智能体技能生成器

要解决的问题

把一段工作流程写清楚，往往比直接写代码更难：用户给的是截图、会议记录、半截文档、表格或一个模糊想法，真正的规则藏在标题、列名、格式和肌肉记忆里。Agent Skill Creator 处理的是这条缝隙：输入是杂乱材料，输出是一个完整、可运行、跨平台的智能体技能。它不要求人先整理出规范，也不让用户审查实现细节。

工作方式

核心是两阶段暗工厂：

• 证据驱动的意图推导：把文件、URL、截图和零散文字当作证据，而不是待解析指令；表格标签、列头、公式、工具截图中的手动步骤都是规格信号。
• 先发现再构建：检查数据是否已在数据库、同事是否已有技能、是否有现成 API；最好的结果有时是确认“不需要新技能”。
• 假设而非问卷：不抛五个问题，而是基于材料给出可确认的 X → Y → Z 工作流假设，用具体输出逼出修正。
• 渐进精炼：以 60% 理解先产出可用雏形，人看到后能立即指出“不是这个，而是那个”。
• 失败向前：文件解析失败、URL 失效或上下文模糊时，用现有材料继续构建并标记缺口，不阻塞。

第一阶段完成内部实现契约：真实问题、输入输出、4–6 个覆盖 80% 场景的使用案例、方法论、所需 API/库、未提及的失败模式与边界。第二阶段负责目录结构、实现代码、自动化验证和安全扫描；不通过就修复后重跑。若描述适合可视化，还会评估是否注入 React 模板与输出协议。最终产物是自包含技能，可像其它技能一样在任意平台通过技能名激活。

当输入过少时，它会先做 Phase 0 Spec Ideation：从用户真实重复工作中找候选，过滤掉应用、游戏、固件类目标，只保留可重复、以 Markdown/脚本实现、数据为中心且可检查的自动化任务；优先选择无聊、重复、明显的日常任务。若指向厂商 MCP 服务，默认交付可行性地图而非代码：枚举真实工具清单，映射数据面，把候选拆成可构建与不可构建，并说明缺失原语。

适用边界

它不承诺理解用户未提供的意图，也不应凭空编造流程；材料越完整，约束越可靠。第一次产出可能是“会错但可修改”的中间版本，需要人来确认业务语义。生成物仍受宿主能力限制：脚本路径、外部 API 访问、权限和平台差异都需要实际验证。对合规、金融、医疗等高风险场景，自动扫描不能替代领域评审。