技能介绍

当重复工作流值得被固化成技能

工程师常遇到这种情况：你让 AI 助手做了一套操作——解析某个内部报表、按固定模板生成文档、跑一遍检查清单——用得很顺手，可下次还要从头解释。Agent Skills 允许把这些沉淀成一个 .skill 包，但写好 SKILL.md 并不简单：description 太保守，技能在该触发时不被调用；太宽松，又会在不该出现时抢占上下文。更现实的问题是，你怎么确认这个技能真的比直接对话更好？

这条流水线包含什么

它不是替你写个技能就收工，而是一条完整的迭代管线：

意图捕获与访谈：先确认技能要让 AI 助手做什么、何时触发、输出什么格式，再追问边缘情况、示例文件和依赖，而不是一上来就写文件
渐进式写作：按三级加载组织 SKILL.md——name 和 description 常驻上下文，正文在触发时加载；描述要写得"积极"一点，因为模型普遍有触发不足的倾向
测试与评估闭环：每个测试用例同时跑两条路径——带技能的运行和基线运行（新建技能用无技能基线，改进技能用旧版本快照），并行启动以节省时间
定量断言与查看器：运行进行时草拟客观可验证的断言，结束后用 generate_review.py 生成静态 HTML 查看器，让人在浏览器里对比带技能与基线的输出、耗时和令牌消耗
反馈驱动改进：把人类反馈回馈到技能里，而不是过拟合到少数测试例子；同时留意子代理是否在每个测试用例里重复写相同的辅助脚本——如果是，技能应该把脚本捆绑进 scripts/
描述优化：生成 20 个应触发/不应触发的评估查询（负面案例要真正棘手，而不是"写个斐波那契"这类无关查询），跑一轮自动化优化循环，按保留测试集分数挑选最佳 description