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

build-skill

智能体与模型

查看项目

更新于 10-16 07:05

技能介绍

Build Agent Skills 是一个用于构建稳健、符合规范的智能体技能（agent skill）的技能，遵循开放的 Agent Skills Specification，基于实证研究、渐进式披露、确定性脚本和经过验证的领域上下文。

【强制配套前置：run-research】 高质量技能无法凭空构建或依赖陈旧的模型记忆，技能编写需要经过验证的事实依据。 前置技能：skills/run-research 安装命令：npx -y skills add yigitkonur/skills-by-yigitkonur/skills/run-research -y 恒定不变式：绝不基于假设、未经验证的库契约或通用训练权重来起草技能。当涉及非平凡的 API、框架或领域工作流时，先调用 run-research 收集权威文档、可验证引用和真实代码模式。若 run-research 不可用，请先安装它。

【适用场景】

  • 从零创建新的智能体技能（“帮我做一个 X 的技能”“搭建一个技能”等）。
  • 大幅重构或重设计已有技能。
  • 将多个技能或来源合并为一个统一技能。
  • 将进行中的对话提炼为技能（会话达到 200k–400k tokens）。
  • 编写基于实时文档的框架或仓库专属技能。
  • 审计技能是否符合 agentskills.io 规范。 不适用：测试实时越轨抗性（应使用 audit-skill-by-derailment）；无关技能模式的临时脚本修复；未经综合适配的远程技能盲目克隆。

【核心不可协商规则】

  1. 规范优先：Frontmatter 严格遵循 agentskills.io/specification（name、description、license、compatibility、metadata、allowed-tools）。
  2. 起草前先做上下文接地：非平凡领域一律调用 run-research，拒绝幻觉 API 或边缘情况。
  3. 渐进式披露架构：SKILL.md 控制在 500 行以内（<5,000 tokens），将庞大文档放入 references/，确定性操作放入 scripts/。
  4. 确定性脚本：使用可移植的 JavaScript（.mjs ES Modules）或 Python（.py），避免脆弱的 shell 脚本（.sh）。
  5. 复现与测试：声明完成前必须测试脚本并验证执行基础设施。
  6. 先比较后合并：研究远程技能时构建结构化比较表，明确继承/避免决策。

【可用脚本】 脚本位于 scripts/，可直接通过 Node.js 或 Python 运行，无需外部全局安装：

  • scripts/skill-dl.mjs：发现、下载与规范审计。
    • 搜索注册表：node scripts/skill-dl.mjs search "typescript" "mcp" --top 10
    • 下载候选：node scripts/skill-dl.mjs download anthropics/skills/mcp-builder -o ./research-corpus
    • 审计规范合规：node scripts/skill-dl.mjs inspect ./skills/build-skill
  • scripts/skill-research.mjs：端到端多查询发现 → 下载 → 语料检查流水线：
    • node scripts/skill-research.mjs "typescript,mcp,server" ./research-corpus 3 （向后兼容的 bash 垫片 scripts/skill-dl 和 scripts/skill-research.sh 直接转发到这些 .mjs 脚本。）

【四种操作模式】 模式一：发现模式（注册表与联合体扫描）——用于研究 skills.sh、GitHub 及外部仓库中的已有模式。运行 node scripts/skill-dl.mjs search，使用 3–10 个正交关键词查找候选技能并进行共识评分；可部署 3–5 个并行子智能体从架构与渐进式披露、脚本与工具自动化、触发与描述校准等不同视角分析；下载入围技能到 ./research-corpus 并用 node scripts/skill-dl.mjs inspect <dir> 验证规范合规；编写 markdown 比较表总结重点、优势、差距与继承/避免决策。 模式二：创建与提炼模式（综合与仓库适配）——用于起草新技能或重大重构。将外部模式翻译为仓库原生约定与词汇；确立目录布局（SKILL.md、references/、scripts/、assets/）与决策门；划分渐进式披露边界；验证 frontmatter 仅含允许字段且行数低于 500 行。 模式三：对话驱动模式（高 token 会话提炼）——用于将大量进行中对话转为可复用技能。摄取上下文并调用 run-research 接地；使用最多 5 级嵌套列表的“逐步忏悔”重建操作、纠正与发现的精确进程（层级一：主要里程碑；层级二：子工作流阶段；层级三：具体执行步骤；层级四：遇到的错误与纠正；层级五：确定性洞见或不变式）；做转移规划（转移到 SKILL.md 正文、references/、或脚本化）；实现确定性步骤为可执行脚本。 模式四：纯研究 / 文档驱动模式——用于针对特定仓库、库或框架构建技能。通过 run-research 穷尽式提取官方文档、源码、迁移指南与 GitHub issue 跟踪器；将领域分解为结构化的原子引用文件放入 references/（快速参考决策树、配置配方与陷阱、具体“这样做而非那样”对比指南）；用直接的祈使语言编写指令。

