制造工坊：技能工厂

解决「模糊需求」到「标准技能包」的转化难题

在构建 AI Agent 工作流时，开发者常会遇到一个瓶颈：手头有一个不错的想法或明确的业务需求，但将其转化为符合规范、结构清晰的 Agent Skill 却需要耗费大量精力。从设计文档编写、目录结构规划，到具体的指令撰写和测试验证，每一个环节都容易出错。

这个技能工厂（Skill Factory）就是为了填平这道鸿沟。它接受自然语言形式的模糊需求，通过结构化的提示词工程和工程化流程，最终输出一个完整可用的技能包。

核心工作流：双轨制的工程化交付

该技能并非一次性生成所有内容，而是采用类似敏捷开发的确认机制，根据需求复杂度自动路由：

• 动态复杂度评估：在初步探索后，通过三个问题快速判定需求类型。如果涉及多文件/多资源（如同时需要 scripts/ 和 templates/）、需要长期维护机制或包含确定性计算逻辑，将进入七步全流程；否则进入五步快车道。
• 澄清与方案呈现：拒绝盲目开始。在写代码前，它会通过多选问题收敛需求（明确目的、约束、素材清单），并直接提供 2-3 个方案供选择。
• 分节确认与设计落盘：复杂流程要求“每节 200-300 字，逐节确认”。设计一旦确认，立即写入 docs/YYYY-MM-DD--design.md，确保文档与实现同步。
• 结构化实现与路由：进入编码阶段时，依据决策流（如标准化输出对应 templates/，确定性计算对应 scripts/）自动规划目录树，确保产物符合 Agent 生态的最佳实践。

适用边界与诚实底线

• 它不是通用代码生成器：如果你的需求只是写一段 Python 脚本或整理文档，该技能会明确拒绝并建议其他流程。它的目标是生成标准化的 Agent Skills。
• 严谨的验证机制：产物需经过静态自检（Gate 1）和沙箱实跑（Gate 2）。如果两轮迭代后仍未通过验证，它会交付一份诚实的「未通过报告」并附带修复建议，而不会伪装成成功技能。
• 防重名机制：在创建前会扫描 ~/.agents/skills/ 和工作目录，防止覆盖已有技能。

这个工具适合那些希望将个人经验固化为 Agent 能力、且对产物质量有严格要求的工程师。