AI洞察

MetaSkill：Skill-Creator 完整技能设计手册

来源：skill-creator-0.1.0/SKILL.md · 完整中文翻译 + 结构化整理

技能（Skill）是模块化、自包含的包，通过提供专业知识、工作流程和工具来扩展 AI 的能力。可以把它们理解为特定领域的「入职指南」——将通用智能代理转变为配备程序性知识的领域专家。

本文是 Skill-Creator 的完整设计手册，涵盖技能结构、核心原则、创建流程与最佳实践。

一、技能能提供什么

类型 说明
专业工作流程 特定领域的多步骤程序
工具集成 使用特定文件格式或 API 的说明
领域专业知识 行业知识、业务逻辑、公司规范
捆绑资源 用于复杂和重复任务的脚本、参考资料和资产

二、核心原则

原则一：简洁是关键

上下文窗口是公共资源。技能与 AI 需要的其他所有内容共享上下文窗口：系统提示、对话历史、其他技能的元数据以及实际的用户请求。

默认假设：AI 已经非常聪明。 只添加 AI 还没有的上下文。挑战每条信息：

  • 「AI 真的需要这个解释吗？」
  • 「这段文字值得它的 token 成本吗？」

优先使用简洁的示例，而不是冗长的解释。

原则二：设置适当的自由度

将具体程度与任务的脆弱性和可变性相匹配：

自由度 实现方式 适用场景
高自由度 基于文本的说明 多种方法都有效、决策取决于上下文
中等自由度 带参数的伪代码或脚本 有首选模式、可接受一些变化
低自由度 特定脚本，少量参数 操作脆弱易出错、一致性至关重要

类比：AI 像探索者走在路上——有悬崖的狭窄桥梁需要护栏（低自由度），开阔的田野允许多条路线（高自由度）。

三、技能的目录结构

每个技能由必需的 SKILL.md 文件和可选的捆绑资源组成：

1
2
3
4
5
6
7
8
9
10
skill-name/
├── SKILL.md            （必需）
│   ├── YAML frontmatter 元数据（必需）
│   │   ├── name:       （必需）
│   │   └── description:（必需）
│   └── Markdown 说明  （必需）
└── 捆绑资源            （可选）
    ├── scripts/        - 可执行代码（Python/Bash/等）
    ├── references/     - 需要时加载到上下文中的文档
    └── assets/         - 输出中使用的文件（模板、图标、字体等）

SKILL.md（必需）

每个 SKILL.md 包含两部分：

  • Frontmatter（YAML）：包含 name 和 description 字段。这是 AI 读取以确定何时使用技能的唯一字段，因此清晰全面非常重要。
  • 正文（Markdown）：使用技能的说明和指导。仅在技能触发后加载。

捆绑资源（可选）

scripts/（脚本）

用于需要确定性可靠性或重复重写的任务的可执行代码。

  • 何时包含：当相同的代码被重复重写，或需要确定性可靠性时
  • 示例：scripts/rotate_pdf.py（PDF 旋转任务）
  • 优点：token 高效、确定性强，可在不加载上下文的情况下执行
  • 注意：脚本仍可能需要被 AI 读取以进行环境特定调整

references/（参考资料）

旨在根据需要加载到上下文中以告知 AI 思考过程的文档。

  • 何时包含：AI 在工作时应参考的文档
  • 示例：references/finance.md、references/mnda.md、references/api_docs.md
  • 用例：数据库模式、API 文档、领域知识、公司政策
  • 优点：保持 SKILL.md 精简，仅在需要时加载
  • 最佳实践：文件超过 10k 字时，在 SKILL.md 中包含 grep 搜索模式
  • 避免重复：信息只存在于 SKILL.md 或参考文件中，不要两者都有

assets/（资产）

不加载到上下文中，而是在 AI 生成的输出中直接使用的文件。

  • 何时包含：技能需要在最终输出中使用的文件时
  • 示例：assets/logo.png、assets/slides.pptx、assets/frontend-template/
  • 用例：模板、图像、图标、样板代码、字体

