用途
create-expert-skill 用于把专家知识转化为生产级技能（Skill），使 AI 助手能够结合领域专业知识与特定系统的理解来完成任务。资料指出，AI 助手在生产环境中失败，往往不是因为缺乏智能，而是因为缺少两类知识：领域专业知识（行业特定规则、边缘案例、不成文惯例）和本体理解（你的系统、数据结构和工作流实际如何运作）。只有领域知识而没有系统上下文，会产生泛泛的输出；只有系统知识而没有领域专业知识，会产生结构正确但语义错误的结果。因此该工具要求两者兼备。
主要能力
- 提供完整工作流：评估（Assess）→ 发现（Discover，含专业知识与本体）→ 设计（Design）→ 创建（Create）→ 精炼（Refine）→ 发布（Ship）。
- 快速评估：判断何时应创建技能，例如使用 3 次以上、遵循一致流程、每次使用节省超过 300 token、需要 Claude 训练数据中没有的专业知识、必须产出可信输出（而非“差不多”）。不适合创建的情况包括：一次性任务、Claude 已具备的基础知识、快速变化的内容。
- 双流发现：第一流是领域专业知识，即超越具体公司的深层知识，如行业标准及其版本、专业惯例与最佳实践、只有从业者才知道的边缘案例、来自规范的验证规则；第二流是本体理解，即技能如何映射到具体系统与组织，如公司特定政策与约束、系统独有的数据结构和标识符、实体之间的交叉引用（如 timekeeper → ID → 费率）、工作流状态与转换。
- 发现阶段会询问：领域与目的、本体需求、内容来源（对话、文档、规范或文件）、自动化潜力（哪些可确定性用脚本、哪些需 LLM 解释）、复杂度级别（简单仅 SKILL.md、增强加脚本、完整加资源）。
- 技能架构分层：Layer 0 为 scripts/ 自动化脚本，运行零 token 消耗，输出结构化 JSON；Layer 1 为 SKILL.md 核心，触发时加载，保持精简（300-500 token）；Layer 2 为 resources/ 细节，仅在需要特定章节时获取。
- Token 优化技巧：用脚本替代 500 token 的验证说明（约省 450 token）；用链接到 resources/schema.json 替代内联 schema（约省 185 token）；把高级内容放入 resources/ADVANCED.md 而非全部塞进 SKILL.md（约省 750 token）。
- 描述公式：<动作> <对象> for <目的>. Use when <触发条件>. 示例：“Validate billing data for system migration. Use before importing invoices.”
- 发布：内容定稿后运行 python scripts/package_skill.py skill-name 1.0，生成 skill-name-v1.0.zip，其中包含自动生成的 DIRECTORY_STRUCTURE.txt、带部署说明的 README.md，以及组织好的所有技能文件。
- 模板与示例：resources/templates/ 提供最小技能模板、增强技能模板、脚本模板；resources/examples/ 提供领域特定模式。
- 质量检查清单：描述少于 30 token；SKILL.md 少于 500 token（Layer 1）；确定性操作用脚本；高级内容放 resources/（Layer 2）；frontmatter 中带版本；所有被引用的文件都存在。
使用方式
资料给出的工作流为：评估 → 发现（专业知识 + 本体）→ 设计 → 创建 → 精炼 → 发布。创建时按技能架构组织目录：skill-name/ 下含 SKILL.md、scripts/、resources/。发布时执行 python scripts/package_skill.py skill-name 1.0 生成 zip 包。资料未提供安装命令。
适用场景
适合需要将行业标准、专业惯例、边缘案例与特定系统结构、数据标识、工作流状态结合起来的技能创建，例如资料中提到的 LEDES 账单数据验证场景（涉及 LEDES 98B 与 XML 2.0 格式、UTBMS 代码分类、日期格式要求、必填与可选字段，以及事务所特定的 timekeeper 代码、matter 编号惯例、已批准费率、外部律师指南要求）。也适合会被重复使用、需要可信输出、且 Claude 训练数据中不具备相应专业知识的任务。
限制
资料明确不建议为一次性任务、Claude 已具备的基础知识、快速变化的内容创建技能。技能应保持分层精简，Layer 1 控制在 500 token 以内。资料未提供收费、价格、平台支持范围等信息。