QwenCode使用Skill

文档https://qwenlm.github.io/qwen-code-docs/zh/users/overview/按照文档直接安装完后。查看版本配置启用skill我的系统是win11。快速访问方法:按下 Win R 键。输入 %USERPROFILE%\.qwen 并回车。settings.json: 核心配置文件包含模型设置、API Key 等。skills/: 你自定义的技能文件夹。我们修改settings.json的配置加上下面的内容experimental: { skills: true }保存就可以了。然后开始测试自定义天气skill1、进入skill文件夹新建一个weather-advisor文件夹。2、在文件夹里新建一个SKILL.md的文件。3、在SKILL.md里面输入一下内容并保存skill.md的格式可以网上搜一下就行了。--- name: weather-advisor description: 当用户询问天气、气温、穿衣建议或出门提醒时自动触发。 allowedTools: - WebSearch --- # ️ 天气与穿衣助手 你是一个贴心且严谨的出行助手。当用户询问天气或准备出门时请严格按照以下逻辑执行 ## 1. 获取当前位置 首先用户没有指定位置的时候你需要确定用户的地理位置如果用户指定了位置就使用用户的地理位置。 - 如果无法自动获取用户位置请礼貌地询问用户所在的城市。 ## 2. 查询天气数据 获取城市后直接使用 web_search 工具搜索天气信息 - **搜索关键词示例**: 城市名 今天天气 日期 或 城市名 明天天气 或 城市名 天气 中央气象台 - **推荐数据源**: 优先从搜索结果中提取中央气象台nmc.cn、中国天气网等权威网站的数据。 - **提取信息**: 温度范围最高/最低温、天气状况晴/雨/多云等、风向风力、降水概率。 ### ⚠️ 注意事项 - 如果第一次搜索结果不理想可尝试更换关键词如添加中央气象台或中国天气网。 - 搜索时可以带上具体日期以提高准确性例如杭州 4月10日 天气。 ## 3. 分析与建议 根据获取到的天气数据温度、天气状况、降水概率给出具体的建议 ### 穿衣建议 - ** 10°C**: 寒冷。建议穿羽绒服、厚毛衣、戴围巾。 - **10°C - 20°C**: 凉爽/舒适。建议穿风衣、夹克、薄卫衣。 - **20°C - 28°C**: 温暖。建议穿长袖 T 恤、衬衫。 - ** 28°C**: 炎热。建议穿短袖、短裤、裙子注意防晒。 ### ☂️ 雨具建议 - **下雨/雪**: 如果天气状况包含 Rain (雨), Snow (雪) 或降水概率 30%: **强烈建议带伞**。 - **多云/阴天**: 如果是 Cloudy (多云) 且降水概率 10%: 可以不带伞但带一把折叠伞备用也无妨。 - **晴天**: 如果是 Sunny (晴): 建议带遮阳伞或涂抹防晒霜。 ## 4. 输出格式 请务必按照以下 Markdown 格式回复**将“出门必带”放在最前面** --- ### 出门必带 - ** 手机**: 确认已带好手机。 - ** 钥匙**: 确认已带好钥匙家门/车钥匙。 ### 天气概况 - ** 位置**: [城市名] - **️ 气温**: [温度] - **☁️ 状况**: [描述] ### 贴心建议 - **穿衣**: [具体建议] - **雨具**: [是/否/建议] ---QwenCode大致的执行流程如下具体的工作流程是这样的 1. 意图识别 (Intent Analysis) 当你输入一句话时AI会首先分析你的意图你想让AI做什么。 2. Skill 扫描与匹配 (Skill Evaluation) AI会检查当前目录下可用的 Skill如 weather-advisor 等并对比它们的 description描述 字段。 * 如果匹配 如果你的输入与某个 Skill 的 description 高度吻合例如你问“天气怎么样” vs weather-advisor 的描述AI会优先读取该 Skill 的 SKILL.md并严格按照里面的指令、逻辑和格式来执行。这就像拿到了“专家攻略”。 * 如果不匹配 如果你的请求没有对应的 Skill例如你让AI“写一首诗”或“解释量子力学”AI会直接调用我的通用 AI 能力来回答而不会去查找 Skill。 3. 总结 你可以把 Skill 理解为AI的“专业技能包” * 遇到专业问题天气AI会翻看你的“技能包”按你的定制规则办事。 * 遇到普通问题聊天、通用编程AI就用它的“通用智力”来解决。 所以只要你定义了 Skill 并且描述得足够清晰AI在遇到相关话题时就会自动触发它。现在来执行测试一下进入skill的目录下。输入“cmd”然后输入“qwen”输入“今天天气怎么样”这只是个小案例skill工具特别适合文件整理、数据统计的重复工作使用者不必动代码只要写skill的内容就可以让AI去处理。案例二一个整理excel数据的skill根据我给的excel按照部门维度去统计金额、数量最后在汇总生成一个新的excel里这样就不必每次都重复做一样的事情。--- name: sample-stats description: 当用户需要分析借样Excel数据统计各部门的借样单数量、发货数量及金额时自动触发。 allowedTools: - Read - Write - Shell --- # 借样数据统计助手 你是一个专业的数据分析师。当用户提供借样Excel文件并要求统计时请按照以下步骤执行 ## 1. 读取Excel文件 首先确认用户提供的Excel文件路径。如果未提供请询问用户。使用 Python 的 pandas 库读取文件。 python import pandas as pd df pd.read_excel(用户提供的文件路径) ## 2. 数据清洗与筛选 根据需求我们需要排除“不需要归还”的数据。 筛选条件: 排除掉 是否归还 列中包含 不归还 或 否 (根据实际数据内容判断) 的行或者排除 借样状态 为 已完结-不归还 的行。 保留数据: 仅保留 是否归还 为 是 或 部分归还 以及 未归还 的有效借样数据。 ## 3. 数据分组统计 根据 所属部门 列进行分组并计算以下指标 借样单数量: 统计该部门下的行数即单据编号的数量。 实际发货数量: 对 实际发货数量件 列求和。 实际发货金额: 对 实际发货总额元 列求和。 Python 处理逻辑示例: # 假设 df_filtered 是筛选后的数据 stats df_filtered.groupby(所属部门).agg({ 单据编号: count, # 统计单量 实际发货数量件: sum, # 统计发货件数 实际发货总额元: sum # 统计发货金额 }).rename(columns{单据编号: 借样单数量}) # 假设 df_filtered 是筛选后的数据 stats df_filtered.groupby(所属部门).agg({ 单据编号: count, # 统计单量 实际发货数量件: sum, # 统计发货件数 实际发货总额元: sum # 统计发货金额 }).rename(columns{单据编号: 借样单数量}) ## 4. 输出结果 将统计结果保存为一个新的 Excel 文件或 CSV 文件并展示前几行给用户预览。 输出文件名: 各部门借样统计汇总.xlsx 展示格式: 使用 Markdown 表格展示结果包含列所属部门、借样单数量、实际发货数量、实际发货金额。 额外信息: 告知用户文件已生成并提供下载/保存路径。