不应包含的内容

技能应只包含直接支持其功能的基本文件，不要创建多余的文档：

  • README.md
  • INSTALLATION_GUIDE.md
  • QUICK_REFERENCE.md
  • CHANGELOG.md

四、渐进式披露设计原则

技能使用三级加载系统来有效管理上下文：

层级 内容 加载时机 大小建议
第一级 元数据（名称 + 描述） 始终在上下文中 ~100 字
第二级 SKILL.md 正文 技能触发时 <5k 字
第三级 捆绑资源 AI 按需加载 无限制

核心原则： 当技能支持多个变体时，在 SKILL.md 中只保留核心工作流程和选择指导，将特定变体的详细信息移至单独的参考文件。

渐进式披露模式

模式一：带参考的高级指南

1
2
3
4
5
6
7
8
9
10
11
# PDF 处理

## 快速入门

使用 pdfplumber 提取文本：[代码示例]

## 高级功能

- **表单填充**：完整指南见 [FORMS.md](FORMS.md)
- **API 参考**：所有方法见 [REFERENCE.md](REFERENCE.md)
- **示例**：常见模式见 [EXAMPLES.md](EXAMPLES.md)

AI 仅在需要时加载 FORMS.md、REFERENCE.md 或 EXAMPLES.md。

模式二：特定领域组织

对于具有多个领域的技能，按领域组织内容以避免加载不相关的上下文：

1
2
3
4
5
6
7
bigquery-skill/
├── SKILL.md           （概述和导航）
└── reference/
    ├── finance.md     （收入、计费指标）
    ├── sales.md       （机会、管道）
    ├── product.md     （API 使用、功能）
    └── marketing.md   （活动、归因）

当用户询问销售指标时，AI 只读取 sales.md。同理，支持多框架的技能也按变体组织：

1
2
3
4
5
6
cloud-deploy/
├── SKILL.md           （工作流程 + 提供商选择）
└── references/
    ├── aws.md         （AWS 部署模式）
    ├── gcp.md         （GCP 部署模式）
    └── azure.md       （Azure 部署模式）

模式三：条件详情

1
2
3
4
5
6
7
8
9
10
11
12
# DOCX 处理

## 创建文档

使用 docx-js 创建新文档。见 [DOCX-JS.md](DOCX-JS.md)。

## 编辑文档

对于简单的编辑，直接修改 XML。

**对于跟踪更改**：见 [REDLINING.md](REDLINING.md)
**对于 OOXML 详情**：见 [OOXML.md](OOXML.md)

重要指南：

  • 避免深度嵌套的引用 —— 保持引用从 SKILL.md 一级深度，所有参考文件都应直接从 SKILL.md 链接
  • 构建较长的参考文件 —— 超过 100 行的文件，在顶部包含目录，以便 AI 预览时可以看到完整范围

五、技能创建六步流程

步骤 名称 说明
步骤一 理解技能 通过具体示例理解技能的使用模式
步骤二 规划内容 分析可重用的脚本、参考资料和资产
步骤三 初始化 运行 init_skill.py 生成技能目录
步骤四 编辑技能 实现资源，编写 SKILL.md
步骤五 打包 运行 package_skill.py 生成 .skill 文件
步骤六 迭代 根据实际使用反馈持续改进

