← ClaudeAtlas

domain-masterlisted

为一个垂直行业构建专属「领域 Master 智能体」的方法:定义业务对象与关系(语义层)、圈定可信数据源、设计判断规则、配置动作接口、建评测集。当要把一个行业的专业知识封装成 Agent、让用户「一句话完成一件专业事」、或从「数据供应商」升级为「决策服务商」时使用。当用户说「给这个行业做个 AI 专家」「怎么让 Agent 真正懂这行」「领域智能体怎么设计」「Master 模式是什么」时使用。
Trustbaselab/trustbase-skills · ★ 1 · AI & Automation · score 74
Install: claude install-skill Trustbaselab/trustbase-skills
# 领域 Master 构建法 ## 何时使用 - 要把一个垂直行业的专业知识封装成 Agent - 现有 Agent 只做后台支撑(监控/采集/记账),用户用不上 - 要从「查数据」升级到「给专业判断」 - 要给一个行业做「用户说一句话就完成」的产品 **不适用**: - 只做通用问答 → 不需要领域 Master - 只做数据查询 → 用 MCP/工具即可 --- ## 核心区别:职能 Agent vs 领域 Master 这一条决定了产品能不能被用户用起来。 | 类型 | 例子 | 用户能直接用吗 | |---|---|:-:| | **职能 Agent**(后台工蜂) | 心跳探针、采集器、记账员、验证器 | ❌ 看不见 | | **领域 Master**(前台专家) | 「材料专家」「合规专家」「选型专家」 | ✅ 一句话完成 | **⭐ 一支舰队应该两种都有:** ``` 后台:N 个工蜂负责采集/监控/验证/记账(保障数据可靠) 前台:M 个 Master 负责接客(用户直接对话) ⭐ 只有工蜂 = 用户看不见(跑得再勤也没用) ⭐ 只有 Master = 没有数据支撑(答得再顺也是空话) ``` --- ## 执行流程(六步) ### ① 定义「业务对象」(语义层的地基) **⭐ 这一步决定了这个 Master 聪不聪明。做错了后面全错。** 把行业里**真实存在、有名字、能指认**的东西列出来: ``` ❌ 错:列「数据表」「字段」「API」 ✅ 对:列「客户能指着说这是什么」的东西 例(rCB 行业): 牌号 / 厂商 / 生产线 / 检测方法 / 认证 / 政策 / 价格区间 / 废料来源 例(碳行业): 产品 / 工艺路线 / 核算边界 / 排放因子 / 认证方案 / 申报义务 ``` **验收标准:一个行业老兵看到这个列表,会说「对,我们平时就是这么说的」。** ### ② 定义「对象之间的关系」(这决定 Master 能不能推理) **⭐ 关系比属性更重要。属性只能查,关系才能推理。** ``` 例(rCB): 牌号 --[可替代]--> 牌号 (带替代比例上限) 牌号 --[检测用]--> 检测方法 (带 ASTM 编号) 牌号 --[生产于]--> 厂商 牌号 --[受管制]--> 政策/法规 厂商 --[位于]--> 地区 ⭐ 有了关系,用户问「这个牌号能替代 N550 吗、要测什么、出口要注意什么」 才能串成一条推理链,而不是三次独立查询。 ``` ### ③ 圈定「可信数据源」(决定答案敢不敢用) 每个对象都要有明确的数据来源和可信等级: ``` | 对象 | 一手源 | 二手源 | 允许标 A 的条件 | | 牌号 | 厂商官网 datasheet | 论文/行业媒体 | 厂商官方文件 + 逐字 quote | | 政策 | 政府/法规官网 | 律所解读 | 官方原文可访问 | | 价格 | —— | 交易市场/行业报价 | ⚠️ 价格永远不给单点数字 | ``` **⭐ 没有一手源的对象,答案必须降级披露,不能装成确定。** ### ④ 设计「判断规则」(Skill 形态,不是 prompt 形态) **⭐ 这是 Master 和「普通聊天机器人」的分水岭。** 判断规则要写成**可执行的判据**,不是模糊描述: ``` ❌ 弱:「根据参数综合判断牌号」 ✅ 强: ① 先看灰分:>X%