创建 Agent 技能
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/siviter-xyz-dot-agent-create-skill。
技能介绍
要解决的问题
在 Cursor、Claude 等环境里给 Agent 加「领域手册」时,常见做法是把整份文档塞进系统提示或技能正文。结果是上下文被摊薄:首屏就加载几百行说明,触发慢、维护难,还和对话里其它技能抢 token。
这份技能针对的是:如何按平台约定写出可加载、可维护的 Agent Skill,而不是泛泛的 prompt 写作技巧。
技能在讲什么
它把 Skill 定义成模块化、自洽的包,通过三类能力扩展 Agent:
- 专用工作流:多步骤、面向具体领域的流程说明
- 工具与格式:针对特定 API、文件格式的操作指引
- 领域知识:公司 schema、业务规则等上下文
- 捆绑资源:脚本、参考文档,留给
references/按需加载
核心机制是渐进式披露(Progressive Disclosure):
- 元数据(名称 + 简短描述)常驻上下文(约百词量级)
SKILL.md正文仅在技能被触发时加载,且遵守 200 行规则;更长内容拆到references/- 捆绑资源由 Agent 在实际执行任务时再拉取
文档还强调编写时的取舍:每段信息是否值得占 token、按任务脆弱程度选择高/中/低自由度(纯文字指引 vs 带参脚本 vs 固定脚本),以及对你计划使用的各模型做实测——技能效果会随底座模型变化。
更细的 frontmatter、结构示例与最佳实践在技能自带的 references/ 中,本技能正文本身即是一种「短正文 + 深参考」的示范。
适用边界与注意点
- 面向 SkillHub / 类似三档加载 的技能格式,不是任意自定义 JSON 或纯 MCP 服务端设计。
- 200 行是硬约束:需要 encyclopedic 内容时,应拆分引用文件,而不是把百科写进
SKILL.md。 - 不提供具体业务领域的模板成品,只给结构原则与检查清单;领域内容仍需你自己编写与验证。
使用场景
- 团队要把财务审批 SOP 做成 Agent 技能,需要拆成 SKILL.md 与 references 避免首屏过长
- 维护十多个内部技能时,要统一 frontmatter、200 行上限和引用文件命名
- 为新入职同学写「对接某 REST API」技能,需决定用伪代码还是固定脚本降低误操作
- 同一技能要在 Sonnet 与更小模型上都能触发,发布前按文档要求做多模型试跑
适合人员
- 负责 Agent Skills 仓库的工程师,要把长文档改成可渐进加载的包
- 在 SkillHub 上架技能的内容作者,需符合 200 行规则与 references 目录约定
- 给业务方交付「领域 onboarding 技能」的解决方案架构师,要控制 token 与自由度
- 维护多模型产品线的 AI 应用开发,需要把技能当成可版本化的模块而非一次性 prompt