【逐步编写工作流】

  1. 验证前置条件：确认 run-research 可访问，且 node scripts/skill-dl.mjs --where 成功。
  2. 选择模式。
  3. 执行研究：通过 run-research 和 skill-dl.mjs search 收集证据，构建比较表。
  4. 起草 SKILL.md：写符合 agentskills.io 的 YAML frontmatter；编写清晰祈使式工作流段落与验证门；干净地路由引用文件。
  5. 开发与测试脚本：使用 Node.js（.mjs）或 Python（.py）编写自动化脚本，用真实数据运行测试，确认零崩溃执行。
  6. 规范与质量验证：运行 node scripts/skill-dl.mjs inspect . 验证 frontmatter 与行数；运行仓库技能校验器 python3 scripts/validate-skills.py。

【应做与不应做】 应做：用 run-research 为每个技能落地经过验证的事实；用 Node.js 或 Python 编写可移植稳健的脚本；严格遵循 6 个规范的 agentskills.io frontmatter 字段；保持 SKILL.md 在 500 行以内并将细节路由到 references/；声明完成前测试并执行捆绑脚本；使用 5 级嵌套列表捕获深度对话上下文。 不应做：凭模型记忆幻觉 API 或流程；编写依赖平台 grep/sed 的脆弱 shell 脚本；发明任意 frontmatter 字段如 user-invocable 或 hooks；将单体 1,500 行指南塞进单个 SKILL.md；发布在真实环境中失败的未测试脚本；将复杂排障会话概括为含糊要点。

【引用路由】 根据当前任务读取最小的相关引用集： 编写与格式化：references/authoring/skillmd-format.md（官方 frontmatter 规范、校验规则与结构指南）、description-engineering.md（高精度描述触发与负触发）、decision-tree-patterns.md（分支逻辑、路由层级与决策矩阵）、reference-file-structure.md（references/ 的体量、命名与嵌套纪律）、testing-methodology.md（触发评估、功能通过与多层测试）、tdd-for-skills.md（纪律技能的 RED-GREEN-REFACTOR 压力测试）、persuasion-principles.md（校准权威、承诺与指令严格度）、degrees-of-freedom.md（每步规定性 vs 模型自主性的平衡）。 模式与架构：references/patterns/skill-organization.md（拆分、合并与技能边界划分）、naming-conventions.md（kebab-case 命名、目录对齐与动宾约定）、workflow-patterns.md（顺序、迭代、多 MCP 与上下文感知模式）、mcp-enhancement.md（包装与协调 MCP 服务器工具的技能）。 研究与取材：references/research-workflow.md（用 run-research 接地、多角度发现与比较表）、remote-sources.md（skills.sh 与 scripts/skill-dl.mjs 的注册表工作流）、comparison-workflow.md（结构化证据、比较表与继承/避免决策）、source-patterns.md（从外部技能识别高信号设计模式）、research/source-verification.md（过滤低信号包与评估生态权威）、research/fact-checking.md（对照事实核对声明、命令与 schema）、research/search-strategies.md（正交搜索查询与共识发现）、research/corpus-inspection.md（审计下载的技能语料质量与反模式）。 质量、核对清单与迭代：references/checklists/master-checklist.md（发布前全面质量核对清单）、examples/annotated-examples.md（生产级技能的结构模式）、examples/anti-patterns.md（24 个内容反模式目录）、examples/anti-patterns-authoring.md（流程与编写陷阱 AP-25 至 AP-34）、iteration/feedback-signals.md（解读触发信号与用户反馈）、iteration/troubleshooting.md（诊断注册、语法与执行问题）、distribution/publishing.md（打包并发布技能到注册表与仓库）。

【最终发布验证清单】

  • Frontmatter 严格包含有效的 agentskills.io 字段（name、description、license、compatibility、metadata、allowed-tools）
  • name 与目录名完全一致（build-skill）
  • Description 说明技能做什么与何时使用（<1024 字符，不含 < 或 >）
  • SKILL.md 行数少于 500 行
  • 配套前置 run-research 已记录并链接
  • scripts/ 中所有捆绑脚本使用 Node.js（.mjs）或 Python（.py）编写
  • 捆绑脚本可干净执行（node scripts/skill-dl.mjs --where）
  • references/ 中每个文件在引用路由部分被显式路由
  • 完整仓库校验通过：python3 scripts/validate-skills.py