Skill Creator

Skill Creator 是什么？

Skill Creator 是一套用于创建、修改、测试和优化 AI Skill 的方法与工具。它不仅指导如何编写清晰的技能说明，还强调通过真实任务、对照测试和结果评估，判断 Skill 是否能够被正确触发、是否真的提升输出质量，以及后续应从哪些地方继续改进。

适合哪些场景？

• 把重复工作整理成可复用的 AI Skill。
• 为现有 Skill 补充脚本、参考资料和模板资源。
• 排查 Skill 无法触发、触发过宽或触发过窄的问题。
• 比较启用 Skill 前后的任务完成质量和稳定性。
• 迭代团队内部的标准流程、检查清单与操作规范。

一个 Skill 通常包含什么？

核心文件是 SKILL.md，其中包含名称、用途描述和执行说明。根据任务复杂度，还可以增加 scripts、references 和 assets 等资源目录：脚本用于稳定执行机械步骤，参考资料用于存放规则与背景知识，资产用于保存模板或交付物素材。资源是否增加，应由实际任务需要决定，避免为了结构完整而堆积无用文件。

推荐的创建流程

1. 收集用户真实会提出的任务和典型表达。
2. 明确 Skill 的适用范围、不适用范围与安全边界。
3. 设计简洁而明确的触发描述。
4. 编写按顺序可执行的说明，并补充必要资源。
5. 使用多组真实提示进行测试，同时保留未启用 Skill 的基线结果。
6. 从准确性、完整性、稳定性和效率等角度评估差异。
7. 根据失败案例修改说明或资源，再次验证。

为什么描述很重要？

描述是 Skill 被发现和触发的主要依据。好的描述应直接说明它能完成什么任务、在什么情况下使用，以及哪些相近任务不属于它的范围。名称堆砌和宽泛宣传会让触发变得不稳定，而具体的任务语言、输入类型和边界说明通常更有效。

如何测试和评估？

测试不应只看一个成功示例。可以准备常规任务、边界任务、容易混淆的负例和不同表达方式，并比较启用 Skill 与基线结果。评价既可以包含是否完成、字段是否正确等量化指标，也应检查内容质量、操作安全性和用户体验。发现失败后，要区分是触发描述、执行步骤、工具依赖还是参考资料造成的问题。

使用边界与安全

Skill 应服务于合法、透明且获得授权的任务，不应包含恶意代码、隐蔽数据收集、凭据窃取或欺骗性操作。脚本和外部依赖需要说明用途并保持最小权限；涉及发布、删除、付款或对外发送等高影响操作时，应设置清晰的确认和验证步骤。

开源许可

该 Skill 来自 Anthropic 的公开 Skills 仓库，采用 Apache-2.0 许可证。修改或再分发时，应保留并遵守相应许可证要求，同时核对上游版本是否有变化。

常见问题 FAQ

1. Skill Creator 可以自动生成所有内容吗？

它可以协助整理结构和生成初稿，但高质量 Skill 仍需要真实任务、领域规则和测试反馈，不能只靠一次生成完成。

2. 新建 Skill 前需要准备什么？

最好准备典型用户请求、期望结果、失败边界、可用工具和已有流程，这些信息会直接影响触发描述和执行说明。

3. SKILL.md 越长越好吗？

不是。核心说明应清楚、可执行且避免重复，较长的背景资料可以放入参考文件，在任务需要时再读取。

4. 什么情况下应该增加脚本？

当步骤重复、容易出错、需要精确格式或需要稳定验证时适合增加脚本；只需简单文字判断的任务通常不必脚本化。

5. 如何判断触发描述是否合格？

用多种真实表达测试它是否能在该用时触发、不该用时保持安静，并重点检查与相近 Skill 的边界是否清楚。

6. 为什么要和基线结果比较？

基线能说明 Skill 是否真正带来提升。如果启用后只是内容更长，却没有提高正确率、稳定性或效率，就需要继续优化。

7. 可以更新已有 Skill 吗？

可以。它适合根据新的任务、错误案例、工具变化和用户反馈修改现有 Skill，并通过回归测试确认没有破坏原有能力。

8. 团队如何维护多个 Skill？

建议统一命名、目录结构、版本记录和测试集，明确每个 Skill 的负责人、适用范围与依赖，更新后执行固定的回归检查。

来源与核验说明

本条目依据项目公开的技能说明、测试方法与许可证信息整理。实际创建或升级 Skill 时，应以当前仓库内容和所用运行环境为准。