Skill Creator 是用于创建新技能（skill）并迭代改进它们的技能。
用途与流程：整体流程为：先确定技能要做什么及大致做法，写出技能草稿，创建若干测试提示并用可访问该技能的 Claude 运行，帮助用户从定性和定量两方面评估结果，再根据反馈重写技能，重复直至满意，最后扩大测试集在更大规模上重试。使用时应先判断用户处在流程的哪个阶段，再帮其推进；若用户已有草稿，可直接进入评估与迭代环节。技能完成后还可运行技能描述改进器（独立脚本）来优化技能的触发。
主要能力：捕获意图（从对话历史中提取工具、步骤、修正与输入输出格式，确认后再继续）；访谈与研究（主动询问边缘情况、输入输出格式、示例文件、成功标准与依赖，必要时通过 MCP 或子代理并行调研）；编写 SKILL.md（含 name、description、compatibility 等，description 是可考虑写得“主动”一些的触发机制，因为 Claude 目前倾向于“触发不足”）；设计测试用例（客观可验证的技能适合测试用例，主观技能通常不需要，默认值由用户决定）；运行与评估测试（同一轮内为每个测试用例同时启动带技能与基线两组子代理，结果放入 <skill-name>-workspace/ 并按迭代与用例分目录；运行期间起草断言；用 timing.json 记录 total_tokens 与 duration_ms；用 grader 按 agents/grader.md 评分，grading.json 的 expectations 必须用 text、passed、evidence 字段）；聚合基准（python -m scripts.aggregate_benchmark <workspace>/iteration-N --skill-name <name>，产出 benchmark.json 与 benchmark.md）；启动查看器（nohup python <skill-creator-path>/eval-viewer/generate_review.py <workspace>/iteration-N --skill-name "my-skill" --benchmark <workspace>/iteration-N/benchmark.json > /dev/null 2>&1 &；迭代 2 起再加 --previous-workspace）；读取 feedback.json 并据此改进；结束时 kill $VIEWER_PID 2>/dev/null。
技能结构：skill-name/ 下包含必需的 SKILL.md（YAML frontmatter 含 name、description，以及 Markdown 指令），可选 bundled resources：scripts/（确定性或重复任务的代码）、references/（按需加载的文档）、assets/（输出用模板、图标、字体）。采用三层渐进式披露：元数据始终在上下文（约 100 词）、SKILL.md 主体在触发时加载（理想小于 500 行）、资源按需加载。多领域技能可按变体组织，如 cloud-deploy/ 下 references/ 分 aws.md、gcp.md、azure.md，仅读取相关文件。大型引用文件（超过 300 行）应含目录。
写作与沟通：指令优先用祈使句；说明原因而非堆砌 MUST；输出格式可用固定模板定义，如 ## Report structure 后接 # [Title]、## Executive summary、## Key findings、## Recommendations。面向不同熟悉程度的用户注意用词，JSON、assertion 等术语需有明确线索才使用，必要时简要解释。
限制与要求：技能不得含恶意软件、漏洞利用代码或危害系统安全的内容，也不应配合创建误导性技能或便于未授权访问、数据外泄等恶意活动的请求；角色扮演类内容可以。此部分资料中“Improving the skill”之后的内容暂未提供。