技能创作者
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/anthropics-skills-skill-creator。
技能介绍
写一个新技能,难在哪
SKILL.md 看起来只是一份说明文件,但真正上手写过就知道:把意图、触发条件、输出格式和验收标准一次性写成可执行的草稿,远比想象中难。另一个坑是模型往往会"欠触发"——该用技能的时候不用,所以 description 还要写得更"推"一点,主动声明什么场景下该激活它。
它是怎么工作的
Skill Creator 把创建技能拆成一条可重复的闭环,而不是一次性任务:
- 捕获意图:先确认技能要做什么、何时触发、期望输出,并判断这类技能是否值得配测试用例
- 访谈与调研:主动追问边界情况、输入输出格式、示例文件和依赖,能查的文档先并行查完,减少用户负担
- 起草 SKILL.md:按
name、description等元数据组织正文,遵循三层渐进式披露的加载结构(元数据常驻上下文、正文触发时加载、参考文件按需读取) - 跑测试与出基线:每个测试用例同时启动"带技能"与"不带技能/用旧版"两组子代理,运行期间顺手起草断言并记录
timing.json - 看结果再迭代:评分后聚合成
benchmark.json,用eval-viewer同时展示定性输出与定量指标,然后按反馈重写技能
适用边界与注意点
- 输出客观可验证的技能(文件转换、数据抽取、代码生成、固定工作流)能享受断言与基准的加成;写作风格类技能更适合人工定性评估,不要硬套断言
- 流程是柔性的:用户如果说"不用跑评估,跟我快速过一遍就行",可以直接跳过基准环节
- 遵循"不出意外"原则:技能里不能藏恶意代码或欺骗性逻辑,触发描述与实际行为应一致
description是主要触发机制,所有"何时使用"的信息都应放在这里,而不是正文里
使用场景
- 已有一个反复执行的工作流,想把它固化成 SKILL.md,并确认触发条件与输出格式。
- 已有技能草稿,需要补测试用例和基线,通过量化结果判断是否值得继续改。
- 每次多人协作都要跑同一类提示词,希望先起草用例、调断言,再统一出评审页。
- 用户明确说不需要跑评估,只想快速讨论技能边界并直接进入迭代。
适合人员
- 把重复代理流程写成技能的工程师,希望减少欠触发和输出漂移。
- 已有技能草稿的 Agent 开发者,需要用基线、断言和指标改进质量。
- 团队内部固化最佳实践的成员,希望技能触发条件与副作用可审查。
- 不想写测试,只想让技能快速成型的个人开发者。