Agent Skills
返回列表
通用Skill构建大师

通用Skill构建大师

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_f243eda0/general-skill-creator。

技能介绍

为什么需要这个技能

把领域知识「翻译」成 Skill 时,最常见的失败方式是把 SKILL.md 当成知识仓库:调研结果、规则、示例一股脑写进去,主体膨胀到上千行,模型的注意力被稀释,真正关键的约束反而埋在中段被忽略。另一种失败是作者自己写、自己审,规则写得好不好全凭自觉,盲区永远存在。更隐蔽的问题是:Skill 在对话里「看起来完成了」,但文件从未落到磁盘,下次开工一切重来。

这个技能针对的就是这三件事。

它如何工作

核心设计是 Builder 与 Evaluator 角色分离。Builder 负责调研、设计、编写;Evaluator 独立评审,只输出修改指令、不动手改内容。规则集、Skill 草稿、最终稿等关键产出必须通过 ≥3 轮 Builder→Evaluator 迭代才能放行,最多 5 轮——超出仍未收敛,就停下来向用户报告分歧点,由人裁决。

工作流共 8 个阶段:

  • PHASE 1 需求解析:需求卡片 + 至少 3 个竞品的深度分析 + 知识分类表。知识被分成四类:领域独有(写入)、品味校准(只写正反例)、通用知识(不写入)、高频失败模式(写成防护规则)。
  • PHASE 2 架构设计:选择工作流模式(阶段链+门控、维度并行+汇总、搜索综合+修订、状态机+路由),预估 token 预算。硬规则超过 25 条、阶段 ≥4 且职责不重叠、存在 ≥2 个独立质检维度时,必须拆分为 orchestrator + worker 的多 Skill 体系。每个阶段都要定义显式输出物——结论块、文件片段或通过/失败判定,防止模型「内心完成」跳过步骤。
  • PHASE 3 规则与示例工程:识别让产出从「正确」到「惊艳」的 1-2 个杠杆,设为 P0 首条。每条规则用条件-动作格式,正向表述占比 ≥70%。每组示例 3-5 个、覆盖 ≥3 种子类型、正反例成对。
  • PHASE 4-6:规则质量迭代、Skill 组装、实效验证迭代,各 ≥3 轮。组装后有 6 项注意力位置检查:P0 出现在前 20% 行数内、在后 20% 复述、中段有刷新提醒、质检阶段有角色切换声明等。
  • PHASE 7 工程质量审计:8 个维度打分(架构、注意力、规则、知识、示例、工作流、输出、鲁棒性),总分 ≥75 且无红色维度才算通过。
  • PHASE 8 交付:第一个动作是通过工具把 SKILL.md(含 YAML frontmatter)写入 .codebuddy/skills/ 目录,拿到工具的写入确认才算交付,口头宣称「已完成」无效。

适用边界

这个技能不是领域知识的来源,它只能帮你把已有的领域理解结构化,知识本身仍需用户提供或自行调研。迭代轮次有硬上限(≤5 轮),超过之后流程会强制停下,剩余分歧要人工解决。交付强依赖环境中的文件写入工具,没有 write_to_file 能力的环境里 PHASE 8 无法闭环。另外,规则数量与主体行数的约束是为单 Skill 设计的,复杂领域应当在 PHASE 2 就判定拆分,而不是事后精简。

使用场景

  • 需要为某个垂直领域构建可复用 Skill,且主体不超过 400 行、硬规则不超过 25 条,希望先做需求卡片、竞品分析和知识分类再动手。
  • 已有 30 多条规则和多个阶段,想让 Builder-Evaluator 分离架构强制至少三轮独立评审,并决定拆成 orchestrator + worker 多 Skill 体系。
  • 在编写规则和示例时希望识别领域核心杠杆、限制正向指令占比,并用正反例和裸跑测试避免写入 LLM 已知知识。
  • 需要在组装后做注意力位置检查、8 维度工程质量审计,并把 SKILL.md 连同 YAML frontmatter 写入 .codebuddy/skills/ 才算交付。

适合人员

  • 想为团队沉淀垂直领域 Skill 的工程负责人,希望规则数和行数有硬约束、交付必须落盘。
  • 需要构建多阶段工作流并维护质量评审的架构师,希望 Builder 与 Evaluator 角色严格分离、迭代轮次可控。
  • 负责把领域知识整理成规则与示例的知识工程师,希望识别核心杠杆、避免写入通用知识。
  • 需要在现有 Agent 流程中引入可维护 Skill 并做回归验证的开发者,希望有明确的验收标准和失败判据。