1. 项目缘起当“一人公司”的精力被琐事榨干最近半年我一直在运营一个“一人公司”听起来很酷时间自由自己说了算。但实际情况是我每天80%的时间都花在了处理那些重复、琐碎但又不得不做的“答疑”和“文档处理”上。客户问产品参数、合作伙伴要合同模板、自己需要从一堆混乱的Excel里提取数据做报表……这些事技术含量不高但极其消耗心力和时间。我发现自己像个救火队员在各个聊天窗口和文档之间疲于奔命真正关乎业务增长的核心产品开发和市场策略反而被无限期搁置。这种状态持续了两个月后我意识到必须做出改变。我需要一个“数字分身”一个能7x24小时待命、精通我所有业务细节、能处理这些标准化问答和文档操作的“全能助理”。这个想法就是“小肥肠.skill”的起点。它不是要创造一个拥有通用人工智能的机器人而是针对我特定业务场景的、高度定制化的自动化技能包。“Skill”这个概念在AI智能体Agent领域正变得越来越流行。你可以把它理解为一个封装好的、能完成特定任务的“技能插件”。比如一个“天气查询.skill”、一个“邮件总结.skill”。而我要做的是把“我”在处理日常琐事时的知识、话术、判断逻辑和操作流程蒸馏、萃取出来固化成一个“.skill”文件。这样无论是通过聊天机器人接口还是通过自动化脚本触发这个“.skill”都能代替我去应对那些海量的、重复的咨询和文档工作。2. “技能蒸馏”的核心逻辑从人类经验到可执行代码把一个人的经验变成可执行的代码这个过程我称之为“技能蒸馏”。它听起来有点玄乎但拆解开来核心是三步场景定义、逻辑拆解和工具封装。2.1 第一步精准定义技能边界——什么能做什么坚决不做这是最重要的一步决定了你的技能是否实用。你不能指望一个技能解决所有问题。我的方法是拿出过去一个月的聊天记录和待办事项进行归类高频重复问答例如“产品A的技术参数是什么”、“服务B的交付周期是多久”、“最新的报价单在哪里”。这些问题有固定答案且被问及的频率极高。标准化文档操作例如根据客户提供的Excel名单批量生成定制化的合同草案从销售数据Excel中自动提取本周TOP5客户并生成简要报告整理会议纪要固定格式的邮件草拟。简单决策路由例如用户问“我想投诉”技能能识别这是投诉类问题并自动回复标准安抚话术同时提示我或转交给工单系统。用户问“如何购买”技能能给出标准购买流程链接。对于“小肥肠.skill”我明确它的边界只处理已有明确知识库我提供的内的问答以及我预设好流程的、基于模板的Excel/文档操作。所有模糊的、需要深度创意或复杂谈判的问题它会礼貌地表示“这个问题已超出我的当前能力将为您转接给负责人”并通知我。划定清晰的边界是技能稳定运行、不给用户错误期待的前提。2.2 第二步拆解我的处理逻辑——把“下意识”变成“流程图”对于每一个纳入技能范围的任务我需要把自己大脑的处理过程写下来。比如处理“发我一份报价单”这个请求我的本能反应1. 确认对方需要哪个产品/服务套餐的报价。2. 在云盘固定文件夹找到对应的最新版报价单模板。3. 如果是老客户我会在文件名中加入客户名和日期。4. 通过聊天工具发送文件。技能的逻辑流程图意图识别通过关键词“报价单”、“报价”、“价格表”触发。参数提取询问或识别用户消息中是否包含产品名称如“产品A套餐”。如果没有则列出所有可选产品清单让用户选择。文件定位根据选择的产品映射到本地或云存储的固定文件路径./templates/quote_[产品名].docx。个性化处理查询对话上下文或简单询问获取客户名称。在复制模板后将文件名重命名为[客户名称]_报价_[日期].docx。交付将最终文件发送给用户。这个过程就是把模糊的经验变成清晰的if...else...、查询 - 判断 - 执行的代码逻辑。这里推荐使用draw.io或Miro这样的工具先画流程图再着手写代码思路会清晰很多。2.3 第三步选择合适的实现工具——Hermes-Agent与Python的黄金组合定义了场景和逻辑就需要技术来实现。我选择了Hermes-Agent作为技能的“大脑”和“交互外壳”用Python作为技能的“手和脚”来处理具体任务。为什么是 Hermes-AgentHermes-Agent 是一个开源的AI智能体框架它的一大优势是对Skill有很好的原生支持。你可以把Skill写成独立的Python脚本或插件Hermes-Agent能方便地加载、管理这些技能并提供统一的对话接口。它处理了对话状态管理、意图识别可以结合大语言模型等复杂问题让我能专注于技能本身的业务逻辑。部署上无论是在Windows、macOS还是WSLWindows Subsystem for Linux环境下都有相对清晰的指引。为什么是 Python因为我要处理的核心是Excel和文档自动化而Python在这方面有无比强大的库支持pandas,openpyxl,python-docx同时也是连接各种API如云存储、邮件最方便的语言。对于“一人公司”的场景Python的学习曲线和开发效率是最优解。