本技能是技能编写词汇与可预测性原则的权威来源，改编自 mattpocock/skills writing-great-skills（MIT © 2026 Matt Pocock）。
核心理念：技能存在的意义是从随机系统中逼出确定性。可预测性指智能体每次运行走相同流程，而非产出相同结果，是根本美德，下文所有手段都服务于它。
调用方式：模型调用型技能保留描述，智能体可自主触发、其他技能也可调用，但描述每轮占用上下文；需省略 disable-model-invocation 并写面向模型、含丰富触发措辞的描述。用户调用型技能移除描述，只能由人手动输入名称调用，零上下文负载，但需设置 disable-model-invocation: true，描述改为面向人的一句话摘要。仅当智能体必须自主触达时才用模型调用。用户调用技能过多时，可用一个路由技能汇总列出。
描述撰写：模型调用型描述要说明技能是什么并列出触发分支。前置引导词；每个分支只留一个触发；删去正文已有的身份信息。
信息层级：内容分步骤与参考两类，按智能体需要程度排列——技能内步骤（SKILL.md 中有序动作，每步以可校验、必要时穷尽的完成标准结尾）、技能内参考（按需查阅的规则或事实）、外部参考（移入独立文件，由上下文指针触发加载）。渐进式披露即沿层级下移，既避免顶部臃肿，又避免隐藏必要材料。分支是披露的检验标准：所有分支都需要的内联，仅部分分支需要的前推。同一概念的定义、规则与告诫应放在同一标题下。
何时拆分：按调用拆分（有独立引导词或需被其他技能触达）；按顺序拆分（后续步骤会诱使智能体草率完成当前步骤时，将其移出视野）。
精简：保持单一事实来源；逐句检查相关性；对每个句子单独做 no-op 测试，失败的整句删除，果断而非改写。
引导词：是模型预训练中已有的紧凑概念，贯穿文本可累积分布式定义、锚定行为，减少 token 并提升可预测性。应寻找机会把重复表述重构为引导词（如把“快速、确定、低开销”合并为“tight loop”）。
失败模式：过早完成（先强化完成标准，再考虑拆分隐藏后续步骤）、重复、沉积（过时层次）、臃肿、no-op（默认已遵守的无效表述）、否定（用禁止来引导会适得其反，应正面陈述目标行为，禁止只作无法正面表述的硬护栏）。