一、问题显现：AI助手的能力局限与痛点

笔者在养龙虾时，曾遗留了一个问题：为啥无法通过飞书机器人发图片给我

虾仁一通分析后，给出了3个方案，我选择了本地保存图片的方案

结果，虾仁告诉我方案3有很大的局限性，并且引导我用其他方案

笔者自然不信它的PUA，将问题丢给豆包，它立刻就给出了完整的解决方案，我再丢给虾仁执行，经过反复几轮折腾。虾仁搞定了

这一过程让我明白：虾仁核心问题是缺乏 “自我认知”，不清楚能力边界、不会借助外部工具，这也是专用 AI 的通病。通用大模型可弥补其局限，因此我设计 ask-ai Skill，让虾仁遇难题时主动向通用大模型求助、自主完成任务。

PS：PUA虾仁复盘问题

PS：要求虾仁总结工作原则提炼到agent.md/soul.md，同时设计一个向通用AI求助的skill

二、方案设计：ask-ai Skill的核心框架搭建

为解决虾仁的能力边界问题，我设计了6 步 ask-ai Skill，核心是让它具备自我认知 + 主动求助能力：

三、问题排查：测试过程中暴露的核心问题

笔者原以为明确流程与话术后，虾仁可顺利完成自主求助，但实际测试显示，其执行过程存在诸多漏洞，增加沟通成本。梳理后发现4项致命问题，也让笔者认识到，优质Skill需在实践中不断优化。

问题1：缺乏心跳机制，陷入被动等待

首次测试中，虾仁触发ask-ai Skill并向豆包发送问题后，陷入停滞状态，不执行后续操作、不同步进度，仅被动等待回复。笔者等待5分钟无反馈，询问后得知其一直在等待豆包回复。

核心问题：未设置心跳机制，无法主动获取回复状态，若大模型响应延迟或卡顿，将导致求助流程停滞。笔者明确要求添加心跳机制，主动获取回复进度。

问题2：缺乏发送校验，导致求助流程中断

优化后第二次测试，虾仁主动获取回复，但豆包始终未收到求助信息。截图显示，其编辑完求助内容却未点击发送，导致流程中断，其表示默认输入后会自动发送。

核心问题：Skill未设置发送校验步骤，前期操作无效。笔者要求发送后添加校验，确认成功后再进入等待环节，失败则重新发送。

问题3：无法识别求助场景，触发ask-ai

测试过程中，虾仁获得豆包的回复后，会变成机械的传话和执行，不再主动思考，同时，在遇到难题后不再询问豆包，而是回到老样子，建议我手动处理，这不符合触发求助skill的逻辑。

问题4：缺乏持续求助意识，将问题反馈给用户

第四次测试，虾仁完成流程并发送图片，但图片尺寸不符合飞书要求、识别效果差。笔者要求调整后，其再次回复“你手动操作吧”。

核心问题：方案执行未达预期时，未持续求助反而将问题推回用户，违背Skill设计目标。笔者要求执行出现问题时，立即触发持续求助直至问题解决。

上述问题表明，Skill设计需兼顾流程与细节，AI助手仅能按预设逻辑执行，预设逻辑的严谨性直接决定使用效果。

四、优化迭代：ask-ai Skill的完善与落地

针对测试暴露的4项问题，笔者与虾仁逐一制定优化方案，确保Skill正常运行，所有方案均基于实际场景，具备可落地性。

优化1：添加心跳轮询机制，避免被动等待

为Skill添加心跳轮询机制：虾仁发送求助后，按“30秒→1分钟”间隔主动轮询回复，最多5次；若未收到回复，自动提示用户是否更换模型，避免无效等待并保证灵活性。

优化2：增加发送校验步骤，确保求助信息传递

添加发送校验步骤：虾仁点击发送后，自动截图识别输入框状态及“发送成功”提示，确认发送成功后进入等待环节，失败则自动重试，确保流程顺畅。

优化3：设置多轮求助规则，确保解决方案可落地

调整对话流程，要求虾仁获取回复后，先判断方案是否“具体可执行”；若模糊则多轮追问（最多2~3轮），直至获取可落地步骤，确保求助效果。

优化4：添加决策检查点，强化持续求助意识

添加决策检查点：虾仁遇到问题或执行未达预期时，先判断“解决把握度”，低于50%则自动触发求助，尤其用户指出问题时，需直接求助，杜绝推诿。

优化后再次测试，虾仁顺利完成全流程：触发求助→发送校验→心跳轮询→多轮追问→方案验证→执行反馈，成功生成符合要求的图片并发送至飞书群，标志着Skill实现预期目标。

五、实践总结：Skill 设计的核心思考值

本次 ask-ai Skill 的实践，让我对 AI Agent 与 Skill 设计形成了更本质的认知：

1. Skill 的设计初衷：用 “求助” 补全能力边界

我给 AI 助手「虾仁」配置的 minmax2.5 模型，虽能完成基础操作，但仍频繁 “降智”，需要我手动打开豆包、千问等通用大模型查询解法。设计 ask-ai Skill 的核心目标，正是让专用 AI 主动向更强的通用模型求助：

补全能力：让 “降智” 的虾仁借力通用大模型，突破自身能力边界；

降本提效：减少无效 token 消耗，免去我手动中转信息的过程；

解放双手：让 AI 自主解决问题，无需用户介入。

2. Skill 的设计本质：将人类经验复制给 Agent

我将虾仁当作 “人” 来设计 Skill，完全复刻人类解决问题的逻辑：

这印证了一个核心观点：写 Skill 本质是将人类的问题解决经验，复制给 AI Agent—— 它会像人一样犯粗心、浅尝辄止、推卸责任的错误，也需要像人一样在实践中不断学习、迭代。

3. Skill 的价值：AI 的终极能力是 “会求助”

没有任何模型是 “全能” 的，专用 AI 有边界，通用模型有优势。与其花费大量时间教 AI 一个个具体功能，不如教会它 **“自知之明” 与 “主动求助”**：

知道自己不会；

知道该向谁求助；

知道如何高效求助；

知道如何将答案转化为行动。

附：跟agent长时间对话后，由于上下文过长导致，它失智后，我的怒气值也上来了，多次痛骂这玩意…