我的角色:备课、考勤练习演示与答疑。
证据与公开范围:依据课堂交流实录整理;考勤材料属于教学练习。
内容摘要
锡跃沙龙第二期,我用三月考勤材料带大家比较统计结果;连我的初版也需要返回具体日期检查。差异要分别追到时间识别、业务规则和表格计算,不能靠让 AI 再算一次就结束。只有检查清楚的步骤才值得整理为 Skill;本场练习口径不能直接用于其他单位的工时计算。
为什么用考勤来讲 Skill?
2026 年 8 月 16 日,锡跃 AI 实践沙龙第二期,我用考勤统计讲解 Skill 入门。Skill 可以理解为供 AI 助手重复调用的一组任务说明与工具。这场课关注的是:一次统计做完之后,哪些规则和检查步骤值得留下,供下个月继续使用?
材料来自考勤截图。虽然准备了不止一个月份,现场先从三月开始,缩小任务,方便大家拿同一份输入比较结果。
先把“怎么算”说到没有歧义
我使用自己过去工作中的一套统计约定来做练习,包括九小时的计算基准、按半小时处理时长,以及周六在这套规则中的处理方式。这是本次练习的业务口径,不是通用的工时或工资计算标准。
看起来简单的要求,在现场产生了不同理解:基准到底是八小时还是九小时?周六怎样算?不足半小时的部分怎样处理?“半小时”是逐日处理,还是最后汇总后再处理?这些差别都会改变总数。
我让大家把自己的结果拿出来比较。不同答案不能只靠选一个“看起来合理”的总数解决,需要继续找到差异落在哪一天、对应什么规则。
我的初版结果也需要回查
现场对照中,我给出的版本也被指出具体日期需要重新检查。于是讨论从“谁算得对”,转向逐日回看:识别到的上下班时间是什么,计算用了哪个基准,时长按什么方式处理。
还有一个直观的异常信号:如果约定按半小时累计,最后却出现不符合这种步长的零碎小数,就值得返回明细检查。它能提示有问题,但不能直接告诉我们正确答案。
大家也尝试让 AI 再验算。有时它会改出另一个答案,这并不等于第二次就正确。课堂继续追问为什么改、前一次哪里错,把原因找清楚之后,才考虑把处理方式保存下来。
交付一张表,还要看表里留下了什么
统计完成后,接收者需要的是可以继续检查和使用的 Excel 表格。只有一段 Markdown 说明,或只把最终数字写进单元格,都不够方便复核。
现场进一步讨论了让 Excel 保留公式。这样,看到总数的人可以继续检查它引用了哪些明细、采用了什么计算方式。公式让计算过程更容易查看,但识别错的时间、用错的规则和错误的引用范围,仍然需要人发现。
回看本场,我会把检查分为三层:
| 层次 | 要检查的内容 |
|---|---|
| 输入 | 截图中的日期、时间有没有识别遗漏或错位 |
| 口径 | 工作日、周六、基准时长与半小时处理是否按本次约定执行 |
| 表格 | 每日明细与汇总是否衔接,公式引用是否正确 |
这份表是对课堂检查方式的整理;个人考勤原图和逐人明细不在网页中展示。
先找出错误原因,再整理成 Skill
这场练习让我觉得,封装 Skill 的时机很重要。一个结果还没核对清楚,就把整段对话保存成流程,可能连错误的理解一起固定下来。
更值得留下的是输入需要什么、哪些规则必须先问、怎样输出,以及如何检查。换到其他月份或其他单位时,也要重新确认规则是否一样。月份变了,可以沿用处理步骤;业务口径变了,就不能不加判断地照搬。
本场留下了考勤练习文件与课堂交流。它展示了从统计、比较、回查到讨论复用的过程,没有证明一个 Skill 已经在所有月份或所有业务口径下稳定通过验收。
对读者而言,可以先找一小段自己能够人工核对的数据,检查到每日明细,再把确认过的步骤留下。第一次多花一点时间解释差异,才知道以后到底在复用什么。
从阅读,走向你的实际问题。
了解 AI 应用培训 ↗