步骤一：通过具体示例理解技能

仅当技能的使用模式已经清楚理解时才跳过此步骤。即使在使用现有技能时，它仍然有价值。

要创建有效的技能，需要清楚理解如何使用该技能的具体示例。例如，构建图像编辑器技能时，需要问：

  • 「图像编辑器技能应该支持什么功能？编辑、旋转，还有其他吗？」
  • 「你能给出一些如何使用此技能的示例吗？」
  • 「用户会说什么来触发此技能？」

避免在单条消息中提出太多问题。从最重要的问题开始，根据需要跟进。

当对技能应支持的功能有清晰认识时，结束此步骤。

步骤二：规划可重用的技能内容

将具体示例转化为有效技能，通过以下方式分析每个示例：

  1. 考虑如何从头开始执行示例
  2. 确定在重复执行这些工作流程时，哪些脚本、参考资料和资产会有帮助

示例一：构建 pdf-editor 技能

  • 旋转 PDF 需要每次重写相同的代码
  • → scripts/rotate_pdf.py 脚本应存储在技能中

示例二：构建 frontend-webapp-builder 技能

  • 编写前端 Web 应用每次都需要相同的样板 HTML/React
  • → 包含样板文件的 assets/hello-world/ 模板应存储在技能中

示例三：构建 big-query 技能

  • 查询 BigQuery 需要每次重新发现表模式和关系
  • → 记录表模式的 references/schema.md 文件应存储在技能中

步骤三：初始化技能

从头开始创建新技能时，始终运行 init_skill.py 脚本：

1
scripts/init_skill.py <skill-name> --path <output-directory>

该脚本将：

  • 在指定路径创建技能目录
  • 生成带有适当 frontmatter 和 TODO 占位符的 SKILL.md 模板
  • 创建示例资源目录：scripts/、references/ 和 assets/
  • 在每个目录中添加可以自定义或删除的示例文件

步骤四：编辑技能

编辑技能时，记住该技能是为另一个 AI 实例使用而创建的。包含对 AI 有益且不明显的信息。

学习经过验证的设计模式

根据技能需求查阅这些有用的指南：

  • 多步骤流程：有关顺序工作流程和条件逻辑，见 references/workflows.md
  • 特定输出格式或质量标准：有关模板和示例模式，见 references/output-patterns.md

从可重用内容开始

从确定的可重用资源开始实现：scripts/、references/ 和 assets/ 文件。

注意：此步骤可能需要用户输入。例如，实现 brand-guidelines 技能时，用户可能需要提供品牌资产或模板。

添加的脚本必须通过实际运行来测试，确保没有错误且输出符合预期。不需要的示例文件应删除。

更新 SKILL.md

写作指南： 始终使用祈使句/不定式形式。

Frontmatter 字段：

  • name：技能名称
  • description：主要触发机制，帮助 AI 理解何时使用该技能。应包括技能的功能以及具体触发器/上下文

示例描述（docx 技能）：「全面的文档创建、编辑和分析，支持跟踪更改、注释、格式保留和文本提取。当 AI 需要处理专业文档（.docx 文件）时使用，用于：(1) 创建新文档，(2) 修改或编辑内容，(3) 处理跟踪更改，(4) 添加注释，或任何其他文档任务」

注意：不要在 YAML frontmatter 中包含任何其他字段。

步骤五：打包技能

技能开发完成后，打包成可分发的 .skill 文件：

1
2
3
4
5
# 基本用法
scripts/package_skill.py <path/to/skill-folder>

# 指定输出目录
scripts/package_skill.py <path/to/skill-folder> ./dist

打包脚本将自动：

  1. 验证技能，检查：
    • YAML frontmatter 格式和必需字段
    • 技能命名约定和目录结构
    • 描述的完整性和质量
    • 文件组织和资源引用
  2. 打包技能（验证通过后），创建以技能命名的 .skill 文件（本质是带 .skill 扩展名的 zip 文件）

如果验证失败，脚本将报告错误并退出。修复验证错误后再次运行。

步骤六：迭代

测试技能后，根据实际使用反馈进行改进。

迭代工作流程：

  1. 在实际任务中使用技能
  2. 注意困难或低效之处
  3. 确定应如何更新 SKILL.md 或捆绑资源
  4. 实施更改并再次测试

总结

维度 核心建议
内容精简 只添加 AI 还没有的上下文，不解释显而易见的事情
结构清晰 三级加载系统，按需披露
资源分类 scripts/references/assets 三类，各司其职
描述精准 description 是触发机制，必须清晰全面
持续迭代 在实际使用中发现问题，持续改进

Skill-Creator 的本质，是把「人类的专业知识」压缩成「AI 可复用的工程模块」。每一个好的 Skill，都是一次知识的结构化沉淀。