Phi-3 Forest Laboratory 构建技能创造器Skill Creator低代码定义AI能力你有没有想过让一个AI智能体帮你订咖啡、整理邮件或者生成周报听起来很酷但一想到要写一堆复杂的代码、定义各种规则是不是瞬间就头大了这正是很多开发者和业务人员面临的困境。AI智能体的潜力巨大但构建一个真正能用的“技能”往往需要跨越编程、API集成、逻辑设计等多重门槛。有没有一种方法能让定义AI技能像搭积木一样简单今天我们就来聊聊Phi-3 Forest Laboratory里的一个“神器”——技能创造器Skill Creator。它的核心目标就是让你用最少的代码甚至不用写代码就能教会AI智能体一项新本领。1. 从想法到技能传统路径的“拦路虎”在深入技能创造器之前我们先看看传统方式定义一个AI技能有多麻烦。假设你想让智能体学会“发送一封带有附件的邮件”。一个完整的技能至少包含这几个部分意图理解智能体得明白用户说“帮我发个邮件”是什么意思。参数提取收件人、主题、正文、附件路径这些信息从哪里来怎么验证邮箱格式对不对执行逻辑调用哪个邮件服务的API怎么处理认证附件怎么上传错误处理网络断了怎么办附件太大怎么办收件人邮箱不存在怎么办结果反馈发送成功了怎么告诉用户失败了又该怎么提示这一套流程下来即使对一个有经验的开发者也得花上不少时间查阅文档、调试代码。对于没有技术背景的业务专家来说更是无从下手。他们最清楚业务需要什么“技能”却卡在了实现的最后一公里。技能创造器要解决的就是这个问题。它试图在“我有一个好想法”和“AI真的学会了这个技能”之间架起一座低代码甚至零代码的桥梁。2. 技能创造器初探图形化与自然语言双引擎那么Phi-3 Forest Laboratory的技能创造器到底长什么样怎么用简单来说它为你提供了两条定义技能的“捷径”。2.1 图形化组装像画流程图一样定义技能对于有明确流程的技能图形化界面是最直观的方式。你不需要写任何语法只需要在画布上拖拽几个“节点”并把它们连起来。整个界面可能分为几个区域技能触发器定义什么情况下启动这个技能。比如当用户输入中包含“发邮件”、“发送邮件给”等关键词时。参数配置面板像填表格一样定义技能需要的所有输入。对于“发邮件”技能你会看到“收件人”、“主题”、“正文”、“附件”等字段。你还可以为每个字段指定类型文本、数字、文件路径、是否必填以及简单的验证规则如“必须包含符号”。逻辑编排画布这是核心区域。你可以从侧边栏拖入各种预置的“动作块”。获取参数块从用户输入或上下文中提取出“收件人”、“主题”等信息。验证块检查邮箱格式是否合法。API调用块这里你可以选择一个预置的“发送邮件”API模板例如基于SMTP或某个云服务商的API然后只需要填入你的服务器地址、认证密钥等信息。条件判断块如果发送成功则…如果失败则…响应块定义最终返回给用户的消息。你只需要用连线把这些块按照执行顺序连接起来一个技能的骨架就完成了。这就像在绘制一个可视化的程序流程图但背后生成的是实实在在的可执行代码框架。2.2 自然语言描述用说话的方式“教”AI如果你觉得拖拽模块还不够简单或者你想定义的技能逻辑比较独特没有现成的模块那么可以试试直接“告诉”AI。在技能创造器的另一个界面有一个大大的输入框。你可以用自然语言描述你想要的技能。例如你可以输入“创建一个名为‘智能周报生成器’的技能。它每周五下午自动运行从Jira读取我名下本周状态为‘已完成’的任务从GitLab提取我本周的代码提交记录然后整理成一份格式清晰的Markdown周报最后通过邮件发送给我和我的主管。”接下来Phi-3模型就会开始它的表演。它会尝试理解你的描述并自动生成以下内容技能元信息名称、描述、触发方式定时任务。参数列表可能会询问你Jira和GitLab的访问令牌、主管的邮箱等。伪代码/代码框架它会生成一个Python函数的大致结构里面用注释标明了关键步骤def generate_weekly_report(jira_token, gitlab_token, manager_email): # 步骤1: 使用 jira_token 调用 Jira API查询本周已完成的任务 # 步骤2: 使用 gitlab_token 调用 GitLab API查询本周的提交记录 # 步骤3: 将任务和提交记录整理为 Markdown 格式文本 # 步骤4: 调用邮件发送函数将周报发送给指定邮箱 # 步骤5: 返回执行结果状态 passAPI接口描述草案它可能会建议这个技能对外提供一个REST API并生成大致的OpenAPI规范片段说明如何调用这个技能。当然AI生成的只是一个高度智能化的“草稿”。它可能无法一次性完美处理所有细节比如具体的API调用参数但它为你完成了最耗时的结构化设计和基础代码填充工作。