惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

博客园_首页
V
Visual Studio Blog
J
Java Code Geeks
Engineering at Meta
Engineering at Meta
爱范儿
爱范儿
Vercel News
Vercel News
博客园 - 聂微东
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
W
WeLiveSecurity
B
Blog RSS Feed
P
Privacy International News Feed
Latest news
Latest news
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
The Hacker News
The Hacker News
人人都是产品经理
人人都是产品经理
D
Docker
Blog — PlanetScale
Blog — PlanetScale
C
Cisco Blogs
T
Threatpost
aimingoo的专栏
aimingoo的专栏
C
Cybersecurity and Infrastructure Security Agency CISA
T
The Blog of Author Tim Ferriss
P
Proofpoint News Feed
有赞技术团队
有赞技术团队
L
Lohrmann on Cybersecurity
F
Full Disclosure
H
Help Net Security
Microsoft Azure Blog
Microsoft Azure Blog
Stack Overflow Blog
Stack Overflow Blog
月光博客
月光博客
博客园 - 【当耐特】
T
Threat Research - Cisco Blogs
Security Latest
Security Latest
雷峰网
雷峰网
T
Tor Project blog
Cisco Talos Blog
Cisco Talos Blog
Spread Privacy
Spread Privacy
K
Kaspersky official blog
I
Intezer
The Register - Security
The Register - Security
宝玉的分享
宝玉的分享
P
Proofpoint News Feed
P
Privacy & Cybersecurity Law Blog
Simon Willison's Weblog
Simon Willison's Weblog
腾讯CDC
U
Unit 42
T
Tenable Blog
IT之家
IT之家
NISL@THU
NISL@THU

博客园 - 哥本哈士奇(aspnetx)

医疗器械行业 Salesforce Territory 完整落地实例 Raw Data Vault vs Business Data Vault Neo4j 多跳查询实战:从社交网络场景理解图遍历 Git 本地版本管理学习笔记 看完《低智商犯罪》,学习Cypher构建知识图谱 LangChain DeepAgents 学习笔记 LangChain Deepagent 版本0.6.1中间件一个bug Neo4j笔记(五):查询的处理流程 微软 SQL Server 版本演进史:从诞生到 SQL Server 2025 提升 Text2SQL 准确率 SQLServer Management Studio(SSMS) 22 Copilot 最佳实践学习笔记 SQLServer RAG笔记4:从服务层到前端交互 SQLServer RAG笔记5:为SQLServer 2025配置Ollama SQL Server RAG 笔记3:SQLServer2025 向量数据库 详解传统RAG、Text2SQL、Graph RAG:适用场景与问题示例汇总 SQL Server RAG 笔记2:图数据库服务层与前端可视化构建 SQL Server RAG 笔记1:图数据库构建 Neo4j 笔记(四):一篇文章如何入库的 数据仓库笔记 第六篇:PSA 层 SCD2 处理方式 数据仓库笔记 第五篇:Data Mart 层(数据集市) 数据仓库笔记 第四篇:Star Schema 层(维度建模) 数据仓库笔记 第三篇:常用缓慢变化维处理方式介绍 数据仓库笔记 第二篇:PSA 层(持久化暂存区)详解 数据仓库笔记 第一篇:数据仓库的定义、历史与意义 Neo4j 笔记(三):数据建模与程序连接实战 Neo4j 基础教程(二):Cypher CRUD 完全指南 Neo4j 基础教程(一):安装与快速入门 Power BI学习笔记第20篇:面试题汇总 · 第三篇:高级应用与最佳实践篇 Power BI学习笔记第19篇:面试题汇总 · 第二篇:数据建模与 DAX 篇 Power BI学习笔记第18篇:面试题汇总 · 第一篇:基础概念篇 Power BI学习笔记第15篇:企业级报表开发与最佳实践 Power BI学习笔记第13篇:高级可视化与自定义图表 Power BI学习笔记第14篇:Power Query 高级数据处理 Power BI学习笔记第12篇:DAX 高级计算与性能优化 Power BI学习笔记第11篇:高级数据建模与关系设计 Power BI学习笔记第10篇:实战案例 — 销售数据分析仪表板 Power BI学习笔记第08篇:报表交互与筛选器 Power BI学习笔记第09篇:Power BI Service 发布与共享 Power BI学习笔记第07篇:可视化图表设计与最佳实践 Power BI学习笔记第06篇:DAX 进阶:时间智能与复杂计算 Power BI学习笔记第05篇:DAX 基础:计算列与度量值 Power BI学习笔记第04篇:数据建模与关系管理 Power BI学习笔记第03篇:Power Query 数据清洗与转换 Power BI学习笔记第02篇:数据获取与连接数据源 Power BI学习笔记第01篇:Power BI 简介与环境搭建 Power BI Dashboard 常用布局方案推荐 Power BI 示例一览 OpenClaw 核心八大 MD 文件 Microsoft Agent Framework 智能体调用工具 Microsoft Agent Framework 创建智能体 一个简单案例理解OpenClaw的做梦过程 SQLAlchemy 学习笔记 LangChain RAG索引与查询 - 学习笔记 LangChain使用deep agent并且加载SKILL 本地系统对接大模型智能体的若干尝试 财务分析报告 - 常用Power BI DAX公式详解 使用小龙虾来操作猿编程的遥控车 使用OpenClaw的Skills对接本地系统 OpenClaw必装Skill全指南 Dify Agentic RAG 笔记 # 简单的神经网络计算过程 - 正负判断 使用Gradio构建AI前端 - RAG的QA模块 使用Gradio构建AI前端 - RAG召回测试 Streamlit + LangChain 1.0 简单实现智能问答前后端 利用AI Agent,辅助销售团队制定培训和考试内容 实现AI和BI整合的初步思路和探索-Part3 实现AI和BI整合的初步思路和探索-Part2 实现AI和BI整合的初步思路和探索 以《出师表》作为例子,对比通用分块和父子分块的区别 LangChain RAG 学习笔记:从文档加载到问答服务 记录无法修改OneDrive文件的解决方法 Power BI制作指标达成跟踪器 Power BI学习笔记-周报销售数据分析
用SKILL实现请假流程信息收集
哥本哈士奇(aspnet · 2026-04-01 · via 博客园 - 哥本哈士奇(aspnetx)

