skill或者workflow的搭建本身不复杂，困难的是测评 
因为这个场景本身的业务逻辑有点复杂，很多评测集里面的题目涉及澄清环节（而且澄清环节每次的题目和选项可能都不固定），因此没办法一键批量测试，得我一个一个点进去手动输入，感觉效率太低了，各位佬友有什么好办法吗