同样请 AI 整理一份客户服务回复，有人得到漂亮的文字，有人得到附上订单依据、保修条件与待确认事项的草稿。差别常藏在资深同事没有写下来的习惯：先查哪个字段、哪些承诺不能做、什么情况需要找主管。当企业开始让 AI 接手工作，这些经验也需要有可以交接的形式。
近期信号：企业开始整理自己的 AI 工作方法
Google 在 2026 年 10 月的 Gemini at Work 发布中，将可复用的技能与企业技能目录列为工作代理的组成。这让企业多了一个值得关注的方向：把部门反复使用的方法整理起来。本文的落地建议是米亚科技的实践设计观点，并非产品功能保证；实际可用功能仍须依方案与提供状态确认。
技能，像是一份给 AI 使用的工作手册
工具让 AI 查订单、读文件或创建草稿；技能则说明何时使用这些工具，以及如何完成一类工作。以客服为例，技能可以要求先确认订单与适用的保修版本，再整理问题、列出缺漏，最后产出回复草稿。知识库提供资料，工具提供操作，技能把步骤与判断连接起来。这些分工可供架构设计参考，不代表不同平台的技能格式能直接互通。
从一件反复发生的小事开始
假设一家设备服务商每周都要处理维修咨询，这是示意场景，并非米亚科技已交付的客户案例。第一个技能可以只负责准备维修受理草稿：读取工单、查询设备型号、整理故障描述，并指出缺少的序列号或照片。先让客服少花时间翻找资料，比一开始就要求 AI 自动判定责任、报价与安排上门，更容易订出清楚的验收条件。
为 SOP 补上示例、异常与交付格式
原本写着“确认保修后回复”的 SOP，对新同事与 AI 都可能不够具体。可用的技能应交代适用工单、必须取得的资料、查询顺序、完成格式，以及需要转交人的情况。例如序列号不符就列为待查，不把相似机型视为同一台设备；文件版本冲突时保留两个来源，请负责人判定。再附上一份合格草稿与一份常见错误，团队就比较容易对齐质量。
连接资料之后，仍要衔接系统规则
Google 10 月发布的中小企业案例提到，品牌设计公司 Sunhouse 使用 Gemini Enterprise 寻找 Google Drive 的历史设计资料。这类案例呈现的是让既有资料更容易被使用；企业若要进一步把结果接入交易流程，还需要自己的规则。维修金额、税额与保修资格应由既有程序或批准的规则计算，AI 负责整理依据、解释与起草。对外承诺、更新正式记录及派工，则依公司权限与审批执行。
让技能有负责人，也有版本
技能文件写着“不得超出权限”，不能取代后端授权。每次操作仍由系统检查身份与可访问范围，外部文件中的指令也不能自动成为公司规则。团队可记录技能负责人、版本、适用日期与引用的制度版本；将密码与密钥放在受控凭证管理中，而不是技能内容。即使平台支持自行改进技能，也应先审阅变更，再让它影响正式工作。
用真实工单验收，让经验逐步积累
挑选已去标识化且获准使用的历史工单，涵盖资料齐全、缺件、过期条款与权限不足等情况。比较同一组工单引入前后的准备时间、遗漏事项、人工修改量与越权尝试。更换模型、工具或保修条款后，再跑一次相同案例，确认技能仍然适用。若变更造成退步，回到前一版，保留原因与修正记录。
米亚科技观点：让公司的经验成为可维护的能力
技能的价值来自业务知识与系统集成一起成长。部门主管说明判断方式，一线同事提供常见异常，工程团队接好资料、权限与可验证的输出。从一个范围清楚的流程开始，让每次改善都留下可复用的方法，企业才能逐步积累自己的 AI 工作能力。