你要做的是在这个草稿的基础上补充一些具体的实现细节比如填写真实的API端点或者调整一些逻辑。3. 技能创造器的核心助力Phi-3模型做了什么在整个过程中Phi-3模型扮演着“智能助手”和“代码生成器”的双重角色。它的能力渗透在每一个环节理解与拆解当你用自然语言描述时Phi-3首先理解你的意图并将模糊的需求拆解成“触发条件”、“输入参数”、“执行步骤”、“输出结果”等结构化要素。逻辑推断与补全当你只说“发邮件”Phi-3会根据常识推断出可能需要“收件人”、“主题”、“正文”等参数。当你配置一个API调用块时它可能会提示你“这个API通常还需要一个Authorization头”。代码生成与模板填充这是它的看家本领。根据图形化编排的逻辑或自然语言描述的结构Phi-3能够生成对应编程语言如Python的代码框架。它知道如何组织函数、定义参数、添加基本的错误处理try-catch块并插入对应的库引用和API调用模板。文档与规范生成一个完整的技能还需要使用说明。Phi-3可以辅助生成技能的描述文档、API接口文档Swagger/OpenAPI格式甚至是如何在对话中调用这个技能的示例语句。本质上技能创造器是将Phi-3强大的代码生成和理解能力封装成了一个面向特定领域技能定义的友好界面。它把“从头开始写一个程序”的挑战降低为“描述需求”和“确认细节”的对话。4. 实战演练三步创建一个“会议纪要生成”技能光说不练假把式。我们来看一个更具体的例子创建一个“会议纪要生成”技能。第一步自然语言描述我们在创造器的输入框里写下“创建一个技能能根据一场在线会议的录音文件或文字转录稿自动提取关键议题、讨论要点、决策事项和待办任务Action Items并生成结构清晰的会议纪要。”第二步Phi-3生成技能草稿点击生成后技能创造器会展示Phi-3为我们构建的草稿技能名称Meeting_Minutes_Generator输入参数audio_file(可选音频文件)transcript_text(可选文字稿)meeting_topic(可选会议主题用于辅助理解)处理逻辑框架如果提供了audio_file先调用语音转文本服务。对文本进行总结提取“关键议题”。识别文本中关于“决定”、“同意”、“通过”等表述提取为“决策事项”。识别文本中“需要”、“负责”、“下周前完成”等表述提取为“待办任务”。将以上内容填充到一个预设的Markdown模板中。输出一份Markdown格式的会议纪要文本。同时它会生成一个包含了上述逻辑注释的Python函数框架并提示我们需要接入一个语音转文本API如OpenAI Whisper和一个文本总结/提取的LLM API。第三步图形化微调与发布我们可以在图形界面中对Phi-3生成的草稿进行微调。比如在“参数验证”区域增加规则audio_file和transcript_text不能同时为空。在逻辑画布中将“调用文本总结LLM”这个动作块从通用的ChatGPT调用块替换为我们内部部署的某个专用总结模型块。最后点击“发布”这个技能就会被封装成一个API或者直接注册到你的AI智能体技能库中等待被调用。5. 技能创造器的价值与边界通过上面的介绍你应该能感受到技能创造器的魅力了。它的核心价值在于极大降低门槛让业务专家、产品经理等非专业开发者也能参与定义AI能力将领域知识快速转化为生产力。提升开发效率即使是专业开发者也能借助它快速原型化一个技能避免重复的脚手架代码编写。促进标准化通过统一的界面和框架创建技能有利于团队内部技能的复用、管理和迭代。当然它也不是万能的。目前这类工具通常更擅长处理结构化程度高、逻辑相对标准的技能如数据查询、信息发送、内容格式化。对于需要复杂决策、深厚领域知识或创造性思维的技能它生成的更多是一个“模板”或“起点”仍然需要开发者进行大量的深度定制和优化。6. 总结Phi-3 Forest Laboratory的技能创造器代表了一种令人兴奋的方向让AI来帮助人们构建更多的AI能力。它把定义技能的权力从代码编辑器转移到了更贴近人类思维的自然语言和可视化界面。这不仅仅是效率工具更是一种思维方式的转变。未来我们构建AI应用的过程可能会更像是在“培训”或“指导”一个数字员工告诉它“我需要你学会做这个做那个”而不是一行行地为其编写指令。如果你正在探索AI智能体的开发或者苦于如何将业务需求快速转化为自动化能力不妨关注一下这类低代码技能定义平台。从用一个简单的技能开始尝试你可能会发现让人工智能为你工作比想象中要容易那么一点点了。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
Phi-3 Forest Laboratory 构建技能创造器（Skill Creator）：低代码定义AI能力
