

> 创作日期：2026-05-25 | 字数：约3,200字 | 适用社区：腾讯云开发者社区
> 本文是AI审计自动化系列文章的第5篇。前4篇分别探讨了底稿自动化、质控引擎、风险识别和数据安全，本文聚焦一个开发者高频需求：如何用WorkBuddy的Skill系统封装自己的专业知识，让AI成为真正懂审计的助手。

---

## 一、为什么你需要自定义技能

WorkBuddy作为AI编程助手，出厂时是一个"通才" -- 会写代码、能读文件、懂通用分析。但通才不等于专家。当你把一份审计底稿丢给它时，你不希望它用"通用方法"处理，你希望它：

- 知道"审计报告审查11项清单"是什么，自动按清单逐项检查
- 理解"P0/P1/P2问题分级法"，对发现的问题自动标注严重程度
- 按照大华模板的格式导出数据，而不是随便画一个表格
- 在"国资复核"场景下，自动加载五维度审阅框架

这就是Skill系统的价值：**把审计专家的隐性知识，变成AI可以执行的操作指令**。

本文通过一个完整的实战案例 -- 构建"存货计价测试"技能 -- 带你走一遍从需求分析到上线维护的完整流程。本文所有示例基于WorkBuddy真实环境验证通过。

---

## 二、Skill系统架构速览

### 2.1 一个Skill是什么

从技术角度看，每个Skill就是一个Markdown文件（SKILL.md），存放在 `~/.workbuddy/skills/<skill-name>/` 目录下。它包含三部分：

| 组成部分 | 说明 | 示例 |
|----------|------|------|
| **Frontmatter（YAML头）** | 定义名称、描述、触发条件、安装位置 | `name: 存货计价测试-加权平均法` |
| **触发描述** | 告诉AI什么时候该加载这个Skill | "当用户提供含有月度收发存数据..." |
| **执行指令** | AI加载后要遵循的操作流程和规则 | 计算步骤、表格格式、输出模板 |

Skill加载后，其全部内容会被注入到AI的上下文中，AI会严格按Skill中的规则执行任务。

### 2.2 技能调度机制

WorkBuddy内置了技能调度系统（skill-dispatcher）。当你发起一个任务时，调度器会自动匹配最合适的Skill。匹配逻辑支持：

- **关键词触发**：用户消息中出现特定词汇时自动加载
- **场景推断**：根据对话历史判断当前处于什么工作场景
- **手动指定**：用户明确说"用XX技能"

如果匹配不确定，调度器会向用户确认后再加载，避免误用。

---

## 三、实战案例：构建"存货计价测试"技能

### 3.1 需求分析

**业务场景**：审计师做存货审计时，需要验证企业期末存货计价是否准确。按月末一次加权平均法，对存货月度收发存数据逐月推算期末单价，与企业账面单价对比，识别差异。

**输入**：Excel文件，含会计期间、存货编码、料品分类、品名、成本单位、期初数量/金额、收入数量/金额、发出数量/金额、期末数量/金额。

**输出**：计价测试表，含推定单价、账面单价、差异额、差异率，超标项标红。

**性能要求**：支持数千行数据，计算时间不超过30秒。

### 3.2 编写SKILL.md

以下是这个Skill的核心代码结构（完整版约200行）：

```yaml
---
name: 存货计价测试-加权平均法
description: >
  存货计价测试技能，按月末一次加权平均法对存货月度收发存数据
  进行计价测试。当用户提供含有月度收发存数据时触发。
allowed-tools: Read, Write, Bash, Edit
triggers:
  - 存货计价测试
  - 加权平均法
  - 存货计价
  - 计价测试
---

# 存货计价测试 - 加权平均法

## 触发条件
当用户提供含有月度收发存数据的Excel文件，且要求进行存货计价测试时触发。

## 执行流程

### 步骤1：数据读取
- 使用Python pandas读取Excel文件
- 必须包含列：会计期间、存货编码、料品分类、品名、成本单位、
  期初数量、期初金额、收入数量、收入金额、发出数量、发出金额、
  期末数量、期末金额

### 步骤2：逐月推算加权平均单价
- 加权平均单价 = (期初金额 + 本期收入金额) / (期初数量 + 本期收入数量)
- 推定发出金额 = 发出数量 × 加权平均单价
- 推定期末金额 = 期初金额 + 本期收入金额 - 推定发出金额

### 步骤3：差异计算
- 差异额 = 账面期末金额 - 推定期末金额
- 差异率 = 差异额 / 推定期末金额（推定期末金额=0时跳过）

### 步骤4：输出
- 生成计价测试表（Excel）
- 差异率超过阈值（默认5%）的行标红
- 汇总差异分布统计
```

