罗老师 Skill 构建助手

为什么需要结构化的 Skill 创建方法

许多 AI 智能体技能（Skill）在创建时容易陷入两个误区：要么把提示词模板简单包装成技能，缺乏明确的触发边界和验收标准；要么功能重叠，导致用户难以选择。罗老师 Skill 构建助手解决的问题是：如何系统化判断一个任务是否值得做成 Skill，并通过标准化流程确保技能的触发准确性、输出可验收性和长期可维护性。

技能如何工作

核心判断与决策能力

• 判断是否值得创建：只有同时满足「任务会重复、方法相对稳定、输入输出可描述、结果可验收」的任务才适合做成 Skill。一次性问答、未验证的灵感或仅有人设的提示词，应先作为笔记或试验处理。
• 四种决策类型：

- 新建：现有技能未覆盖，且任务边界清晰；
- 增强：同一用户目标下，仅缺少步骤、工具或质量门禁；
- 合并：两个技能的触发语高度重叠，导致用户难以选择；
- 拆分：一个技能同时服务不同角色、输入或高风险权限场景。

标准工作流

1. 收集真实案例：整理 3 个成功请求和 2 个失败/不该触发的请求，明确任务边界；
2. 编写任务合同：定义用户、输入、输出、成功标准、权限范围及「不做什么」；
3. 搜索与对比：在本地和公开目录中搜索现有技能，对比触发语和能力重叠情况；
4. 选择决策并记录：基于对比结果选择新建、增强、合并或拆分，记录决策理由；
5. 编写最小 SKILL.md：重点描述模型无法从常识推断的流程、优先级、失败条件和输出合同，避免堆砌「认真、专业」等形容词；
6. 资源拆分：重复且确定的动作放入 scripts/ 目录，背景资料和模板放入 references/ 目录，避免正文过度膨胀；
7. 测试与验收：使用正例（标准任务）、缺输入例（补关键缺口）、反触发例（相近但不属于本技能的任务）、失败例（依赖缺失时不伪报成功）和隐私例（敏感信息脱敏）逐一验证；
8. 安全扫描：检查隐私泄露、硬编码路径、密钥、外部依赖和许可证；
9. 版本化发布：记录变更内容、回滚点，并维护三端（GitHub 源码、GitHub Release、飞书教程）映射关系。

SKILL.md 的写法要点

• frontmatter 简洁：name 与目录保持一致，description 同时说明「做什么」和「何时使用」；
• 正文聚焦非常识内容：重点写模型无法稳定推断的流程、优先级、失败条件和输出合同，而非复制粘贴的模板化内容；
• 反注水门禁：确保至少有一套独有的判断框架或工具，与同仓其他技能的大段正文不重复，案例包含真实形态的输入、输出和失败条件，发布前必须通过结构校验和至少一个功能试跑。

适用边界与注意点

• 权限与发布安全：本地草稿不等于公开发布。涉及 GitHub、SkillHub、飞书或商店时，需分别验证目标账号、公开内容、许可证、安装包和读回结果；私有母库与公开分享库需保持物理分离。
• 隐私与数据安全：输入中若包含账号、路径、客户资料等敏感信息，输出必须正确脱敏，避免泄露。
• 避免复制粘贴：「输出标准、隐私、常见问题」等内容不能成为复制粘贴的主体，需确保技能的独有价值。
• 版本管理与回滚：发布前需记录变更内容和回滚点，确保出现问题时可快速回退。