发布时间：2026/5/20 15:41:11
Phi-3 Forest Laboratory 构建技能创造器Skill Creator低代码定义AI能力你有没有想过让一个AI智能体帮你订咖啡、整理邮件或者生成周报听起来很酷但一想到要写一堆复杂的代码、定义各种规则是不是瞬间就头大了这正是很多开发者和业务人员面临的困境。AI智能体的潜力巨大但构建一个真正能用的“技能”往往需要跨越编程、API集成、逻辑设计等多重门槛。有没有一种方法能让定义AI技能像搭积木一样简单今天我们就来聊聊Phi-3 Forest Laboratory里的一个“神器”——技能创造器Skill Creator。它的核心目标就是让你用最少的代码甚至不用写代码就能教会AI智能体一项新本领。1. 从想法到技能传统路径的“拦路虎”在深入技能创造器之前我们先看看传统方式定义一个AI技能有多麻烦。假设你想让智能体学会“发送一封带有附件的邮件”。一个完整的技能至少包含这几个部分意图理解智能体得明白用户说“帮我发个邮件”是什么意思。参数提取收件人、主题、正文、附件路径这些信息从哪里来怎么验证邮箱格式对不对执行逻辑调用哪个邮件服务的API怎么处理认证附件怎么上传错误处理网络断了怎么办附件太大怎么办收件人邮箱不存在怎么办结果反馈发送成功了怎么告诉用户失败了又该怎么提示这一套流程下来即使对一个有经验的开发者也得花上不少时间查阅文档、调试代码。对于没有技术背景的业务专家来说更是无从下手。他们最清楚业务需要什么“技能”却卡在了实现的最后一公里。技能创造器要解决的就是这个问题。它试图在“我有一个好想法”和“AI真的学会了这个技能”之间架起一座低代码甚至零代码的桥梁。2. 技能创造器初探图形化与自然语言双引擎那么Phi-3 Forest Laboratory的技能创造器到底长什么样怎么用简单来说它为你提供了两条定义技能的“捷径”。2.1 图形化组装像画流程图一样定义技能对于有明确流程的技能图形化界面是最直观的方式。你不需要写任何语法只需要在画布上拖拽几个“节点”并把它们连起来。整个界面可能分为几个区域技能触发器定义什么情况下启动这个技能。比如当用户输入中包含“发邮件”、“发送邮件给”等关键词时。参数配置面板像填表格一样定义技能需要的所有输入。对于“发邮件”技能你会看到“收件人”、“主题”、“正文”、“附件”等字段。你还可以为每个字段指定类型文本、数字、文件路径、是否必填以及简单的验证规则如“必须包含符号”。逻辑编排画布这是核心区域。你可以从侧边栏拖入各种预置的“动作块”。获取参数块从用户输入或上下文中提取出“收件人”、“主题”等信息。验证块检查邮箱格式是否合法。API调用块这里你可以选择一个预置的“发送邮件”API模板例如基于SMTP或某个云服务商的API然后只需要填入你的服务器地址、认证密钥等信息。条件判断块如果发送成功则…如果失败则…响应块定义最终返回给用户的消息。你只需要用连线把这些块按照执行顺序连接起来一个技能的骨架就完成了。这就像在绘制一个可视化的程序流程图但背后生成的是实实在在的可执行代码框架。2.2 自然语言描述用说话的方式“教”AI如果你觉得拖拽模块还不够简单或者你想定义的技能逻辑比较独特没有现成的模块那么可以试试直接“告诉”AI。在技能创造器的另一个界面有一个大大的输入框。你可以用自然语言描述你想要的技能。例如你可以输入“创建一个名为‘智能周报生成器’的技能。它每周五下午自动运行从Jira读取我名下本周状态为‘已完成’的任务从GitLab提取我本周的代码提交记录然后整理成一份格式清晰的Markdown周报最后通过邮件发送给我和我的主管。”接下来Phi-3模型就会开始它的表演。它会尝试理解你的描述并自动生成以下内容技能元信息名称、描述、触发方式定时任务。参数列表可能会询问你Jira和GitLab的访问令牌、主管的邮箱等。伪代码/代码框架它会生成一个Python函数的大致结构里面用注释标明了关键步骤def generate_weekly_report(jira_token, gitlab_token, manager_email): # 步骤1: 使用 jira_token 调用 Jira API查询本周已完成的任务 # 步骤2: 使用 gitlab_token 调用 GitLab API查询本周的提交记录 # 步骤3: 将任务和提交记录整理为 Markdown 格式文本 # 步骤4: 调用邮件发送函数将周报发送给指定邮箱 # 步骤5: 返回执行结果状态 passAPI接口描述草案它可能会建议这个技能对外提供一个REST API并生成大致的OpenAPI规范片段说明如何调用这个技能。当然AI生成的只是一个高度智能化的“草稿”。