### 3.3 核心Python代码实现

下面是实现加权平均法核心计算逻辑的Python代码。这段代码可以直接在WorkBuddy中运行：

```python
import pandas as pd
import numpy as np

def weighted_average_test(df):
    """
    按月末一次加权平均法进行存货计价测试。
    
    参数:
        df: DataFrame, 必须包含会计期间、存货编码、期初数量、期初金额、
            收入数量、收入金额、发出数量、发出金额、期末数量、期末金额
    
    返回:
        DataFrame, 添加推定单价、账面单价、差异额、差异率列
    """
    # 按存货编码和会计期间排序
    df = df.sort_values(['存货编码', '会计期间']).reset_index(drop=True)
    
    results = []
    
    for code, group in df.groupby('存货编码'):
        group = group.copy()
        
        for i in range(len(group)):
            period_open_qty = group.iloc[i]['期初数量']
            period_open_amt = group.iloc[i]['期初金额']
            period_in_qty = group.iloc[i]['收入数量']
            period_in_amt = group.iloc[i]['收入金额']
            period_out_qty = group.iloc[i]['发出数量']
            period_out_amt = group.iloc[i]['发出金额']
            book_end_qty = group.iloc[i]['期末数量']
            book_end_amt = group.iloc[i]['期末金额']
            
            # 处理零值或空值
            total_qty = (period_open_qty or 0) + (period_in_qty or 0)
            total_amt = (period_open_amt or 0) + (period_in_amt or 0)
            
            if total_qty > 0 and total_amt > 0:
                weighted_price = total_amt / total_qty
            else:
                weighted_price = 0
            
            # 推定发出金额
            calc_out_amt = (period_out_qty or 0) * weighted_price
            
            # 推定期末金额
            calc_end_amt = total_amt - calc_out_amt
            
            # 账面单价（期末金额/期末数量）
            if book_end_qty and book_end_qty > 0:
                book_price = book_end_amt / book_end_qty
            else:
                book_price = 0
            
            # 差异计算
            diff_amt = (book_end_amt or 0) - calc_end_amt
            if calc_end_amt != 0:
                diff_rate = diff_amt / abs(calc_end_amt)
            else:
                diff_rate = 0 if book_end_amt == 0 else float('inf')
            
            group.loc[group.index[i], '推定单价'] = round(weighted_price, 4)
            group.loc[group.index[i], '账面单价'] = round(book_price, 4)
            group.loc[group.index[i], '推定期末金额'] = round(calc_end_amt, 2)
            group.loc[group.index[i], '差异额'] = round(diff_amt, 2)
            group.loc[group.index[i], '差异率'] = round(diff_rate * 100, 2)
        
        results.append(group)
    
    result_df = pd.concat(results, ignore_index=True)
    return result_df


def export_report(df, threshold=5.0, output_path='计价测试结果.xlsx'):
    """
    导出计价测试报告，超标项标红。
    """
    with pd.ExcelWriter(output_path, engine='openpyxl') as writer:
        df.to_excel(writer, sheet_name='计价测试明细', index=False)
        workbook = writer.book
        worksheet = writer.sheets['计价测试明细']
        
        # 差异率超过阈值的行标红
        from openpyxl.styles import PatternFill, Font
        red_fill = PatternFill(start_color='FFCCCC', end_color='FFCCCC', fill_type='solid')
        red_font = Font(bold=True, color='CC0000')
        
        diff_col = df.columns.get_loc('差异率') + 1  # openpyxl是1-based
        for row_idx, val in enumerate(df['差异率'], start=2):
            if abs(val) > threshold:
                for col in range(1, len(df.columns) + 1):
                    worksheet.cell(row=row_idx, column=col).fill = red_fill
                worksheet.cell(row=row_idx, column=diff_col).font = red_font
        
        # 汇总统计
        summary = pd.DataFrame([
            {'指标': '总行数', '数值': len(df)},
            {'指标': '超标行数(差异率>' + str(threshold) + '%)', 
             '数值': len(df[abs(df['差异率']) > threshold])},
            {'指标': '超标占比', 
             '数值': f"{len(df[abs(df['差异率']) > threshold]) / len(df) * 100:.1f}%"},
            {'指标': '最大差异率(%)', '数值': df['差异率'].max()},
            {'指标': '平均差异率(%)', '数值': f"{df['差异率'].mean():.2f}"},
        ])
        summary.to_excel(writer, sheet_name='汇总统计', index=False)
    
    print(f'报告已保存至: {output_path}')
    print(f'总行数: {len(df)}, 超标行数: {len(df[abs(df["差异率"]) > threshold])}')
    return output_path


# 使用示例
if __name__ == '__main__':
    df = pd.read_excel('存货收发存数据.xlsx')
    result = weighted_average_test(df)
    export_report(result, threshold=5.0)
```

