Agent Skills
返回列表
🤖

Skill 优化器（STOM 自动化引擎）

AI Agent 更新于 2026.08.30

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_7495c5ed/skill-optimizer-stom。

技能介绍

问题背景

许多 Agent Skill 的 SKILL.md 会随示例、规则、接口说明不断膨胀，导致 token 消耗高、弱模型容易抓错重点，而普通人工审查难以同时覆盖规模、信息密度、分层和模型适配性。Skill 优化器（STOM 自动化引擎）把这类审查变成可重复的诊断流程。

核心工作流

  • 单 Skill 审计：读取目标 SKILL.md，按 STOM v2.0 维度打分，重点检查行数与大小、信息密度、L1/L2/L3 分层、架构健康度。
  • 全量审计：对多个 Skills 做批量扫描，按超标程度排序，帮助识别需要优先瘦身的条目。
  • 执行优化：在审计通过前不写文件；确认后对 SKILL.md 做移动、压缩、外部化引用等改造，并保持业务逻辑不变。
  • 弱模型适配：v1.2.0 起覆盖 M1-M10 偏差模式，静态规则检测指令歧义、步骤模糊等问题，LLM 语义评审处理指令干扰、思考泄漏、约定与新奇等更隐蔽的风险。

适用边界

该技能面向 SKILL.md 的信息架构与 token 效率，不负责新增业务功能，也不替代功能正确性测试。适合用于审计现有 Skill、批量清理超标 Skill，以及在新建 Skill 前规划结构；不适合直接修改代码逻辑或创建完整业务内容。

使用场景

  • 维护者发现某个 SKILL.md 过大，用单 Skill 审计查看规模、密度与分层评分。
  • 治理负责人批量检查所有 Skills，按超标程度排序并优先处理超过 500 行的文件。
  • 开发者准备新建 Skill，先用新 Skill 预检规划 section 分层、L1/L2/L3 内容归属与引用结构。
  • 工程师审计弱模型友好度，检测步骤歧义、指令干扰与思考泄漏，并合并静态扫描和 LLM 评审结果。

适合人员

  • 负责维护 Agent Skill 仓库的工程负责人，希望批量找出超标 SKILL.md 并制定瘦身优先级。
  • 编写 Agent Skills 的提示词工程师，希望在新建 Skill 前先规划 section 分层与外部引用结构。
  • 关注弱模型稳定性的模型适配工程师，希望检测 SKILL.md 的步骤歧义、指令干扰与思考泄漏。
  • 管理多条业务线 Agent 的技能治理员，希望用统一维度审计 Skills 并沉淀审计结果。