用途
Skill Conductor 用于管理智能体技能（agent skills）的完整生命周期：起草、测试、审查、改进、重复。它把技能当作严格的软件工件，目标是让技能具备可自动化的生命周期循环、持续的二值评测（BinEval）断言、触发优化与发布门控，避免在真空中编写技能导致不可测试的提示词和未知的失败率。
主要能力
- 七种工作模式：CREATE（从意图到架构、脚手架、编写、测试）、IMPROVE（诊断、评测循环、门控自更新、迭代）、VALIDATE（结构检查、触发测试、BinEval 评分）、REVIEW（11 点质量门）、OPTIMIZE（描述优化，含训练/测试切分）、PACKAGE（验证并打包为 .skill 文件）、DISTRIBUTE（生成清单、GitHub 仓库与 CI）。
- 生命周期方法：CREATE 模式要求先捕获 2–3 个具体场景，再做基线测试（TDD RED）确认智能体在无技能时确实失败；随后选择架构模式（顺序工作流、迭代精炼、上下文感知选择、领域智能、多 MCP 协调）与自由度（脚本、伪代码、文本）；再脚手架、编写 SKILL.md、设计测试用例并运行评测循环。
- 质量原则：参考 sop-practices.md 的 10 条通用编写原则，包括预检、描述中不放流程、SKILL.md 作为地图而非散文、新手上路视角、解释“为什么”、盲测智能体、内联检查清单、一个概念一个术语、去掉冗余（环境/密钥不写入 SKILL.md）、形式与失败匹配。
- 评测与门控：IMPROVE 模式支持基于失败 BinEval 问题的门控自更新循环，使用固定切分（holdout 0.4），每次最多 3 个原子编辑，接受条件包括：无 held-out 断言从通过翻转为失败、训练通过率严格提升、无新的关键问题失败；最多 3 次迭代。
- 验证与评分：VALIDATE 分三阶段：结构校验（eval_skill.py）、发现测试（3 个应触发 + 3 个不应触发）、BinEval 评分（5 个维度：Discovery、Clarity、Structure、Robustness、Completeness），分数区间为 ≥0.90 生产就绪、0.70–0.89 扎实、0.50–0.69 需改进、<0.50 重写。
- 打包与分发：PACKAGE 模式验证并打包为 .skill 文件；DISTRIBUTE 模式生成 package.json、marketplace.json、.skills.json、install.sh 等清单，并搭建 GitHub 仓库与 CI。
使用方式
接触脚本的模式（CREATE、IMPROVE、VALIDATE、OPTIMIZE、PACKAGE）需先运行预检：检查 uv，设置 UV_BIN/SKILL_CONDUCTOR_DIR，验证 LLM 访问；若 uv 缺失则停止并告知用户。脚手架命令示例：
uv run scripts/init_skill.py <skill-name> --path <output-dir> [--resources scripts,references,assets]
结构校验命令：uv run scripts/eval_skill.py <skill-folder>
聚合基准：uv run scripts/aggregate_benchmark.py <workspace>/iteration-N --skill-name <name>
启动评测查看器：uv run eval-viewer/generate_review.py <workspace> --skill-name <name> --benchmark <path>；无头模式用 --static <output.html>。
技能目录结构为：SKILL.md（必需，大脑）、scripts/（确定性操作）、references/（按需加载的详细文档）、assets/（输出用模板与图片）。SKILL.md 的 frontmatter 包含 name（小写、数字、连字符，最长 64 字符）与 description（最长 1024 字符，不含尖括号与流程步骤）。
适用场景
适用于需要从零构建智能体技能、改善已有技能、修复无法触发的技能、进行第三方审查、优化触发描述、打包分发技能以及搭建技能仓库与 CI 的作者和团队。特别适合希望用评测数据驱动改进而非凭个人品味的场景。
限制
依赖 uv 运行时环境，缺失时无法执行脚本相关模式。部分能力需要 LLM 访问与 Anthropic 密钥用于执行器子代理。BinEval 的 held-out 改进不作为必要条件。平台、收费、价格等信息暂未提供。