### 3.4 测试验证

一个好的Skill需要经过真实场景的验证。以下是测试清单：

| 测试用例 | 预期结果 | 验证要点 |
|----------|----------|----------|
| 标准数据（20条记录） | 计算正确，导出完整 | 逐项对比手动计算结果 |
| 空值数据（部分字段为空） | 不报错，空值按0处理 | 鲁棒性 |
| 零数量数据（收发存全为0） | 不除以零，差异率显示inf | 边界处理 |
| 大数据量（5000条） | 30秒内完成 | 性能验收 |
| 多编码混合 | 各编码独立计算，不串行 | 分组逻辑正确性 |

测试中发现的问题（如边界处理不完善）应直接在Skill中修正，形成"测试 -- 修正 -- 再测试"的闭环。

---

## 四、技能开发的进阶技巧

### 4.1 多技能组合调度

单一技能解决单一场景，但复杂审计工作往往需要多个技能协同。以一个典型的"国资评估复核"任务为例：

```
任务：审核一份矿业权评估报告
    ↓
skill-dispatcher 自动匹配:
    ├── 估值专家 → 加载评估方法检查框架
    ├── 审计专家 → 加载P0/P1/P2问题分级
    └── 税务专家 → 检查涉税事项处理
    ↓
三个技能的输出合并，生成综合审查报告
```

这种"一任务多技能"的协同模式，让AI从单一工具箱变成了有组织的审计团队。

### 4.2 技能内嵌决策规则

好的Skill不是操作说明书，而是决策引擎。以"审计报告审查"技能中的风险分级规则为例：

```markdown
## P0/P1/P2问题分级规则

### P0（致命问题）
- 报告正文数据与财务报表不一致
- 审计意见类型与发现的问题不匹配
- 审计范围受到重大限制但未在报告中披露

### P1（重要问题）
- 关键审计事项段缺失或披露不充分
- 持续经营能力存在重大不确定性但未充分披露
- 关联交易披露不完整

### P2（一般问题）
- 格式不规范（字号、行距、标题层级）
- 文字表述不严谨但无重大歧义
- 索引编号错误
```

AI加载Skill后，不仅会按清单检查，还会根据问题的严重程度自动分级，并在报告中给出差异化的处理建议。

### 4.3 技能的版本迭代

Skill不是一次写完就完事的。以下是建议的迭代策略：

- **V1.0（初版）**：能跑通主流程，覆盖70%的常见场景
- **V1.1（补全）**：从真实用例中补充边界条件和异常处理
- **V1.2（优化）**：优化提示词表述，提升AI理解和执行的一致率
- **V2.0（扩展）**：增加新的子场景支持，如从加权平均法扩展到先进先出法

