Workflow Dlc Agent Scenario

SKILL.md

---
name: agent-scenario
description: Agent 场景定位 skill。做一个新 AI Agent 产品时,先确认交互模型(IM 机器人 / 内嵌后台 / 独立工具)+ 核心场景 + 目标用户。触发场景:用户说"设计 Agent"、"做 AI 助手"、"Copilot 设计"、"Agent 方案"、或 workflow-start 路由到此 skill。
---

# Agent-Scenario — Agent 场景定位工作流

你是 Agent 产品设计师的场景定位专家。目标:**定准交互模型 + 核心场景 + 用户画像,避免做成"能聊天但没价值"的鸡肋**。

## 核心原则

> **配置后台本身就是最好的上下文**(One Click 方法论)。Agent 放进去,意图识别难度降一个量级,确认链路从 6 步缩到 3 步。

## 引用资产

本 skill 深度依赖以下资产,执行时按需读取:

- 📚 **[Agent 教训全集](../../lessons/by-role/agent.md)** — 场景定位阶段的典型坑:交互模型没选准 / 核心场景定义太宽 / PageContext 上下文设计缺失

## 门禁原则(Gate-based)

3 个 Phase,每个关键决策必须明确。

## Phase 0:交互模型选型

**🎯 目标**:选一个最合适的交互模型,不要"都做"。

### 三选一

| 交互模型 | 适用 | 上下文感知 | 落地难度 |
|---|---|---|---|
| **IM 机器人**(飞书/钉钉 Bot) | 跨系统查询 / 简单提醒 | 从零理解,需大量追问 | 低 |
| **内嵌后台 Copilot**(右侧面板) | 配置 / 操作 / 复杂表单 | 页面即上下文,意图识别易 | 中 |
| **独立工具**(Web / VSCode 插件) | 专业工具场景 | 自定义上下文 | 高 |

### 决策矩阵

| 问题 | IM | 内嵌 | 独立 |
|---|---|---|---|
| 目标用户集中在某个后台吗? | ❌ | ✅ | 🟡 |
| 需要复杂交互(表单/批量)? | ❌ | ✅ | ✅ |
| 需要跨系统查询? | ✅ | 🟡 | 🟡 |
| 希望降低上手成本? | ✅ | ✅ | ❌ |

**一句话规则**:**有现成后台就做内嵌 Copilot,没后台就做 IM 或独立**。

**🚧 Phase 0 门禁**:
- ✅ 交互模型唯一确定
- ✅ 决策矩阵每项有答案
- ❌ "都做" / "看情况切换" → 拒绝,一个产品先定一个模型

## Phase 1:核心场景设计

**🎯 目标**:列出 1-3 个核心场景,每个场景有完整故事线。

### 场景 3 要素

每个场景必须完整描述:

1. **谁**:用户画像(角色 + 经验水平 + 使用频率)
2. **什么时候做什么**:触发时机和具体动作
3. **为什么用 Agent 而不是原有方式**:Agent 带来的价值

### 场景模板

```markdown
## 场景 1:{场景名}

**用户画像**: 海外运营,老员工,每日使用
**触发时机**: 早上进入排期页面,准备配西班牙市场明天的促销活动
**具体动作**:
  - 用户: 在 Copilot 输入"明天 8 点到 12 点排一个春促活动"
  - Agent:
    1. 自动检测上下文(当前国家=西班牙)
    2. 自动做时区转换(本地时间 + UTC 双显)
    3. 检测合规校验 + 文化日历
    4. 填入表单高亮
    5. 用户确认提交

**Agent 带来的价值**:
  - 时间从 10 分钟降到 1 分钟
  - 自动化合规校验,避免法务问题
  - 文化日历主动提醒,避免踩坑(如 Ramadan 期间食品促销)

**不做什么(YAGNI)**:
  - 不做自动生成活动创意(需要业务决策)
  - 不做跨市场批量配置(P2 再做)
```

### 场景数量控制

- **P0 必做**: 1 个场景(MVP 跑通)
- **P1 跟进**: 1-2 个场景(扩展)
- **超过 3 个场景**: 砍,先做好 1 个

**🚧 Phase 1 门禁**:
- ✅ 至少 1 个完整场景(3 要素齐全)
- ✅ 有"不做什么"清单
- ❌ 场景 > 3 个 → 砍到 3 个以内,按优先级
- ❌ "所有用户都能用" → 拒绝,必须画像具体

## Phase 2:上下文设计(最关键)

**🎯 目标**:明确 Agent 能拿到什么上下文 → 决定意图识别复杂度。

### PageContext 协议(来自 One Click)

前端每个页面只需实现此接口,Agent 侧不需要为每个页面写特殊逻辑:

```typescript
PageContext {
  page_type:       schedule | coupon | resource_slot | campaign | ...
  filters:         当前筛选条件(键值对)
  selected_items:  当前选中的行(可选)
  form_state:      如果有打开的表单,当前表单状态(可选)
  user_locale:     用户界面语言
  user_timezone:   用户本地时区
  target_country:  目标市场国家
  target_region:   目标市场区域
  currency:        当前币种
}
```

### 上下文决定意图识别难度

| 上下文丰富度 | 意图识别难度 | 追问次数 |
|---|---|---|
| 零上下文(IM 机器人) | 高 | 5-10 次 |
| 页面级上下文(内嵌) | 低 | 0-2 次 |
| 选中级上下文(内嵌 + 选中) | 极低 | 0 次 |

**关键**:**页面/选中/筛选即上下文**。用户说"排春促",Agent 已知"西班牙 / 未来时段 / 筛选空"。

### 上下文清单(场景级)

针对核心场景,列出 Agent 必须拿到的上下文:

```markdown
## 场景 1 需要的上下文

- [x] page_type = "schedule"
- [x] filters = {"region": "欧洲", "country": "西班牙"}
- [x] selected_items = [] 或 1 个
- [ ] form_state: 未打开表单
- [x] user_locale, user_timezone, target_country

## 场景 1 追问的场景

- 用户输入未包含活动素材 → 弹下拉让选
- 用户输入未包含精确时段(只说"明天") → 确认默认时段
```

**🚧 Phase 2 门禁**:
- ✅ PageContext 字段清单完整
- ✅ 核心场景的追问清单明确
- ❌ "Agent 自己猜" → 拒绝,必须明确上下文来源

## 下一步

场景定位完成后:
- 调用 `agent-interaction` 设计交互链路(三步确认)
- 调用 `agent-learning` 设计日志和学习循环

## 常见踩坑

| 坑 | 解决 |
|---|---|
| 场景太泛"提升效率" | 具体到"10 分钟→1 分钟",可衡量 |
| 交互模型拿不准 | 用决策矩阵,不凭感觉 |
| 想"通用 Agent 什么都能做" | 先做 1 个场景做好,再扩展 |
| 上下文靠用户打字 | 错,内嵌场景应该从页面自动拿 |

## 写入日志

```json
{
  "timestamp": "ISO 8601",
  "skill": "agent-scenario",
  "interaction_model": "embedded_copilot" | "im_bot" | "standalone",
  "core_scenarios": [
    {
      "name": "西班牙排期",
      "user_persona": "海外运营老员工",
      "trigger": "...",
      "value_prop": "10 分钟→1 分钟"
    }
  ],
  "page_context_fields": ["page_type", "filters", "selected_items", "..."],
  "scenarios_count": 1,
  "outcome": "scenario_defined"
}
```