skill-construction

用途

skill-construction 用于从一组结构化提取组件和一份合成判定出发，构建一个结构规范的 Claude Code 技能，产出包括 SKILL.md 文件、可选的资源文件以及评估评分表。它是 skill-creator 工作流中的倒数第二步。

该技能由调用方智能体（通常是 skill-creator 智能体）在 synthesis-application 对提取组件给出 GO 或 GO_WITH_GAPS 判定后被调用。若判定为 NO_GO，则把智能体退回上游。

主要能力

该技能按以下工作流执行：

• 步骤 1：根据提取内容的体量评估复杂度等级（1-3）
• 步骤 2：规划资源文件（或判断仅 SKILL.md 已足够）
• 步骤 3：起草 SKILL.md 的 frontmatter（name、description、triggers）
• 步骤 4：起草 SKILL.md 正文（工作流清单、关键模式、护栏）
• 步骤 5：起草每个资源文件（聚焦单一主题、少于 500 行、采用 WHY/WHAT 结构）
• 步骤 6：构建评估评分表（10 项标准，1-5 分制）
• 步骤 7：输出构建好的技能文件

输入

• extracted_components：来自 component-extraction 的结构化术语 / 命题 / 论点 / 解决方案
• synthesis_output：来自 synthesis-application 的 GO / GO_WITH_GAPS 判定及其补缺建议
• target_dir：技能应写入的位置（通常为 skills/{skill-name}/）
• purpose_context：例如 skill_extraction_from_methodology（标准情形）

复杂度等级

按内容体量匹配结构，既不过度设计也不设计不足：

• 等级 1：工作流 3-5 步，预计总行数少于 300，结构为 SKILL.md + 评分表
• 等级 2：工作流 5-8 步，预计 300-800 行，结构为 SKILL.md + 1-3 个资源文件 + 评分表
• 等级 3：工作流 8 步以上，预计 800 行以上，结构为 SKILL.md + 4-8 个资源文件 + 评分表

判断依据包括：方法论的总工作流步数、主要决策点（每个通常值得一个章节）、需要解释的不同概念数量、所需示例数量（示例越多行数越多，越可能属于等级 2 或 3）。

SKILL.md 结构（始终必需）

YAML frontmatter：

• name：小写加连字符，不超过 64 字符，不含 XML，不使用保留词（"anthropic"、"claude"）
• description：第三人称，同时说明技能做什么以及何时使用，包含触发关键词，不超过 1024 字符。这是发现面——Claude 用它决定是否调用该技能。

正文典型章节顺序：

• {Skill Name} —— 标题加一段框架说明

• Workflow —— 调用方智能体可复制的工作流清单

• {领域特定章节} —— 模式、决策逻辑、关键概念

• Common patterns —— 2-4 个命名模式及使用场景

• Guardrails —— 禁止事项与反模式

• Related —— 指向相邻技能的指针（仅一层深度）

资源文件结构（等级 2 和 3）

每个资源文件：聚焦一个内聚主题（不要发散）、少于 500 行、从 SKILL.md 以一层深度链接交叉引用、遵循先 ## Why X 再 ## What to do 的结构（WHY 激活上下文，WHAT 给出具体指令）。

两种分组方式：

• 按工作流步骤（适合复杂技能）——每个主要步骤一个资源文件，以步骤命名
• 按主题（适合中等技能）——key-concepts.md、decision-framework.md、examples.md

评估评分表

始终包含 resources/evaluators/rubric_{skill_name}.json。10 项标准，每项 1-5 分。常见标准包括：

• 描述具体性（第三人称，做什么 + 何时用，触发词）
• 工作流完整性（所有主要步骤已捕获）
• 模式覆盖（常见情形已处理）
• 护栏清晰度（禁止事项具体）
• 示例质量（示例具体而非抽象）
• 资源组织（文件聚焦，一层深度链接）
• Token 效率（不过度解释，假定 Claude 足够聪明）
• 一致性（术语稳定，各章节格式一致）
• 触发词明确（关键短语列在描述中）
• 已测试（至少考虑过一个真实测试用例）

发布前目标平均分 ≥ 3.5。

使用方式

该技能由调用方智能体在合成判定通过后调用，按上述七步工作流执行，并输出结构化结果，包括：复杂度评估（等级、理由、结构）、创建的文件清单（含行数与主题）、对照评分表的自评（平均分、低于 3 分的标准、下一轮改进重点），以及来自上游 synthesis-application 的缺口处理情况（若判定为 GO_WITH_GAPS，重述缺口列表及构建如何应对每一项：已填补 / 延后 / 在 SKILL 中作为 TODO 呈现）。

构建时遵循 Anthropic 的智能体技能编写最佳实践：简洁为要，只添加 Claude 尚不具备的上下文；设置适当的自由度（判断性内容用文本指令，脆弱流程用具体脚本）；引用保持一层深度；复杂任务使用工作流清单；建立反馈循环（验证器 → 修复错误 → 重复）；避免 Windows 风格路径，始终使用正斜杠；避免提供过多选项，一个默认加一个逃生通道优于五个备选；MCP 工具使用完全限定名（ServerName:tool_name）。

适用场景

常见模式包括：

• 模式 A —— 来自方法论文档（标准技能创建情形）：提取组件来自方法论指南或框架文档，SKILL.md 的工作流步骤对应方法论步骤，资源覆盖决策逻辑、示例和模板。
• 模式 B —— 来自研究论文：较少见但有效，提取产出更多是命题和论点而非步骤，SKILL.md 成为"如何将论文框架应用于下游任务"的指南，资源覆盖论文框架和实例。
• 模式 C —— 重构现有技能：提取组件来自一个已变得过大或与另一技能重叠的现有技能，构建步骤写出更精简的版本，把深度内容下放到聚焦文件。

限制

• 没有 GO 判定不得构建。若 synthesis-application 返回 NO_GO，应退回上游——用不完整组件构建技能是浪费工作。
• SKILL.md 正文不得超过 500 行，深度内容应推入资源文件。
• 不得跳过评分表。自评是发布就绪的门槛；没有评分表就没有客观标准。
• 不得过度设计。3 步方法论属于等级 1——不要因为资源文件"看起来更专业"就按等级 3 构建。
• name 中不得使用 Anthropic 的保留词（"claude"、"anthropic"），否则会静默破坏发现。
• 不得声称没有的测试覆盖。评分表的"已测试"标准是真实检查；若未考虑测试场景，应标记为 1。

相关

• component-extraction —— 产出本技能消费的输入。
• synthesis-application —— 紧接本技能之前运行；其 GO / GO_WITH_GAPS / NO_GO 判定决定本技能是否被调用。
• evaluation-rubrics —— 本技能步骤 6 的评分表构建与那里的评分表设计模式一致。
• skills/skill-creator/SKILL.md 中的 skill-creator 技能将本技能作为其步骤 5 调用。