用途：本技能用于在创建新技能、编辑已有技能或部署前验证技能时，指导以测试驱动开发（TDD）方式编写技能。技能被视为塑造行为的代码，而非普通文档。
核心原则：没有先观察到失败基线，就不写技能。铁律为“NO SKILL WITHOUT A FAILING BASELINE FIRST”，新技能与编辑现有技能同样适用。
主要流程：RED——在不加载技能的情况下运行场景，逐字记录智能体实际行为、跳过正确行为时使用的借口、触发失败的压力（时间、沉没成本、权威、“两种都行”）；若智能体本就正确，则停止。GREEN——从模板 templates/SKILL-template.md 出发，只针对 RED 中观察到的失败写最小技能，再带技能运行同一场景。REFACTOR——发现新借口就加显式反制并重测，直到在压力下稳固。可先用微测试验证措辞：每个样本一次全新 API/子代理调用，每个变体 5 次以上，并始终包含无指导对照组。
结构规则：目录深度恰好两层 skills/<domain>/<skill>/SKILL.md；frontmatter 必填 name 与 description（合计不超过 1024 字符）；可选 scripts:（sh:/ps:）与 disable-model-invocation: true；标题顺序为 Overview → When to Use → Core Process → Red Flags → Verification，仅当技能有配置项时才加 Configuration；SKILL.md 正文建议少于 500 行（超 500 警告，超 800 失败），重参考放 references/，脚本放 scripts/{bash,powershell}/；新技能须附带评估覆盖（goldset 标准与二元评分器 {"pass": bool, "score": 1.0|0.0}）。
description 只写触发条件，不写技能做什么，以“Use when…”开头，使用第三人称，包含错误信息、症状、工具名等关键词；disable-model-invocation: true 的技能不受模型路由但仍不得误导。
按失败类型匹配形式：压力下跳过规则用禁止+借口表+红旗；输出形状错误用正向配方；遗漏必需元素用模板中的 REQUIRED 槽位；依赖条件的行为用可观察谓词的条件规则。避免“除非重要”等模糊条款。
红旗：先写技能后跑基线、description 总结功能而非触发条件、假设智能体自然会做对、正文超 500 行且全部内联、新技能无评估标准与评分器、只处理假设失败而遗漏已观察失败。
验证完成条件：无技能时基线失败已逐字记录；带技能时同一场景通过；pytest tests/unit/test_playbook_integrity.py -q 通过；评估标准与二元评分器已添加且评分器有单元测试（evals/promptfoo/tests/）；重新生成的安装产物同步（pytest tests/unit/test_generated_artifacts_sync.py -q）；在真实智能体中手动验收。
不适用：项目特定约定应放入 team-ai-directives 仓库作为 CDR；可由脚本或测试强制执行的机械约束应自动化，文档只留给需要判断的场景。新技能须先在 issue 中达成一致并附带评估覆盖，详见 CONTRIBUTING.md。