技能构建助手

技能创建中的上下文管理困境

构建高效的AI技能包时，开发者常面临上下文膨胀问题：当技能包包含大量脚本、参考文档和模板文件时，如何确保这些资源不会挤占宝贵的上下文窗口？Skill Creator通过渐进式披露设计解决了这一核心矛盾。

核心能力与架构设计

• 三层加载机制：通过元数据→主文件→捆绑资源的分层加载策略，将SKILL.md保持在500行以内，复杂资源按需加载
• 自由度适配：根据任务脆弱性动态调整控制粒度：高风险操作使用脚本/参数模板（低自由度），创意任务采用启发式指导（高自由度）
• 资源分类体系：明确区分scripts/（可执行代码）、references/（参考文档）和assets/（输出模板）三类资源，避免类型混淆

创建流程关键步骤

1. 需求锚定：通过具体用例（如"旋转PDF"）验证功能边界，避免过度设计
2. 资源规划：分析每个用例的可复用要素，例如将rotate_pdf.py脚本固化到技能包
3. 初始化验证：执行init_skill.py生成标准目录结构，自动包含SKILL.md模板和示例文件
4. 迭代优化：通过真实调用测试调整资源粒度，确保references/文件在10k词以上时添加检索模式

适用边界与设计准则

• 必须避免：冗余文档（如README）、重复信息（SKILL.md与references/内容重叠）、深层嵌套引用
• 推荐实践：将领域知识存入references/而非主文件，模板文件采用assets/前缀隔离
• 上下文保护：当技能支持多框架时，按变体拆分文档（如aws.md/azure.md），确保用户选择时仅加载相关部分

该技能本质是构建AI技能的元技能，通过结构化约束将原始Agent转化为领域专家。