外观

象信控制台
参考

智能体 Skill

给 Claude Code、Codex、Cursor 等编程智能体安装象信 Skill，让它们写出正确、地道的象信集成代码。

智能体 Skill ​

象信 Skill 是一份写给编程智能体看的说明书（SKILL.md）。装好之后，Claude Code、Codex、Cursor 等智能体在帮你写代码时，就能知道象信 API 的请求与响应格式、三种原语（Choice / Score / Noul）该怎么选、常见的模式，以及哪些事情不该交给象信一号去做。

没有这份说明，智能体往往会犯一些典型错误：每个问题单独发一次请求、编造不存在的字段、把计数和日期比较交给模型、到处硬编码置信度阈值。Skill 就是为了纠正这些习惯。

Skill 内容中英文皆可读，智能体用中文或英文与你交流都能正常使用。

安装 ​

bash
claude plugin marketplace add xiangxinai/skills
claude plugin install xiangxin@xiangxinai
bash
# Codex、Cursor、Windsurf、Gemini CLI 等；按提示选择你的智能体，默认装到当前项目，加 -g 装到全局
npx skills add xiangxinai/skills --skill xiangxin
bash
# 从文档站直接下载同一份 SKILL.md（国内网络更快）
mkdir -p .claude/skills/xiangxin
curl -fsSL https://docs.xiangxinai.cn/skills/xiangxin/SKILL.md -o .claude/skills/xiangxin/SKILL.md
# 其他智能体：追加到 AGENTS.md 或放进规则目录（如 .cursor/rules/）

只选一种安装方式即可，避免同一份内容出现多个副本。装到当前项目时，建议把生成的 Skill 文件提交到代码仓库，团队成员都能用上。

直接让智能体自己装 ​

也可以把下面这段话粘贴给你的编程智能体：

text
请安装象信 AI 的 Skill。如果你是 Claude Code，运行 `claude plugin marketplace add xiangxinai/skills`，再运行 `claude plugin install xiangxin@xiangxinai`；如果你是其他智能体，运行 `npx skills add xiangxinai/skills --skill xiangxin` 并选择你自己。只用一种安装方式。如果访问 GitHub 失败，改为下载 https://docs.xiangxinai.cn/skills/xiangxin/SKILL.md 放到你读取项目规则的位置。之后在这个项目里涉及象信 API 的工作，都请先阅读并遵循这个 Skill。

更新 ​

Skill 会随 API 和模型版本一起更新。Claude Code 插件运行 claude plugin update xiangxin@xiangxinai；npx skills 安装的重新执行一遍安装命令即可；手动下载的重新下载覆盖；如果是追加到 AGENTS.md 的，请先删除旧的那一段再追加。Claude Code 更新后需要重启会话才会加载新内容。

示例提示词 ​

在提示词里明确说"使用象信 Skill"，在任何智能体里都有效。

先找机会。 让智能体扫一遍项目，找出那些用一堆正则、关键词表、if-else 硬撑的"判断型"代码：

text
使用象信 Skill，浏览这个项目，找出哪些地方的正则、关键词匹配或复杂的
if-else 实际上是在做语义判断，可以用象信一号的 Choice / Score / Noul 替代。
列出候选位置、建议的问题设计和预期收益，先不要改代码。

让它自己做实验。 在控制台创建一个 API 密钥并导出到环境变量，让智能体用少量真实样本试跑：

text
使用象信 Skill。我已经把 API 密钥导出到 XIANGXIN_API_KEY。
从 data/tickets_sample.jsonl 里取 50 条工单，设计一组问题判断工单的部门、
紧急程度和是否要求退款，跑一遍并汇总结果和置信度分布。
根据结果提出问题措辞和阈值的修改建议。

对照实战手册。 让智能体看看你的场景和哪篇实战手册最接近：

text
使用象信 Skill，阅读 https://docs.xiangxinai.cn/cookbooks 里的实战手册，
判断我们的内容审核模块最适合参考哪一篇，并按那篇的做法给出重构方案。

从零开始搭一个小工具：

text
使用象信 Skill，写一个命令行工具：读取一个目录下的简历（纯文本），
按我们给定的岗位要求在多个维度上打分，输出 CSV。
先问我岗位要求和评分维度，再开始写代码。

和智能体协作的几条原则 ​

  1. 先聊方案，再写代码。 用上面的提示词开头，让智能体先说清楚要问哪些问题、用什么原语、如何组合。
  2. 审方案。 在它动手之前检查计划是否合理：问题是否足够原子化？是否把能在代码里算的东西交给了模型？
  3. 问题和阈值集中放在一个文件里。 例如 xiangxin_questions.py。智能体写问题的能力一般，这部分最需要人来反复修改，集中放置便于审阅和调整。
  4. 不要轻信断言。 让智能体用真实样本验证它的假设，看概率分布和置信度，而不是只看它说"应该没问题"。

常见问题 ​

智能体没有使用 Skill ​

在提示词里明确写"使用象信 Skill"。如果仍然没有生效，确认文件位置是否正确（Claude Code 为 .claude/skills/xiangxin/SKILL.md 或 ~/.claude/skills/xiangxin/SKILL.md），然后重启智能体会话。

智能体编造了不存在的字段或参数 ​

通常是 Skill 版本过旧，或智能体根据其他产品的文档"脑补"。重新安装最新版 Skill，并提醒它以 API 参考、Python SDK 和 JavaScript SDK 为准。

路由效果不如预期 ​

检查问题措辞和阈值。阈值过高会漏掉该处理的情况，过低会误伤；问题可能需要写得更具体，或在 criteria 里补充边界情况。参见置信度和已知短板。

到处都在用置信度阈值 ​

如果你只需要选出最合适的选项，直接用 choice 就行，不必设阈值。置信度阈值适用于"要不要自动执行"这类决策。如果你心里有特定的统计方法，请直接使用 probabilities，而不是 confidence。

代码不好审 ​

需要人重点审阅的只有两样：问题和阈值常量。让智能体把它们集中定义在一个文件里，其他部分都是普通代码。