热门产品

Basedash Skills

Basedash Skills

为 Basedash 平台提供可复用的 AI 指令包,管理员定义指标后,工作区中的 AI 智能体自动调用,避免重复提示,提升效率。

Maker 说

过去几周我们一直在 Basedash 内部默默使用 Skills。它们成了将定义从一次性 prompt 转移到共享、持久的上下文中最自然的方式,与其说是系统提示,不如说更接近轻量语义层。

让我们折服的是:所有 AI 界面会自动拾取它们。构建图表、运行自动化、获取每日洞察,或者直接向聊天智能体提问。当某个 Skill 相关时,智能体会在回答前先获取它。你会在思考踪迹中看到工具调用(例如"Reading Activation rate skill"),所以它绝不是黑箱。

如果你曾把 MRR / activation / churn / cohort 的同样定义重写进五个不同的 prompt,那这个功能就是为你准备的。

试试看,告诉我们你的想法!

热门评论

PH 用户
这个功能的起源其实很普通。我们一直看到人们把相同的 activation 或 churn 定义粘贴到聊天里,再粘贴到图表 prompt 里,再粘贴到自动化里,每次措辞都略有不同,得到的数据也略有差异。模型确实按我们的要求做了,但我们只是问了同一个问题的五个不同版本而已 lol。

Skills 就是为了解决我们自己这个问题而诞生的。你用自然语言把定义写一次,之后工作区里的任何智能体在遇到相关话题时都会去取用。新人第一天就可以问"activation 的趋势怎么样",得到和团队其他成员一样的答案,因为智能体读取的是和其他人智能体相同的 playbook。

如果你的公司里有一个含义特定的指标,而你厌倦了每次都要向 AI 解释它,那试试看吧,然后告诉我们哪里还做得不够好!
PH 用户
将定义从一次性 prompt 转移到共享持久上下文中,正是大多数团队在已经被不一致的指标定义淹没之前都跳过的轻量语义层。当有人更新一个默默支撑着12个不同界面的 Skill 时,你们如何处理漂移——版本锁定、广播,还是两者都有?
PH 用户
这对创始人来说是一个非常实用的工具,但我有个问题:你们如何处理本地的大型数据集比如 clickstream?而且数据在 ETL 之后是否仍然存储在本地?
PH 用户
自然语言转图表是个常见的想法,但我很好奇 Basedash 如何处理模糊问题——比如当'活跃用户'这个说法,不同团队可能对它有三种不同的定义时?
热门产品Max Musing2026-05-21原文

相关内容