System Skills 是什么：从 Axon 入门教程理解 AI 数字员工底座

System Skills 是 Axon 内置的可执行能力单元，用来把研究、文档生成、邮件发送等重复、手动、耗时、容易出错的白领工作拆成可检查的步骤。很多用户第一次接触 AI 数字员工时，会把它理解成一个更会聊天的助手；但在 Axon 入门教程里，真正的主线不是聊天，而是用 Research、PDF、Email 三个能力组装出一个可以手动试跑、生成文件、等待邮件确认、再进入自动运行的 Agent。

这篇文章围绕已经完成的 Axon 入门教程展开。教程里的目标很具体：创建一个名为“公开研究报告分发”的 Agent，让它根据公开主题生成 Markdown 研究报告，导出 PDF，再把 PDF 作为附件发送到指定邮箱。这个案例之所以适合作为入门入口，是因为它同时展示了可执行能力、结构化输出、外部动作确认和定时任务边界。

这个 AI 数字员工底座的价值在于，它让用户先看见每一步真实产物，再决定哪些流程可以继续被封装和自动化。

如果你还没有理解 Agent 表单如何从业务目标生成，可以先参考如何用 AI 助手和 AI 构建组装第一个 Agent；如果已经准备检查一条完整链路，后文会和Research、PDF、Email 工作流拆解形成互补。

核心判断：如果一个 AI 工具只能回答问题，它还不是数字员工；当它能按固定步骤调用能力、产出文件并接受验收时，才开始接近可运营的 AI 工作流。

为什么入门教程从 AI 数字员工底座开始

Axon 官网把“AI 数字员工”放在产品能力分类下，而入门教程选择 Research、PDF、Email 作为第一条链路，并不是为了展示功能数量，而是为了让用户看到一条完整路径：

1. 先用 AI 助手确认业务目标。
2. 再用 AI 构建把目标转成 Agent 表单。
3. 手动试跑，检查研究结果、PDF 文件卡片和邮件确认卡。
4. 通过验收后，再考虑 Trust Mode 和定时执行。

这个顺序降低了新用户的理解成本。用户不需要一开始就掌握所有能力域，只需要理解一件事：平台内置能力负责“能做什么”，Agent 负责“按什么顺序做”，人工验收负责“什么时候可以放心自动化”。

System Skills 与普通提示词的区别

普通提示词通常只描述一次回答，结果很难复用。System Skills 则有明确的 Skill ID、Action、参数、权限和输出。以教程里的三步为例：

教程步骤	Skill	Action	主要输出	风险边界
生成公开研究报告	std-internet-research	deep-research-flash	Markdown 研究报告	自动执行，需检查来源
导出 PDF	std-office-pdf	generate	PDF 文件卡片	自动执行，需检查格式
发送邮件	std-internet-email	send_email	邮件确认卡和发送结果	Confirm 权限，需人工确认

这张表就是 AI 数字员工底座的骨架。每一步都有输入、输出和边界，用户也能在界面里看到执行进度和结果。System Skills 在这里不是概念包装，而是把“模型回答”变成“可运行步骤”的基础。

User Skills 为什么没有放在第一课

产品事实里，Axon 同时支持 System Skills 和 User Skills。System Skills 是平台维护的标准能力，User Skills 是用户用自然语言封装自己的业务流程。入门教程第一课没有从 User Skill 构建开始，是一个务实选择：新用户需要先看懂平台能调用哪些稳定能力，再学习如何把自己的格式封装进去。

换句话说，第一课先让用户跑通 Research -> PDF -> Email；后续再讲“把你的周报格式、合同清单、发票复核规则封装成 User Skill”。这样用户不会在第一步就陷入自定义逻辑，而是先获得一个可验证结果。

从教程案例拆解能力流

第一步：Research 生成 Markdown

入门教程使用 std-internet-research.deep-research-flash。它适合明确的深度研究请求，而不是泛搜索。用户在教程里输入的是公开研究主题，例如“AI 办公自动化在白领团队中的应用趋势”。预期输出是 Markdown 内容，后续可以传给 PDF 引擎。

