FEATURED / 01 · GOODNOTES
Agent 运营工作台
让纪要、文档、反馈和取数成为可执行、可检查的任务。飞书作为团队入口,Skill 承载可复用的运营方法。
从反复切换工具,到可以接续的任务
运营工作需要反复查资料、切工具、整理结果。我主导场景选择和任务交互,把飞书作为团队入口,提供队列、流式进度、停止与续接。
能由明确规则覆盖的工作进入定时脚本;需要判断的工作保留人工触发与确认。通过 AI Coding 建设自有能力,执行底座使用既有 Agent SDK 和第三方 CLI。
AI 理解任务,工具完成操作
模型结合上下文理解任务、调用工具、组织结果;MCP 接入工作资料,Skill 封装重复方法。按角色限制能力入口;群聊创建任务时先展示预览,经人工确认后执行。
本人工作区另建 Memory,通过全文与向量混合检索寻找历史信息,设置相关性门槛、来源约束和 6K tokens 注入预算。团队 Bot / Skill 与个人记忆库分别管理。
任务流程说明 · 按实际系统机制整理
- 01 / INPUT发起任务在飞书给出目标与需要的交付物
- 02 / CONTEXT获得上下文按权限读取资料,检索相关历史
- 03 / ACTION调用工具执行 Skill,群聊创建任务先给预览
- 04 / CONTROL反馈与恢复展示进度,异常时通知或有限恢复
- 05 / DELIVERY检查后交付核对产物存在、内容有效,再返回结果
公司 40 余人实际采用
队列 · 调度 · 产物检查
Memory 检索 · 来源与写入约束
一次改变验收方式的失败
排查中发现,18 份历史报告有 10 份只是占位文件。程序正常退出,交付却没有完成。我将成功标准改为检查实际产物,并加入失败通知,让异常能够被发现和处理。
检索层另用 34 条人工标注查询评估召回、排序与噪声;2026 年 8 月修复向量覆盖缺口,覆盖率从 68.8% 恢复到 100%。这些评估分别对应检索质量和交付可靠性。
本人职责:场景与产品定义、上下文策略、工具集成、自建部分的 AI Coding、验收及运行迭代。团队采用指标仅覆盖 Bot 和 Skill。