级得分（满分100分）

重复频率 (权重30%)

AI可执行度 (权重30%)

价值释放空间 (权重25%)

实现难度取反 (权重15%)

综合评分 81.5 / 100

计算过程：(8×10×0.30) + (9×10×0.30) + (8×10×0.25) + (7×10×0.15) = 24 + 27 + 20 + 10.5 = 81.5分

第四章

工具化实践：skill-mining Skill

🛠️ skill-mining 设计理念

降低使用门槛

用户不需要理解复杂的方法论细节，只需提供流程材料（Word/PDF/图片/文字描述均可）

结果可视化

分析结果以HTML报告形式呈现，包含流程拓扑、节点评分、优先级排序

闭环可落地

不仅给出分析，还支持一键生成SKILL.md定义文件，直接对接开发流程

📈 五阶段执行流程

1

获取流程内容

支持上传文件（Word/PDF/图片）、直接粘贴文本、自然语言描述

2

分析流程

解析流程拓扑，逐节点应用六项标准评估，四维度打分排序

3

生成HTML报告

流程概览、节点分析、优先级排行、实施建议矩阵

4

对话跟进

推荐Top3 Skill，提供进一步对话入口，可调整参数重新分析

5

一键封装Skill

生成SKILL.md定义文件，包含输入输出、执行逻辑、验收标准

🛡️ 鲁棒性设计（容错降级策略表）

异常情况	处理策略
流程文件解析失败	直接请求用户粘贴文字内容；告知"文件解析工具不可用，请直接粘贴流程内容"
HTML报告生成失败	降级为在对话窗口输出 Markdown 格式分析报告
Skill封装失败	直接在对话窗口输出完整 SKILL.md 内容，用户可手动保存
流程文件为图片	基于图片描述内容分析（如有视觉能力），否则请求用户提供文字版本
文件写入失败/无权限	尝试写入当前工作目录；仍失败则在对话中输出报告内容
浏览器打开失败	输出绝对路径，提示用户手动打开

🎯 触发方式

当用户说以下话时，自动触发 skill-mining：

"帮我挖掘 skill" "从流程中找 skill 机会" "这个流程哪里可以做 skill" "skill 挖掘" "流程里有哪些 skill 可以做"

第五章

实战案例：入职审批SOP

15

流程节点

5

参与角色

4

流程阶段

11

Skill机会

5

高分候选

🗺️ 15步SOP全景图（点击节点查看评分）

高分Skill (≥80分)

中分Skill (60-79分)

低分/不适合 (<60分)

系统自动节点

🏆 Top 5 高分Skill展示

1

审批信息合规校验 Skill

对应节点：#1 HRG/SG发起录用审批 | 自动校验候选人信息的完整性与合规性，识别缺失字段、格式错误、薪酬区间异常

92分

2

入职需求智能评估 Skill

对应节点：#8 HRSSC评估需求与特殊性 | 自动判断是否需要工签申请、特殊体检、额外合规文件

88分

3

合同智能生成 Skill

对应节点：#4 HRG/SG发送合同 | 根据法规、职级薪酬档位自动匹配合同模板并生成草稿

85分

4

主数据智能录入 Skill

对应节点：#14 HRSSC更新主数据 | 从入职文件中自动提取关键字段，预填HRIS系统表单

85分

5

档案智能归档 Skill

对应节点：#15 整理归档P-File | 自动整理、命名、分类归档入职全流程文件

83分

📊 2×2实施矩阵

🚀 速赢区（Quick Win）

高价值 + 低难度，优先实施

审批信息合规校验92分
入职日期智能推荐75分
档案智能归档83分

🎯 战略投资区

高价值 + 高难度，分阶段推进

合同智能生成85分
入职需求智能评估88分
主数据智能录入85分

📦 低优先区

低价值 + 低难度，可选实施

背调进度追踪70分
入职准备协调65分
培训议程编排62分

⚠️ 谨慎评估区

低价值 + 高难度，暂不建议

候选人接受决策35分
入职体检协调40分
系统通知类N/A

🗺️ 三阶段实施路线图

🚀 速赢阶段 1-2 周

审批信息合规校验
规则引擎+字段校验，快速上线
入职日期智能推荐
基于区域规则匹配默认日期
入职文件个性化清单
根据国籍/职位动态生成

📈 中期建设 1-2 月

合同智能生成
多模板管理+条款智能填充
入职需求智能评估
工签/体检/合规自动判断
主数据智能录入
OCR+字段映射+预填表单

🎯 长期演进 3-6 月

全流程看板
入职进度实时追踪+预警
端到端自动化
打通各系统API，减少人工介入
智能助手
候选人/HR常见问题自动应答

第六章

更大的图景

🔄 从"建Agent"到"挖Skill"的范式转变

Skill vs Agent 的关系

Skill

积木

→

组合构建

Agent

搭建方案

💡 核心理解

Skill是积木，Agent是搭建方案。 同样一堆积木，可以搭出不同的房子；同样一组Skill，可以组合出不同的Agent。积木的质量和丰富度，决定了能搭出什么样的建筑。

