SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场skill-builder

skill-builder

智能体与模型

查看项目

更新于 10-15 15:35

技能介绍

用途

Skill-Builder 是一个元技能（meta-skill），用于帮助创建遵循既定模式的新智能体技能。它的职责是引导技能设计、生成脚手架并验证完整性。

核心原则：技能是带有工具的诊断框架，而不是功能清单。一个技能诊断问题空间、识别状态并提供干预。脚本提供随机化与结构，LLM 提供判断，各自做自己最擅长的事。

技能结构

每个技能包含以下组件：

skill-name/
├── SKILL.md           # 诊断框架 + 文档
├── scripts/           # Deno TypeScript 工具
│   └── *.ts
├── data/              # JSON 数据集（如需要）
│   └── *.json
└── references/        # 支持性文档（可选）
    └── *.md

SKILL.md 的结构包括：frontmatter（name、description、license、metadata）、标题与副标题、角色描述、核心原则、状态（Symptoms/Key Questions/Interventions）、诊断流程、关键问题、反模式、可用工具、示例交互、不做什么、集成图。

技能类型

  • Type D：诊断型技能。目的：识别问题、推荐干预。模式：状态 → 问题 → 干预。特征：带症状/问题的状态、交叉引用干预工具、"不做什么"边界、集成表。
  • Type G：生成型技能。目的：从参数生成结构化输出。模式：参数 → 生成 → 输出。特征：带默认值的输入参数、可选种子的随机化、多种输出格式、质量等级。
  • Type U：工具型技能。目的：支持其他技能、构建基础设施。模式：输入 → 分析/转换 → 报告。特征：元级操作、质量指标与验证、模板与脚手架、跨技能适用性。
  • Type O：编排型技能。目的：将多个技能协调为自主工作流。模式：输入 → 多轮评估循环 → 打磨输出。特征：顺序调用多个子技能、迭代直到满足质量阈值、跨工作单元累积上下文、无需人工检查点自主运行。编排型技能需要额外的 frontmatter 字段：orchestrates、pass_order、pass_weights、max_iterations、global_max_iterations。

成熟度评分（24 分）

技能按 24 分制评估：

完整性（11 分）：核心原则 1 分、状态 2 分、状态组件 2 分、诊断流程 1 分、反模式 2 分、示例 2 分、边界 1 分。

质量（5 分）：自包含 1 分、类型+模式声明 1 分、状态命名 1 分、集成图 1 分、工具文档 1 分。

可用性（4 分）：输出持久化 1 分、渐进式披露 1 分、决策树 1 分、可操作性 1 分。

执行智能（4 分）：推理需求 1 分、执行策略 1 分、子代理指导 1 分、上下文管理 1 分。

成熟度等级：草稿 0-8 分、开发中 9-14 分、稳定 15-20 分、久经考验 21-24 分。

必填元数据

每个技能必须在 frontmatter 中声明类型（diagnostic/generator/utility/orchestrator）和模式（diagnostic/assistive/collaborative/evaluative/application/generative）。复合模式（如 diagnostic+generative）在技能执行多种功能时允许使用。可选元数据包括 maturity_score。

状态命名约定

状态遵循 {ABBREV}{NUMBER}: {State Name} 格式。缩写为从技能名派生的 1-3 个大写字母，数字从 0（表示"不存在 X"的状态）或 1 开始，状态名需具描述性。子状态在插入现有状态之间时使用小数表示法（4.5、5.75）。文档中列出了 story-sense（SS）、dialogue（D）、conlang（L）、worldbuilding（W）、revision（R）、endings（E）、character-arc（CA）、scene-sequencing（SQ）、brainstorming（B）、research（RS）、requirements-analysis（RA）、system-design（SD）等标准缩写。

集成图要求

每个技能必须记录与其他技能的连接，包括入站（来自其他技能）、出站（到其他技能）和互补技能。要求：至少 1 个入站或出站连接、互补技能列表、状态级具体性、双向文档。

执行智能要求

技能应记录如何由 Claude Code 最佳执行，包括：推理需求（标准推理与扩展推理 ultrathink 的适用场景）、执行策略（顺序与可并行工作、子代理候选）、上下文管理（近似 token 占用、上下文优化、上下文紧张时的优先级）。

反模式要求

每个技能必须记录常见错误。诊断型技能至少 3 个反模式，生成型/工具型至少 2 个。结构包括 Pattern、Problem、Fix、Detection（可选）。常见类别包括范围蔓延、深度缺失、层级错误、用户关系、集成问题。

脚本模式

文档提供了标准 Deno TypeScript 脚本模板，包含接口、数据、工具函数、核心逻辑、格式化、主函数等部分，以及参数解析模式（帮助检查、--flag 值对、布尔标志、跟踪已消费索引、查找位置参数）、数据加载模式（外部 JSON 文件、相对路径）、输出模式（支持多种格式）、数据文件模式（简单列表与结构化数据）。数据质量阈值：入门 10-30 项、可用 30-75 项、生产 75-150 项、全面 150+ 项。

适用场景

适用于需要创建新智能体技能、设计诊断框架、构建 CLI 工具或数据驱动生成器，并希望遵循既定技能模式的场景。

限制

资料未提供该技能的具体安装命令、收费信息、平台支持范围或实际使用效果数据。