好的研究步骤要检查三件事：

• 是否围绕用户给定主题展开。
• 是否说明来源和限制。
• 是否没有把路线图能力写成已经完整上线。

如果研究步骤不稳定，后面的 PDF 和 Email 都没有意义。入门教程把研究结果放在手动试跑里，就是为了让用户先看见内容质量。

第二步：PDF 把 Markdown 变成文件

教程中的第二步是 std-office-pdf.generate。这个能力接收 Markdown 和文件名，输出 PDF 文件卡片。它的价值不是简单“下载一个文件”，而是让 Agent 的中间结果变成可预览、可转发、可验收的业务产物。

实际配置时，可以把参数理解成：

md: 上一步 Research 生成的 Markdown
filename: ai-office-automation-report
template: research_report 或默认模板

PDF 步骤适合放在研究、周报、会议纪要、资料整理之后。它让 AI 数字员工不只停留在对话消息里，而是输出一个可以被团队查看的文件。

第三步：Email 保留确认卡

教程中的邮件步骤是 std-internet-email.send_email。这个 action 的权限是 confirm，因此手动运行时应该出现确认卡。用户需要检查收件人、主题、正文摘要和附件，再决定是否发送。

这个设计很重要。发送邮件是外部动作，不应该和生成文本一样不等待确认。System Skills 的权限边界让用户知道：哪些动作可以直接执行，哪些动作必须停下来确认。

如何用这篇教程设计自己的第一条能力链

如果你正在评估 Axon，可以先不要急着“让 AI 自动处理所有事”。更稳妥的做法是复制入门教程的方法，选择一条短链路：

1. 找一个公开、低风险、可重复的主题。
2. 选择一个能生成中间内容的能力，例如 Research 或 Markdown。
3. 选择一个能形成产物的能力，例如 PDF、HTML、Word 或 Excel。
4. 如果涉及邮件发送，先保持 Trust Mode 关闭。
5. 手动运行一次，检查每一步结果。
6. 通过后再考虑是否需要定时执行。

示例任务说明可以这样写：

我想构建一个公开研究报告分发 Agent。
它需要根据研究主题生成 Markdown 报告，导出 PDF，并把 PDF 作为附件发送到指定邮箱。
邮件发送前必须确认收件人、主题、正文和附件。
不要读取私人文件，不要删除数据，不要自动发送给未验收的收件人。

这段说明和入门教程保持一致，也能帮助 AI 助手先确认目标，再交给 AI 构建填表。

验收清单：如何判断能力底座是稳定的

检查输入是否足够清楚

Agent 的源头数据应当少而清晰。教程中使用 research_topic、report_filename、email_to、email_subject、output_language。这些字段覆盖了研究、文件命名、邮件交付和语言输出，足以支撑第一次试跑。

检查输出是否可人工验收

稳定的 AI 工作流必须产生用户能检查的结果。教程里有三类验收证据：

• Research 的 Markdown 内容。
• PDF 文件卡片和内置预览。
• 邮件确认卡、发送结果和收件箱证明。

这些证据让用户知道流程确实跑通，而不是只看到一句“已完成”。

检查高风险动作是否停下

如果邮件步骤没有确认卡，需要优先检查是否使用了 send_email，以及 Trust Mode 是否在手动试跑前被打开。对外发送、删除、移动和发布都应被视为高风险动作。

常见问题

Q1：System Skills 是否等于所有能力都可以自动运行？

不是。System Skills 表示平台有可执行能力，但每个 action 仍然有权限边界。教程里的 Research 和 PDF 可以自动执行，Email 发送需要确认。

Q2：为什么不直接从构建 User Skill 开始？

入门教程先展示平台内置能力，是为了让用户理解底层能力如何产生结果。等用户熟悉 System Skills 后，再把自己的格式封装成 User Skill 会更稳。

Q3：这和普通聊天助手的区别是什么？

普通聊天助手主要生成一次性回答。Axon 的差异在于 Skill、Agent、Trust Mode、定时任务和文件产物组成一条可验收工作流。用户能看到步骤、输出和确认边界。

下一步

如果你想开始使用 Axon，可以先按教程完成 Research -> PDF -> Email 的手动试跑。跑通后，再继续阅读Trust Mode 如何保护邮件发送边界和定时 Agent 为什么必须先手动验收，逐步把稳定流程组装成可运营的 Agent。