技能未被识别触发时，需检查文件名是否为“.skill”后缀且首行含name字段；添加典型失败案例可提升模型纠错能力；开启语义泛化并注入领域词典能增强真实语料适配性。
☞☞☞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☜☜☜
你把一份行业白皮书喂给超级麦吉，让它按“竞品对比表+风险提示+落地建议”三段式生成分析，结果输出精准；但换一份内部会议录音转写的文字，同样指令却漏掉关键数据、建议空泛——这不是模型能力问题，是技能未适配真实业务语料的典型信号。
确认技能是否被实际调用
在任务输入框下方，点击【执行日志】→ 查看“已激活专家”栏。如果显示的是“通用文本专家”而非你上传的技能名称（如“金融尽调技能_v2”），说明技能未被识别触发。
此时不要重试，先检查上传的技能文件名：必须以“.skill”为后缀，且文件内首行含name: 金融尽调技能_v2字段。缺任一条件，系统会降级为默认专家。
用真实语料微调技能行为
方法一：在技能文件末尾追加「典型失败案例」区块
打开你正在用的.skill文件，在最后新增如下内容（注意缩进与冒号空格）：
failure_cases:- input: "上周渠道复盘会上，张经理提到华东退货率升至18%，但没说原因" output: "未提取具体数值及归属主体，应标注'华东退货率：18%（张经理提出）'"
这一步强制模型学习你定义的“错误”，比单纯给正确示例更有效。每次添加2～3条真实翻车记录即可，过多反而稀释重点。
切换技能匹配模式
第一步：进入工作台右上角【设置】→【AI技能管理】→ 找到目标技能右侧的齿轮图标
第二步：关闭【严格模式】开关 → 开启【语义泛化】
【语义泛化开启后，模型将忽略原始示例中的格式词（如“详见附件表3”），专注提取你真正关心的字段逻辑】
第三步：点击【立即重载】，再提交新任务。该操作不修改技能文件，仅调整运行时匹配策略。
注入领域词典强制对齐
在任务输入框中，于指令前插入一段隐藏提示：
【领域词典】退货率=bad_return_rate；渠道复盘=channel_review；张经理=Zhang_Manager
这行代码会被解析为上下文锚点，后续所有处理都优先按此映射理解术语。无需修改技能文件，适合临时应对术语混乱的原始材料。
