关键在于将变动部分抽离为输入参数，使Skill像函数一样复用逻辑：定义「项目类型」「核心约束条件」「交付物格式偏好」三类参数，替换提示词中具体信息为占位符；通过JSON Schema校验和智能字段映射实现结构化输入；再经语义分块、锚点识别与跨块引用解析精准处理多源材料。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在超级麦吉AI中让同一个Skill稳定处理多个项目材料，关键不是反复改提示词，而是把变化的部分抽离成可声明的输入参数，让Skill像函数一样接收不同数据、复用同一套逻辑。
明确区分固定逻辑与变动数据
打开超级麦吉 → 进入「神奇流程 Magic Flow」→ 新建或编辑目标Skill → 在「输入定义」区域点击「+ 添加参数」。
为每个可能变动的项目特征单独设一个参数：比如「项目类型」（下拉单选：App需求文档 / 电商活动方案 / 教育课件）、「核心约束条件」（文本框，允许用户填写“需兼容iOS16+”“预算≤5万元”等）、「交付物格式偏好」（单选：Markdown / Word / PPT大纲）。【这三类参数覆盖90%项目差异，不加它们，Skill就只能硬编码适配单一场景】
删掉原提示词里所有带具体项目名、日期、人名的句子，替换成{{项目类型}}、{{核心约束条件}}这类占位符。
用结构化输入兜住非标材料
方法一：预设模板校验规则
在Skill的「输入校验」设置中，勾选「强制结构化」→ 选择「JSON Schema」→ 粘贴如下最小可用模板：
{"project_name":"string","source_materials":[{"type":"enum[requirements,script,data]","content":"string"}],"deadline":"date"}
用户上传Word/PDF时，系统会自动触发OCR+解析，将内容按type字段归类进数组；若上传的是纯文本，则弹出表单引导补全project_name和deadline字段。
方法二：启用动态字段映射
在「输入映射」面板开启「智能字段识别」→ 勾选「从文档标题提取项目代号」→ 设置正则表达式：Project-(\w+)-\d{4}。当用户上传文件名为《Project-FeHelper-2026Q4需求说明书.docx》时，自动提取FeHelper填入「项目代号」参数，无需手动填写。
让Skill主动识别材料语义边界
第一步：在Skill执行流开头插入「语义分块节点」
选择「按逻辑单元切分」而非「按字数切分」，模型会自动识别章节标题、列表项、代码块等结构，避免把一段API说明和下个功能点混在一起处理。
第二步：配置「上下文锚点」
在分块后添加「锚点识别」步骤，设定关键词组：["用户故事","验收标准","接口定义","异常场景"]。只要原文出现这些词，后续300字符内内容自动标记为对应模块，供后续步骤定向调用。
第三步：启用「跨块引用解析」
勾选「解析指代关系」选项。当材料中出现“如上所述的权限模型”时，Skill能回溯前文定位到“RBAC三级权限体系”定义段落，而不是报错或跳过。
这一步必须开启，否则处理含大量交叉引用的产品需求文档时，Skill会漏掉关键约束条件。