一个简单的技能文件结构示例my_skills/ ├── quote_skill.py # 报价单处理技能 ├── excel_report_skill.py # Excel报表技能 ├── knowledge_base.json # 问答知识库 └── requirements.txt # Python依赖库在quote_skill.py中我会定义一个主要的处理函数例如handle_quote_request(product_name, client_name)里面包含上述流程图的所有步骤。3. 实战构建“Excel处理”核心技能在我的业务中Excel数据处理是重灾区。下面我以“从销售数据中提取本周TOP5客户并生成报告”这个技能为例拆解具体实现。3.1 技能触发与参数设计这个技能不会被动等待问答而是可以主动触发或定时触发。在Hermes-Agent中我可以配置一个定时任务或者设置一个简单的命令如“生成周报”来触发它。技能需要几个参数数据源路径销售Excel表格的固定位置。日期范围默认为“本周”计算上周一至上周日。排序字段默认为“销售额”也可以是“订单数”。输出格式是直接在聊天窗口输出文字摘要还是生成一个简化的Excel文件或Markdown报告。3.2 使用Pandas进行高效数据处理这是技能的核心。假设我们的销售数据表sales_data.xlsx有日期、客户名称、产品、销售额、订单数等列。import pandas as pd from datetime import datetime, timedelta def generate_weekly_top5(data_path./data/sales_data.xlsx): # 1. 读取数据 # 注意如果Excel文件很大或有特殊格式可能需要openpyxl引擎 try: df pd.read_excel(data_path, engineopenpyxl) except FileNotFoundError: return 错误未找到销售数据文件。 # 2. 处理日期筛选本周数据 df[日期] pd.to_datetime(df[日期]) today datetime.now() start_of_week today - timedelta(daystoday.weekday() 7) # 上周一 end_of_week start_of_week timedelta(days6) # 上周日 mask (df[日期] start_of_week) (df[日期] end_of_week) weekly_df df.loc[mask] if weekly_df.empty: return f本周{start_of_week.date()}至{end_of_week.date()}暂无销售数据。 # 3. 按客户聚合数据 grouped weekly_df.groupby(客户名称).agg({ 销售额: sum, 订单数: count }).reset_index() # 4. 按销售额排序取TOP5 top5_clients grouped.nlargest(5, 销售额) # 5. 格式化输出 report_lines [f【本周销售TOP5客户报告{start_of_week.date()} - {end_of_week.date()}】] for i, (_, row) in enumerate(top5_clients.iterrows(), 1): report_lines.append(f{i}. {row[客户名称]} - 销售额¥{row[销售额]:,.2f} (订单数{row[订单数]})) # 计算总计 total_sales top5_clients[销售额].sum() total_orders top5_clients[订单数].sum() report_lines.append(f\nTOP5客户总销售额¥{total_sales:,.2f}占总周期销售额的 {(total_sales/weekly_df[销售额].sum()*100):.1f}%。) return \n.join(report_lines) # 这个函数的返回结果可以直接被Hermes-Agent发送给用户。注意这里有个关键细节Excel中数字经常带有千分符如1,234.56直接用pandas读取可能会被识别为字符串。需要在读取前确保单元格格式为“数字”或使用pd.read_excel(..., thousands,)参数来处理。这正是热词中提到的“去除千分符”问题在实际中的解决方案。3.3 让技能更智能处理异常与模糊输入一个健壮的技能必须能处理各种意外情况。文件不存在或格式错误代码中已经有了基本的try...except。日期列名不匹配可以尝试常见的列名变体如date,Date,销售日期或者让技能在初始化时“学习”一次数据表的列结构。用户模糊输入比如用户说“看看上周卖得最好的几个客户”。这里就需要结合Hermes-Agent的语义理解能力将“上周”映射到具体的日期范围将“卖得最好”映射到“按销售额排序”将“几个”默认为5个。这需要在技能配置里定义清晰的**意图Intent和实体Entity**映射关系。4. 