每次迭代都应在SKILL.md文件末尾记录变更日志，便于追溯。

---

## 五、构建你自己的技能库

### 5.1 选题原则

不是所有审计工作都适合做技能化。选择标准：

1. **重复性高**：每月/每季度都要做的工作（如月度底稿检查）
2. **规则明确**：有固定的操作步骤和判断标准（如计价测试）
3. **数据驱动**：输入/输出可以结构化（如Excel表格）
4. **价值显著**：做成技能后能节省至少50%的时间

### 5.2 起步建议

如果你刚开始接触Skill开发，建议从以下三个技能起步：

| 序号 | 推荐技能 | 难度 | 适用场景 |
|------|----------|------|----------|
| 1 | 审计报告格式检查 | 低 | 检查Word报告的大华模板合规性 |
| 2 | 账龄分析自动生成 | 中 | 从明细账自动计算账龄并生成分析表 |
| 3 | 科目余额表异常识别 | 中高 | 多期对比，自动标记重大波动 |

### 5.3 常见陷阱与对策

**陷阱一：Skill写得太泛**

"帮我做审计" -- 这种描述，AI根本不知道具体要做什么。正确做法是把场景切小、切具体，每个Skill只做一件事。

**陷阱二：忘记异常处理**

数据里总有意外 -- 负数、空值、格式错误。好的Skill应该预设这些情况并优雅处理，而不是让AI在运行时报错。

**陷阱三：依赖过时的知识**

会计准则在变、税法在变、监管要求在变。Skill中的引用（如准则编号、税率）需要定期检查更新。

---

## 六、总结

Skill系统是WorkBuddy区别于通用AI助手的核心能力 -- 它让你能把审计业务的隐性知识显性化、结构化、可执行化。本文通过存货计价测试的完整案例，展示了从需求分析、结构设计、代码实现到测试验证的全流程。

**Actionable要点：**

1. **从小场景切入**：第一个Skill选一个你每周都在做的重复性工作，控制在100行以内
2. **先跑通再优化**：V1.0的目标是能正确完成80%的情况，边缘case留到下个版本
3. **写好触发描述**：这是Skill被正确调用的关键，用具体的关键词和场景描述
4. **保留变更日志**：在SKILL.md文件末尾记录每次修改的时间和内容，方便回溯
5. **与社区共享**：好用的Skill可以考虑发布到社区，同时从社区获取其他人的Skill加速你的开发

---

*作者简介：资深注册会计师，长期从事国有企业审计与资产评估工作，WorkBuddy重度用户。本文基于真实项目经验撰写，所有代码均在实际审计场景中验证。

创作日期：2026-05-25 | 字数：约3,200字 | 适用社区：腾讯云开发者社区 本文是AI审计自动化系列文章的第5篇。前4篇分别探讨了底稿自动化、质控引擎、风险识别和数据安全，本文聚焦一个开发者高频需求：如何用WorkBuddy的Skill系统封装自己的专业知识，让AI成为真正懂审计的助手。

WorkBuddy技能开发实战：从零构建你的专业审计AI助手

合伙人

人工智能

开发工具

职业发展

WorkBuddy的Skill系统让AI掌握审计专业知识，本文以存货计价测试为例，详解如何封装审计规则为可执行技能。从需求分析、Markdown编写到Python实现，手把手教你构建专业AI助手，提升审计效率50%以上。适合审计师、财务人员及AI开发者学习实践。

数据安全

风险识别

大数据

WorkBuddy 

Python

2026年中大促 | AI 领航 智绘未来

腾讯云BI新客户首次购买9.9元起！


文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

WorkBuddy技能开发实战：从零构建你的专业审计AI助手-腾讯云开发者社区-腾讯云

WorkBuddy技能开发实战：从零构建你的专业审计AI助手

WorkBuddy技能开发实战：从零构建你的专业审计AI助手

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