它可能无法一次性完美处理所有细节比如具体的API调用参数但它为你完成了最耗时的结构化设计和基础代码填充工作。你要做的是在这个草稿的基础上补充一些具体的实现细节比如填写真实的API端点或者调整一些逻辑。3. 技能创造器的核心助力Phi-3模型做了什么在整个过程中Phi-3模型扮演着“智能助手”和“代码生成器”的双重角色。它的能力渗透在每一个环节理解与拆解当你用自然语言描述时Phi-3首先理解你的意图并将模糊的需求拆解成“触发条件”、“输入参数”、“执行步骤”、“输出结果”等结构化要素。逻辑推断与补全当你只说“发邮件”Phi-3会根据常识推断出可能需要“收件人”、“主题”、“正文”等参数。当你配置一个API调用块时它可能会提示你“这个API通常还需要一个Authorization头”。代码生成与模板填充这是它的看家本领。根据图形化编排的逻辑或自然语言描述的结构Phi-3能够生成对应编程语言如Python的代码框架。它知道如何组织函数、定义参数、添加基本的错误处理try-catch块并插入对应的库引用和API调用模板。文档与规范生成一个完整的技能还需要使用说明。Phi-3可以辅助生成技能的描述文档、API接口文档Swagger/OpenAPI格式甚至是如何在对话中调用这个技能的示例语句。本质上技能创造器是将Phi-3强大的代码生成和理解能力封装成了一个面向特定领域技能定义的友好界面。它把“从头开始写一个程序”的挑战降低为“描述需求”和“确认细节”的对话。4. 实战演练三步创建一个“会议纪要生成”技能光说不练假把式。我们来看一个更具体的例子创建一个“会议纪要生成”技能。第一步自然语言描述我们在创造器的输入框里写下“创建一个技能能根据一场在线会议的录音文件或文字转录稿自动提取关键议题、讨论要点、决策事项和待办任务Action Items并生成结构清晰的会议纪要。”第二步Phi-3生成技能草稿点击生成后技能创造器会展示Phi-3为我们构建的草稿技能名称Meeting_Minutes_Generator输入参数audio_file(可选音频文件)transcript_text(可选文字稿)meeting_topic(可选会议主题用于辅助理解)处理逻辑框架如果提供了audio_file先调用语音转文本服务。对文本进行总结提取“关键议题”。识别文本中关于“决定”、“同意”、“通过”等表述提取为“决策事项”。识别文本中“需要”、“负责”、“下周前完成”等表述提取为“待办任务”。将以上内容填充到一个预设的Markdown模板中。输出一份Markdown格式的会议纪要文本。同时它会生成一个包含了上述逻辑注释的Python函数框架并提示我们需要接入一个语音转文本API如OpenAI Whisper和一个文本总结/提取的LLM API。第三步图形化微调与发布我们可以在图形界面中对Phi-3生成的草稿进行微调。比如在“参数验证”区域增加规则audio_file和transcript_text不能同时为空。在逻辑画布中将“调用文本总结LLM”这个动作块从通用的ChatGPT调用块替换为我们内部部署的某个专用总结模型块。最后点击“发布”这个技能就会被封装成一个API或者直接注册到你的AI智能体技能库中等待被调用。5. 技能创造器的价值与边界通过上面的介绍你应该能感受到技能创造器的魅力了。它的核心价值在于极大降低门槛让业务专家、产品经理等非专业开发者也能参与定义AI能力将领域知识快速转化为生产力。提升开发效率即使是专业开发者也能借助它快速原型化一个技能避免重复的脚手架代码编写。促进标准化通过统一的界面和框架创建技能有利于团队内部技能的复用、管理和迭代。当然它也不是万能的。目前这类工具通常更擅长处理结构化程度高、逻辑相对标准的技能如数据查询、信息发送、内容格式化。对于需要复杂决策、深厚领域知识或创造性思维的技能它生成的更多是一个“模板”或“起点”仍然需要开发者进行大量的深度定制和优化。6. 总结Phi-3 Forest Laboratory的技能创造器代表了一种令人兴奋的方向让AI来帮助人们构建更多的AI能力。它把定义技能的权力从代码编辑器转移到了更贴近人类思维的自然语言和可视化界面。这不仅仅是效率工具更是一种思维方式的转变。未来我们构建AI应用的过程可能会更像是在“培训”或“指导”一个数字员工告诉它“我需要你学会做这个做那个”而不是一行行地为其编写指令。如果你正在探索AI智能体的开发或者苦于如何将业务需求快速转化为自动化能力不妨关注一下这类低代码技能定义平台。从用一个简单的技能开始尝试你可能会发现让人工智能为你工作比想象中要容易那么一点点了。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
