Agent技能工厂

人在写规格说明书时，究竟卡在哪

把一段工作流变成一个真正能跑的 Agent 技能，难点通常不在“写代码”，而在于人对自己的流程描述是不完整的。你说“拉一份销售数据出个报告”，这句话里藏着十几个没写出来的约束：报告给谁看、看的是数字还是结论、数据缺失时怎么办、格式是 PDF 还是表格、什么算一份合格的报告。这些知识在人的肌肉记忆里，不在语言里。

@user_3c6cb52e/agent-skill-creator-ue7l 把这个缺口当作设计前提，而不是待修复的缺陷。它把自己定位成一个 Level 5 的“暗工厂”：你只负责提供原料，它负责从原料里推导出意图、补齐隐含需求，最后吐出一个自包含、经过安全扫描的技能。

工厂怎么运转

输入分级与意图推导。 文件、URL、截图、邮件转发链、单个词，甚至半句话都能作为输入。工厂遵循一条明确优先级：工件（文件、链接、截图）的规格信号强于文字，当两者冲突时，工件是规格，文字是评论。它会先做输入分诊——纯文件走逆向工程，纯 URL 走抓取与角色推断，截图走视觉解析，粘贴来的规范文档则直接被当作要固化的规则。

两个阶段，五个相位。 第一阶段“理解与规格化”要求通读所有材料后再下结论，挑战表面描述，把错误处理、数据校验、边界情况这些隐含需求写进内部规格。第二阶段“构建与验证”从规格出发端到端实现，写真实可运行的代码，不留占位符，跑自动化验证和安全扫描，失败就修到通过为止。

几个反直觉的工程决策：

• 不做前置问卷。直接给一个 60% 理解度的具象输出，让人用一个词纠正，比提十五个澄清问题快得多。
• 失败向前处理。文件解析失败、URL 挂了、上下文模糊，就用现有材料继续构建并标记缺口，绝不阻塞。
• EVOLUTION.md 累积失败证据，每次校验失败后在技能根目录留下现场，供追溯。
• 调用 --mcp-audit 时，面对厂商 MCP 服务器输出的是可行性地图（MCP_AUDIT.md 加 mcp_audit.json），不是代码。每个候选技能会被标记为“可构建”或“不可构建”，后者必须写明缺失的原语。

适用边界

工厂假设你能提供可观测的工件或足够具体的上下文。如果你只有一句模糊的“帮我自动化点什么”，它会先走 Phase 0 规格构思，帮你从真实重复性工作中筛出一个可行任务，而不是凭空猜一个。

一个容易踩坑的架构约束：生成的流水线脚本在运行时不能直接调用 MCP 工具。如果某个候选技能的编排方式是脚本驱动，必须声明一条非 MCP 数据路径——REST、导出文件，或者交给 Agent 处理。这个限制在审计阶段就会被捕捉到，而不是等上线才发现。

最终交付的是一个一等公民技能，和你调用 /agent-skill-creator 本身的方式完全一致：装好之后，任何人在任何平台上输入 /skill-name 就能激活。