12CM Code

概述

十二计算算法模型的Agentic Skills工程系统

任务目标

• 本 Skill 用于：将岗位专家的隐性知识系统化采集，并通过认知工程转化为标准化的Agentic Skills，支持十二个核心业务计算模型、原子级行为分解和四大咨询方案生成
• 能力包含：
  • 知识采集与转化：知识结构化采集、认知工程转化、十二计算建模、SKILL.md自动生成
  • 原子级行为分解：六级分解模型（战略目标→关键结果→里程碑→任务→子任务→原子行为）
  • 四大咨询方案生成：战略管理、商业模式、组织体系、品牌营销
  • 人效分析评估：人效提升≥50%、成本节约≥30%
• 触发条件：当用户需要构建岗位级AI Agent、分解目标为可执行原子行为、生成可落地咨询方案、设计业务计算模型或进行人效优化时

前置准备

• 依赖说明：

  pandas>=2.0.0    # 数据处理与分析
  pyyaml>=6.0.0    # 配置文件解析
  jinja2>=3.1.0    # 模板渲染

• 环境准备：

  # 创建工作目录
  mkdir -p ./skill_workspace/{knowledge_collection,calculation_results,generated_skills,efficiency_reports,consulting_solutions}

操作步骤

• 标准流程：

1. 知识采集（1-2天）
   • 调用 scripts/knowledge_collector.py 进行结构化知识采集
   • 输入：通过 assets/templates/ 中的模板收集的岗位数据
   • 输出：JSON格式的知识库文件（knowledge_base.json）
   • 智能体职责：指导用户填写模板，分析采集内容的完整性

1. 认知工程转化（2-3天）
   • 智能体分析知识库内容，进行认知维度映射
   • 将专家认知（认知结构、思维逻辑、学习方式、行动路径、结果达成）转化为AI可认知的提示词
   • 参考 [references/cognitive_engineering_guide.md](references/cognitive_engineering_guide.md) 的转化方法论
   • 输出：认知工程转化文档

1. 十二计算建模（1-2天）
   • 调用 scripts/calculation_engine.py 执行十二计算模型
   • 输入：业务数据JSON文件
   • 输出：计算结果报告（JSON/CSV格式）
   • 支持的计算模型：
     • 计算战略、计算投入、计算收入、计算客户、计算产品
     • 计算关系、计算销售、计算资源、计算经营
     • 计算认知、计算适配、计算结果
   • 详细模型说明见 [references/twelve_calculations_detail.md](references/twelve_calculations_detail.md)

1. 原子级行为分解（1-2天）
   • 调用 scripts/behavior_decomposer.py 将高层目标分解为原子行为
   • 输入：目标描述、目标类型（strategic/business_model/organization/brand_marketing）、时间框架
   • 输出：六级分解树 + 原子行为清单（满足"五可"标准：可操作、可应用、可落地、可实施、可交付）
   • 分解层级：
     • Level 1：战略目标（Strategic Goals）
     • Level 2：关键结果（Key Results）
     • Level 3：里程碑（Milestones）
     • Level 4：任务（Tasks）
     • Level 5：子任务（Subtasks）
     • Level 6：原子行为（Atomic Actions）

1. 咨询方案生成（2-3天）
   • 调用 scripts/consulting_generator.py 生成四大咨询方案
   • 输入：企业信息、现状数据、目标要求
   • 输出：完整的咨询方案文档
   • 支持的方案类型：
     • 战略管理咨询方案：愿景使命、战略目标、战略路径、资源配置、监控体系
     • 商业模式咨询方案：价值主张、客户细分、渠道通路、收入来源、成本结构
     • 组织体系咨询方案：组织架构、岗位体系、流程制度、绩效体系、人才发展
     • 品牌营销咨询方案：品牌定位、传播策略、营销组合、渠道布局、效果评估
   • 参考 [references/consulting_solution_standards.md](references/consulting_solution_standards.md) 确保方案符合"五可"标准

1. SKILL.md生成（1天）
   • 调用 scripts/skill_generator.py 自动生成标准化的SKILL.md
   • 输入：知识库JSON + 计算结果 + 认知转化文档 + 分解结果 + 咨询方案
   • 输出：符合规范的SKILL.md文件
   • 智能体职责：审核生成的SKILL.md，优化提示词质量

1. 测试部署与人效分析（1-2天）
   • 测试生成的Skill是否达到预期效果
   • 调用 scripts/efficiency_analyzer.py 进行人效分析
   • 输入：使用数据、绩效数据
   • 输出：人效分析报告
   • 验证指标：人效提升≥50%、成本节约≥30%

• 可选分支：
  • 当 需要跨岗位协同：执行跨协同能力设计，参考 [references/collaboration_protocol.md](references/collaboration_protocol.md)
  • 当 需要跨部门协同：执行MCP-DC协同协议配置
  • 当 需要持续优化：建立RLHF反馈机制，基于使用案例持续改进
  • 当 仅需要原子级行为分解：直接调用 behavior_decomposer.py，无需完整流程
  • 当 仅需要咨询方案生成：直接调用 consulting_generator.py，使用模板快速生成