一个企业的AI能力边界，不取决于部署了多少个Agent，而取决于积累了多少高质量、可复用的Skill。

🔄 方法论可迁移性

skill-mining的方法论和工具适用于任何业务领域的SOP：

💰 财务领域

费用报销作业指引 → 票据智能审核、异常报销检测

📦 采购领域

供应商准入流程 → 资质自动校验、报价合理性分析

🎧 客服领域

投诉处理流程 → 投诉智能分类、解决方案推荐

⚖️ 合规领域

内控检查规范 → 规则冲突检测、风险评估

🎯 每一份SOP，都是一座待挖掘的Skill金矿

📋 企业AI落地路径建议

1

建立Skill资产意识

将Skill视为一种可积累、可复用、可增值的数字资产。每建设一个高质量的Skill，就为企业的AI能力库增添了一块"积木"。

2

建立系统性的Skill发现机制

不再依赖零散的头脑风暴或被动等待业务提需求。定期对核心业务SOP进行skill-mining分析，持续充实能力库。

3

建立Skill的质量标准

一个合格的Skill应该具备：清晰的输入输出定义、完善的容错机制、可度量的效果指标、可追溯的版本管理。

🏆 结语

未来企业的AI竞争力，不在于部署了多少个智能体，而在于积累了多少高质量的Skill资产。

与其在智能体的外壳上反复迭代，不如沉下心来，把SOP里的专家经验，一个一个地转化为可执行、可复用、可持续增值的Skill。

这是一条慢功夫的路，但也是一条扎实的路。

附件

Skill文件下载/查看

📄 skill-mining SKILL.md

▼

SKILL.md

---
name: skill-mining
description: 从流程文件（Word/PDF/图片/文字描述）中自动挖掘 Skill 建设机会，生成可视化 HTML 分析报告并自动预览，识别哪些流程节点最适合封装为 Skill，评估优先级，并可进一步一键封装生成 Skill 文件。
---

# Skill 挖掘专家

从流程文件中识别 Skill 建设机会，输出可视化报告，并支持一键封装 Skill。

## 触发词

用户说"帮我挖掘 skill"、"这个流程哪些地方能做 skill"、"skill 挖掘"时立即启动。

## 鲁棒性保障规则（最高优先级）

| 异常情况 | 处理策略 |
|----------|----------|
| 流程文件解析失败 | 直接请求用户粘贴文字内容 |
| HTML报告生成失败 | 降级为 Markdown 格式分析报告 |
| Skill封装失败 | 直接在对话窗口输出完整 SKILL.md 内容 |
| 流程文件为图片 | 基于图片描述内容分析 |
| 文件写入失败/无权限 | 尝试写入当前工作目录 |
| 浏览器打开失败 | 输出绝对路径，提示用户手动打开 |

## 完整执行流程

### 阶段一：获取流程内容
用户可通过以下方式提供流程：
1. **直接粘贴文字** → 直接使用
2. **提供文件路径（Word/PDF/图片）** → 尝试解析
3. **描述流程场景** → 基于描述分析

### 阶段二：分析流程，识别 Skill 机会

**Skill 适合度判断标准（必须满足至少3项）：**
- ✅ 有明确的输入 → 处理 → 输出结构
- ✅ 可在线上完整执行，无需线下人工干预
- ✅ 重复性高，有规律可循
- ✅ 单一职责，边界清晰
- ✅ 可用 AI 显著提升效率或质量
- ✅ 当前依赖人工、耗时、易出错

**优先级评估维度：**
| 维度 | 权重 |
|------|------|
| 重复频率 | 30% |
| AI 可执行度 | 30% |
| 价值释放空间 | 25% |
| 实现难度（取反） | 15% |

### 阶段三：生成可视化 HTML 报告
报告包含：流程概览、节点分析列表、优先级排行榜、实施建议矩阵

### 阶段四：对话跟进
推荐评分最高的Top3 Skill，提供进一步对话入口

### 阶段五：封装 Skill（用户确认后执行）
在 ~/.qoder/skills/ 下创建新 Skill 目录，生成 SKILL.md 文件

📄 process-mining SKILL.md

▼