Agent技能工坊

要解决的问题

工程师面临的典型困境是：让 LLM Agent 执行一个反复出现的任务，要么在聊天窗口里写长篇提示词，要么硬编码到应用里。这两者都不可复用、难维护。

• 人工撰写 spec 通常带着大量"脑补"的前提，模型无法自动捕获
• 每次修改文档都要重新讲一遍上下文，协作成本高
• 缺乏一种机制，把一次性的工作流程沉淀为可版本化的资产

agent-skill-creator 的设计前提是：人类天然无法写出足够完整、无歧义的规格。这不是缺陷，而是该工具存在的原因。

技能如何工作

它把自己定义为一座 Level 5 的"暗工厂"——你投喂原料，它吐出成品。

核心能力

• 可插拔的输入源：接受工作流草稿、API 文档、PDF、聊天记录、数据库 schema、合规清单，甚至只是一句模糊的意图
• 全流程自动化：从信息提取、需求补全、SKILL.md 生成，到代码实现与跨平台验证，中间不需要人工介入
• 反脆弱的规格补全：当输入存在歧义时，工厂会基于经验补全被人类省略的隐含规则

关键步骤

1. 触发：用户发送 /agent-skill-creator 加上任意原始材料
2. 信号提取：从杂乱的输入中抽取出任务结构、触发条件与预期输出
3. 规则补全：识别缺失的前置条件和边界 case，生成完整的规格
4. 沙箱验证：在隔离环境中测试生成的技能，确保其可独立运行
5. 交付：输出一个 opinionated、可复用的软件包，而非模板填空

适用边界

• 不做决策：工厂生成的是有约束的技能，而非替你完成业务判断
• 依赖提示词质量：输入越混乱，补全的假设越多，可能需要多轮迭代校正
• 平台耦合：跨平台能力依赖目标 Agent 环境的沙箱与文件系统接口
• 验证深度有限："Level 5"指的是自动化程度，不等于零缺陷；复杂逻辑仍需人工审核输出

把它看作一个能把你的隐性知识转化为显性技能的编译器，而不是一个无所不能的黑盒。