造 · Agent 技能编写

要解决什么问题

Agent 技能本质是「给模型看的 SOP + 约束」：写长了占上下文、写短了模型会漏步骤或凭记忆改文件。很多技能还会在 SKILL.md 与 references/ 里重复同一套说明，触发条件又藏在正文里，导致该加载时没加载、加载后仍按旧上下文行事。

技能如何工作

造（Zao） 把「做技能」拆成可重复的阶段，并在每一步前强制 Pre-Step Rationalization Bias Check：先重读磁盘上的文件、按引用完整阅读、用清单确认子任务是否真的完成，避免「读一遍就凭印象改」和「做完一步就宣告结束」。

• Phase 1 设计：从对话里抽取工作流，写入 /.wip/workflow-extraction.md（目标、触发条件、成功/失败路径、I/O、工具与项目约束）；可选按 references/search-compare.md 检索本地/平台同类技能并增强设计。
• Phase 2 起草：按 渐进式披露 组织——元数据 description 承担全部触发语义；正文控制在可触发加载的体量，细节下沉到 references/，且引用文件不得重复 SKILL.md 已有内容。
• Phase 3 校验：scope-lock 只打磨写法与可执行性，不扩能力；跑 scripts/quick_validate.py，用带 Evidence 的对照表逐条举证，改动手需用户确认并保留 /.wip/ 记录。
• Phase 4（可选）：打包时 package_skill.py 会把校验当作门禁。

核心原则强调三点：默认模型已足够聪明（只补它不知道的上下文）、三级加载（metadata → SKILL.md → references）、文件即真相（每次操作前重读，不把 context 当规范源）。运行结束还有 Meta Evolution Check，把流程级/实现级/横切问题分别记到对应技能的 references/skill-evolution.md。

适用边界与注意点

适合「从真实工作流沉淀技能」「改现有技能但不想越改越胖」「需要可审计的验证清单」的场景。它不替你做领域实现，也不会在 Phase 3 里偷偷加新能力；若对话里还没有可抽取的工作流，会走 references/design-gate.md 做结构化访谈，交互步骤较多是预期行为。