Agent Skills
返回列表
🤖

专家经验变技能

AI Agent 更新于 2026.08.29

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 @user_84aa03cf/chenlin-expertise-to-skill。

技能介绍

要解决的问题

企业把 AI 落到业务里,难点往往不是「再训一个模型」,而是如何把一线专家的隐性知识——SOP、启发式、踩坑教训、评审清单——变成 Agent 能稳定加载、可版本回滚的交付物。微调贵、难审计、换宿主就要重来;把判断蒸馏成 SKILL.md 则更接近「以人为锚的 artifact」。

技能如何工作

本技能给出一套通用蒸馏工作流,而不是替你写死某一行业务文案:

  1. 界定边界:明确这一类任务的输入/输出,以及 deliberately 不覆盖的范围,避免做成万能手册。
  2. 选路径:自下而上(Path A)从一次复杂任务成功后的工作流沉淀;自上而下(Path B)从现有 SOP / 架构指南结构化拆分。
  3. 写元数据与正文:name + description(必须同时写清「做什么」和「何时用」,塞满触发词);正文用动词开头的可执行步骤,长篇材料进 references/。
  4. 匹配自由度:开阔地带给散文式启发式;窄桥悬崖(如数据库迁移)给精确命令并禁止偏离。
  5. Eval-first 迭代:先在真实任务上观察触发是否对、轨迹是否跑偏,再补脚本(scripts/)与模板,并对模型已原生处理的部分做减法(死权重)。

核心原则写得很直白:Skill 在吃 fine-tuning 的午饭——文件化、可移植、可审视,任何 Claude Code、Cursor、Codex 类宿主都能加载。

适用边界与注意点

  • 未来重复次数 < 2 的一次性杂活,不值得蒸馏,容易过度封装噪声。
  • 目标是捕获启发式与心智模型,不是把单次对话行为克隆成 Skill。
  • description 是 Agent 决定是否激活的唯一依据;写得太泛会「触发不了」,写得太场景化会误触发。
  • 详细模板、端到端示例、FDE 飞轮与排错在 references/(如 template.md、distillation-checklist.md、troubleshooting.md),正文建议控制在 500 行以内,配合渐进式披露控制上下文体积。

使用场景

  • 一次多步骤客户交付刚跑通,需要把工作流与关键决策点沉淀成可复用的 SKILL.md
  • 手里已有架构评审或发布 SOP 文档,要拆成带触发词的 description 与可执行正文
  • 团队反复在同类任务上踩相同坑,希望把教训写成 Agent 可加载的启发式与评审清单
  • FDE 现场复盘后,要把客户侧经验转成可版本化的交付资产而不是留在聊天记录里

适合人员

  • 负责把内部最佳实践产品化的平台工程师,需要统一 Skill 目录结构与 frontmatter 规范
  • 每周带队做复杂 Agent 结对任务的技术 Lead,成功后要把路径 A 沉淀给全队复用
  • 维护企业 SOP 库的知识管理员,要把长文档拆进 references/ 并写好触发 description
  • 前向部署工程师要把一线客户经验反哺为可安装技能,而非每次现场重新发明流程