技能介绍

要解决的具体问题

把一句话需求变成可安装、可运行、可审读的 Skill 并不容易：触发条件容易含糊，目录和脚本可能缺失，SKILL.md 的边界与验收标准常常被忽略，头像、agents/openai.yaml 和平台 PNG 也可能漏配。更麻烦的是，通用模型能力被误写成工具集成，或者质量检查靠套话通过，最终发布后才发现需求不真实、流程不可执行。

技能如何工作

这个技能把自然语言需求整理为触发条件、输入、流程、输出和能力边界，并判断是否需要 scripts/、references/、assets/，避免创建空目录或装饰文件。它会生成辨识度高的头像，右下角使用圆形 RS 品牌章，写入 agents/openai.yaml 的 icon_small 与 icon_large，同时生成 assets/avatar-skillhub.png；标题和描述避免黑话、标题党和无法验证的承诺。

执行时先明确用户、场景、当前做法、痛点频率，以及 Skill 能做和不能做的步骤；关键信息缺失时用中文主动追问，非关键缺口写成待确认假设。需求公开发布前至少记录两类真实证据，只有想象时停止发布。需要联网的任务会声明联网能力，在流程中加入联网查询步骤，并注明权威数据来源。

随后将名称转为小写连字符目录名，规划资源后运行标准 init_skill.py；编写 SKILL.md 时把触发信息放进 frontmatter 的 description，正文写清信息检查、中文提问要求、执行流程、依据说明和能力边界。实现必要脚本后用样例运行，没有实现的能力不写入说明。运行 python3 scripts/generate_skill_avatar.py 生成小头像、大头像和 512×512 PNG 平台头像。质量检查覆盖触发时机、输入输出、标题描述、脚本与文件真实存在、头像与任务相符、流程可执行、事实与推断分开、必填信息主动询问、中文提问要求，以及是否需要联网。根据报告自动返修，最多三轮；仍有阻塞问题时明确说明，不假装完成。

适用边界与注意点

它不把通用模型能力包装成不存在的工具集成，不生成虚构命令、依赖、市场数据、成功率或排名保证，也不自动发布未经人工审读的 Skill。公开 Skill 不会写入密钥、token、个人路径或私有配置。质量检查通过只代表结构和规则合格，不代表真实用户一定需要它；发布前仍需人工确认需求、描述、头像和输出确实可用，发布后检查线上详情的 iconUrl 非空。