用SKILL实现请假流程信息收集

以前的公司在OC里上线了机器人功能,可以对接HR系统,实现请假流程的对接。
相比以前的方式,如果需要请假,那么就需要单独的登录到HR的系统里,找到相应的页面,就成灰比较繁琐。
但是有了这个机器人功能,就可以在OC系统里,用对话的方式,完成这个请假的操作。

比如:
当我输入:我想在后天请一天年假。
系统会直接从我的对话里找取到必要信息,比如请假的时间,从20260405到20240405,请假的类型为年假。
之后机器人带着这些信息,以及从上下文获取到的我的个人信息,就可以对接HR系统里对应的接口,完成这次操作。

它的方便之处还在于,有时候用户的给的信息可能是不全的,比如:
当输入:我想休天假。
那么系统就会发现,请假时间的信息不明确,请假的类型也不明确。
所以就会继续询问用户,以确认请假的具体时间,和请假的类型。

我记得第一次看到这个系统是在2024年,那时候AI应用已经成型了,那时Dify之类的工具也都已发布,所以实现这么一个流程是可行的,只是设计会繁琐一些,需要逐个节点取做判断。

直到2025年年底,Claude开始发布SKILL功能,并且公开了标准,很多平台都有在跟进,于是我想,是否可以利用SKILL功能,来实现这个请假流程的信息收集。

于是我打开TRAE,让TRAE帮我创建这个SKILL,然后也可以在TRAE里测试这个SKILL。
打开TRAE,输入如下内容:

帮我写一个请假的SKILL,
触发:当用户想要请假的时候出发。

需要确认的信息:
请假的类型,包括:事假,年假,病假
请假的开始时间
请假的结束时间

首先从用户的消息中尝试判断这些信息。
如果不包含这些信息,则依次向用户提问确认这些信息。

以下是TRAE生成的SKILL,符合我的预期。

---
name: "leave-request"
description: "处理用户的请假请求,确认请假类型、开始时间和结束时间。当用户想要请假时触发。"
---

# 请假处理

## 功能描述

该SKILL用于处理用户的请假请求,需要确认以下信息:

1. **请假类型**:事假、年假、病假
2. **请假开始时间**:具体的日期
3. **请假结束时间**:具体的日期

## 触发条件

当用户表达想要请假的意图时触发,例如:
- "我想请事假"
- "我需要请年假"
- "我想请病假"
- "我想请假"

## 处理流程

1. **信息提取**:首先从用户的消息中尝试提取以下信息:
   - 请假类型
   - 开始时间
   - 结束时间

2. **信息确认**:如果用户消息中不包含全部必要信息,则依次向用户提问确认:
   - 首先确认请假类型(如果未提供)
   - 然后确认开始时间(如果未提供)
   - 最后确认结束时间(如果未提供)

3. **信息汇总**:收集完所有信息后,向用户确认请假详情。

## 示例对话

**示例1:用户提供完整信息**
用户:我想请事假,从5月1日到5月3日
系统:好的,我已收到您的请假请求。您将请事假,从5月1日到5月3日,共3天。

**示例2:用户只提供部分信息**
用户:我想请假
系统:请问您要请什么类型的假?(事假、年假、病假)
用户:事假
系统:请问您的请假开始时间是?
用户:5月1日
系统:请问您的请假结束时间是?
用户:5月3日
系统:好的,我已收到您的请假请求。您将请事假,从5月1日到5月3日,共3天。

**示例3:用户只提供完整信息**
用户:我想在明天请一天年假
系统:好的,我已收到您的请假请求。您将请事假,从5月1日到5月1日,共1天。

## 注意事项

- 时间格式建议使用明确的日期格式,如"5月1日"、"2026-05-01"等
- 请假类型仅支持:事假、年假、病假
- 确保开始时间早于结束时间

接下来做几个测试:

我想在明天请一天年假
Builder
好的,我已收到您的请假请求。您将请年假,从2026年4月2日到2026年4月2日,共1天。

我
我想在后天请一天病假
Builder
好的,我已收到您的请假请求。您将请病假,从2026年4月3日到2026年4月3日,共1天。

我
我想在后天请两天病假。
Builder
好的,我已收到您的请假请求。您将请病假,从2026年4月3日到2026年4月4日,共2天。

我
我想休一天假
Builder
请问您要请什么类型的假?(事假、年假、病假)

我
年假
Builder
请问您的请假开始时间是?

我
后天
Builder
请问您的请假结束时间是?

我
后天
Builder
好的,我已收到您的请假请求。您将请年假,从2026年4月3日到2026年4月3日,共1天。

我
我想休天假
Builder
请问您要请什么类型的假?(事假、年假、病假)

我
事假
Builder
请问您的请假开始时间是?

我
20250505
Builder
请问您的请假结束时间是?

我
20250506
Builder
好的,我已收到您的请假请求。您将请事假,从2025年5月5日到2025年5月6日,共2天。

基本上用SKILL的方式完美的实现了跟先前一样的信息确认流程。
后续让Agent带着这些信息,去调取相应的接口就可以了。