Skillify 是一个帮助用户将重复性多步骤工作流自动提取为可复用技能的元技能（meta-skill）。它来自 vudovn/ag-kit，核心判断是：如果一个流程已经重复执行三次，就值得被固化为一个技能。
用途
Skillify 用于识别和沉淀重复出现的操作模式，把零散的多步骤流程转化为结构化的 SKILL.md 文件，使智能体或用户后续可以复用同一套指令，而不必每次重新描述。
何时使用
适合技能化的情况包括：用户已多次请求同类工作（3次以上）；某个工作流包含5个以上一致的步骤；该模式可跨不同项目使用；其他智能体也能从这份知识中受益。 不适合的情况包括：一次性任务（直接完成即可）；项目专属的临时做法（应使用记忆机制而非技能）；已有技能已经覆盖的内容（应先检查）。
创建协议
Skillify 定义了四步流程：第一步，识别模式，明确触发条件（例如用户说 X、遇到 Y 类文件、属于 Z 领域）、始终不变的步骤、每次变化的部分以及预期输出。第二步，按照模板生成 SKILL.md。模板包含前置元数据：name（kebab-case）、description（一句话说明）、when_to_use（明确触发条件和排除条件）、allowed-tools（如 Read、Write、Edit、Grep、Glob、Bash，只列所需）、effort（low/medium/high）。正文部分包括技能名称与副标题、一句话理念、Overview、When to Use（适合与不适合）、Protocol（分步骤说明，最后一步为验证）、Best Practices（3-5条核心规则）。第三步，将技能放置到 .agents/skills/[skill-name]/SKILL.md。第四步，验证：前置元数据字段完整、when_to_use 清晰定义触发与排除、步骤可执行而非含糊、不与已有技能重复。
命名约定
基于动作的模式为 [动词]-[名词]，如 verify-changes、batch-operations；基于领域的模式为 [领域]-[方面]，如 database-design、api-patterns；基于工具的模式为 [工具]-patterns，如 tailwind-patterns、prisma-expert。规则包括：仅使用 kebab-case、最多2-3个词、描述性强而非取巧、不使用非通用缩写。
质量检查清单
完成新技能前需核对：唯一性（grep .agents/skills/ 确认无重复）、可复用性（可跨多个项目使用）、完整性（含 overview、when to use、protocol、verification）、前置元数据（字段齐全且准确）、清晰度（新智能体无需额外上下文即可遵循）。
适用场景与限制
适用于需要将重复操作沉淀为标准化技能的开发或自动化场景。资料未说明具体的收费、价格、平台支持范围或效果数据，这些内容暂未提供。