集成与部署让“小肥肠”真正跑起来技能开发完后需要集成到Hermes-Agent中并部署到一个能持续运行的环境。4.1 将Python技能封装为Hermes-Agent插件Hermes-Agent通常通过一个配置文件如config.yaml来加载技能。你需要为你的技能创建一个适配器。# config.yaml 片段 skills: - name: weekly_report type: python path: ./my_skills/excel_report_skill.py handler: generate_weekly_top5 # 指定调用的函数名 triggers: - keyword: 生成周报 - schedule: 0 18 * * 5 # 每周五下午6点自动触发 (Cron表达式) - name: quote_sender type: python path: ./my_skills/quote_skill.py handler: handle_quote_request在Hermes-Agent的主程序中它会加载这个配置当检测到关键词“生成周报”或定时任务触发时便调用对应的Python函数并将结果返回给对话流。4.2 选择部署环境Windows、WSL还是云服务器本地Windows最适合快速原型验证。直接安装Python、Hermes-Agent在本地命令行运行。缺点是电脑关机技能就停了。WSLWindows Subsystem for Linux很多开发工具在Linux环境下更稳定。如果你习惯Linux命令行这是一个折中方案。部署方式和在纯Linux下类似。云服务器推荐对于“一人公司”购买一个最低配的云服务器如腾讯云/阿里云的轻量应用服务器一年成本并不高。将技能部署在云上可以保证7x24小时在线。你需要在服务器上配置Python环境。使用git拉取你的技能代码库。使用systemd或supervisor这样的进程管理工具将Hermes-Agent作为后台服务运行并设置开机自启。将技能需要访问的数据文件如Excel模板也放在服务器上或配置好对云存储如OSS、COS的访问权限。4.3 持续维护与技能迭代技能不是一劳永逸的。业务变化技能也需要更新。知识库更新将knowledge_base.json文件放在版本控制如Git中任何业务信息的变更如价格调整、产品更新都先更新这个文件然后重启或热重载技能。日志与监控在技能代码中加入日志记录记录每次被触发、处理的输入和输出。这能帮你发现技能理解错误的地方用于迭代优化。技能商店思维当你构建了多个技能excel_report.skill,quote_sender.skill,faq_bot.skill你可以像管理一个应用商店一样管理它们。哪个技能使用频率最高哪个技能常出错根据数据驱动进行优化。5. 避坑指南与效能评估在开发“小肥肠.skill”的过程中我踩过不少坑也总结出一些让技能真正产生效能的关键点。5.1 开发过程中的三个“大坑”坑一过度追求通用性导致技能臃肿且脆弱最初我想做一个“什么Excel问题都能解决”的技能。结果代码变得极其复杂处理简单任务也慢而且一旦遇到一个未预料到的表格格式整个技能就可能崩溃。教训一个技能只做好一件事深度优先于广度。“数据提取.skill”和“格式调整.skill”就应该分开。坑二忽视错误处理和用户引导早期版本中如果Excel文件被其他程序打开锁定技能只会抛出一个Python异常然后沉默。用户完全不知道发生了什么。必须为每一个可能出错的地方设计友好的提示语。例如“看起来您的销售数据表格正在被其他程序可能是Excel使用请关闭它后再试一次。”坑三安全风险技能如果可以直接读写服务器上的重要文件就需要考虑权限问题。特别是当技能可以通过网络接口被触发时。解决方案为技能运行设置一个权限受限的系统用户。对技能能访问的文件目录进行严格限制。如果处理用户上传的文件一定要在沙箱环境或临时目录中进行并进行病毒扫描和格式校验。5.2 如何量化技能带来的效率提升“一人公司”的每一分时间投入都要看回报。我用了两个简单的方法来评估时间日志对比法在技能上线前一周记录我花在“重复答疑”和“手工处理Excel”上的时间。上线后一周再次记录。我的数据显示这两类事务的耗时减少了约70%。这释放出的时间我投入到了产品新功能的开发上。客户满意度间接反馈以前客户问问题我可能半小时甚至几小时后才回复。现在对于标准问题几乎是秒回。我注意到客户在催问和抱怨上的消息明显减少这间接提升了客户体验。5.3 技能不是替代是增强最重要的一点认知是“小肥肠.skill”不是要替代我而是把我的时间从低价值的重复劳动中解放出来。它处理的是“已知的未知”我知道会被问什么问题只是回答太频繁和“确定的流程”。而那些需要创意、战略决策和复杂沟通的“未知的未知”仍然需要我亲自处理。它的存在让我能更聚焦于这些真正决定业务上限的核心工作。通过这次“自我蒸馏”我不仅构建了一个实用的自动化工具更完成了一次对自身工作流的深度梳理和标准化。这个过程本身就带来了效率的极大提升。对于所有在琐事中挣扎的独立开发者、自由职业者和一人公司经营者我都建议你尝试一下把你最头疼的那部分工作“蒸馏”成一个专属的.skill。