资源索引

• 必要脚本：
  • [scripts/knowledge_collector.py](scripts/knowledge_collector.py)（用途：结构化采集岗位专家知识）
  • [scripts/calculation_engine.py](scripts/calculation_engine.py)（用途：执行十二计算模型分析）
  • [scripts/skill_generator.py](scripts/skill_generator.py)（用途：自动生成标准化SKILL.md）
  • [scripts/efficiency_analyzer.py](scripts/efficiency_analyzer.py)（用途：分析人效提升指标）
  • [scripts/behavior_decomposer.py](scripts/behavior_decomposer.py)（用途：将目标分解为原子级行为）
  • [scripts/consulting_generator.py](scripts/consulting_generator.py)（用途：生成四大咨询方案）
• 领域参考：
  • [references/cognitive_engineering_guide.md](references/cognitive_engineering_guide.md)（何时读取：执行认知工程转化时）
  • [references/twelve_calculations_detail.md](references/twelve_calculations_detail.md)（何时读取：设计计算模型或分析计算结果时）
  • [references/skill_development_standards.md](references/skill_development_standards.md)（何时读取：开发新Skill或质量检查时）
  • [references/collaboration_protocol.md](references/collaboration_protocol.md)（何时读取：设计跨协同能力时）
  • [references/consulting_solution_standards.md](references/consulting_solution_standards.md)（何时读取：生成咨询方案或验证"五可"标准时）
• 输出资产：
  • [assets/templates/goal_definition_template.md](assets/templates/goal_definition_template.md)（用途：岗位目标定义模板）
  • [assets/templates/interview_template.md](assets/templates/interview_template.md)（用途：专家访谈模板）
  • [assets/templates/case_collection_template.md](assets/templates/case_collection_template.md)（用途：案例收集模板）
  • [assets/templates/strategic_consulting_template.md](assets/templates/strategic_consulting_template.md)（用途：战略管理咨询方案模板）
  • [assets/templates/business_model_template.md](assets/templates/business_model_template.md)（用途：商业模式咨询方案模板）
  • [assets/templates/organization_template.md](assets/templates/organization_template.md)（用途：组织体系咨询方案模板）
  • [assets/templates/brand_marketing_template.md](assets/templates/brand_marketing_template.md)（用途：品牌营销咨询方案模板）

注意事项

• 仅在需要时读取参考文档，保持上下文简洁
• 知识采集是整个流程的基础，务必确保采集内容的完整性和准确性
• 十二计算模型应根据实际业务需求选择性应用，不必全部使用
• 原子级行为分解必须满足"五可"标准（可操作、可应用、可落地、可实施、可交付）
• 咨询方案生成应基于真实数据和分析，避免空洞模板化
• 生成的SKILL.md必须通过质量检查清单验证（见 skill_development_standards.md）
• 跨协同能力是高阶特性，建议在基础Skill稳定后再逐步实现
• 人效分析数据应长期积累，用于持续优化和改进

使用示例

示例1：构建财务报销审核Agent Skill

• 功能说明：将财务专家的报销审核经验转化为Agentic Skill
• 执行方式：混合模式（脚本采集 + 智能体转化 + 脚本计算）
• 关键步骤：
  1. 使用 knowledge_collector.py 采集财务专家知识
  2. 智能体执行认知工程转化，将审核逻辑转化为提示词
  3. 使用 calculation_engine.py 计算"计算投入"和"计算经营"模型
  4. 生成SKILL.md并测试部署
  5. 使用 efficiency_analyzer.py 分析人效提升

示例2：原子级行为分解

• 功能说明：将企业年度战略目标分解为可执行的原子行为
• 执行方式：脚本主导（behavior_decomposer.py）
• 关键参数：目标描述、目标类型、时间框架
• 执行命令：

  python scripts/behavior_decomposer.py --objective "实现市场份额增长5%" --type strategic --output decomposition_results.json

• 输出：六级分解树、原子行为清单、汇总报告

示例3：生成战略管理咨询方案

• 功能说明：为企业生成完整的战略管理咨询方案
• 执行方式：脚本主导（consulting_generator.py）
• 关键参数：企业名称、核心问题、现状数据
• 执行命令：

  python scripts/consulting_generator.py --type strategic --input company_data.json --output strategic_solution.json

• 输出：包含愿景使命、战略目标、战略路径、资源配置、监控体系的完整方案

示例4：生成全部四大咨询方案

• 功能说明：一次性生成战略管理、商业模式、组织体系、品牌营销四种咨询方案
• 执行方式：脚本主导（consulting_generator.py）
• 执行命令：

  python scripts/consulting_generator.py --type all --input company_data.json --output all_solutions.json

• 输出：四种完整的咨询方案，每种方案包含5个核心模块、实施计划、交付物清单

示例5：跨部门协同Skill开发

• 功能说明：开发支持跨部门协作的供应链管理Skill
• 执行方式：混合模式（智能体设计 + 脚本生成）
• 关键指导要点：
  1. 遵循 MCP/MCP-DC 协议设计接口
  2. 统一数据Schema和API规范
  3. 实现任务交接机制
  4. 配置冲突仲裁机制
• 参考文档：collaboration_protocol.md

示例6：完整流程 – 从知识采集到咨询方案

• 功能说明：完整的12CM Skill应用流程
• 执行方式：混合模式（脚本 + 智能体）
• 关键步骤：
  1. 知识采集：采集岗位专家知识
  2. 认知转化：将隐性知识转化为AI可认知的提示词
  3. 计算建模：应用十二计算模型分析业务
  4. 行为分解：将战略目标分解为原子行为
  5. 方案生成：生成可落地的咨询方案
  6. Skill生成：自动生成标准化的SKILL.md
  7. 人效分析：验证人效提升指标