skill的开发和使用
一、Skill 是什么
Skill 是一个文件夹，核心是 SKILL.md 文件，使用 YAML frontmatter + Markdown 正文 的格式。当 LLM 判断需要某个 Skill 时，会调用 skill 工具加载它，SKILL.md 的全部内容会作为 tool-result 注入到对话上下文中，LLM 读到后自主决定怎么执行。
my-skill/├── SKILL.md # 主文件（必须）├── scripts/ # 可执行脚本（可选）├── references/ # 详细参考文档（可选，按需加载）├── resources/ # 模板、清单等资源（可选）└── examples/ # 示例（可选）
关键机制：Skill 本质是”知识注入”——它不会动态生成新工具，而是把指令文本注入到 LLM 的上下文中，LLM 用已有的工具（bash、read、edit 等）来执行这些指令。
二、Frontmatter：
决定 Skill 是否被加载的”门面”
2.1 必填字段
| 字段 | 作用 | 示例 |
name |
唯一标识符，小写连字符 | test-driven-development |
description |
最关键——LLM 通过它决定是否加载 | 见下方对比 |
2.2 Description 的写法决定加载率
# ✅ 好的 description — 包含触发短语和关键词description: Deploy applications and websites to Vercel. Use when the user requests deployment actions like "deploy my app", "push this live", or "create a preview deployment".
# ✅ 好的 description — 定义时序位置description: Use when implementing any feature or bugfix, before writing implementation code
# ❌ 差的 description — 太模糊description: Helps with deployment stuff核心原则：
- 列举触发短语：把用户可能说的话写进去（”deploy my app”、”push this live”）
- 定义时序位置：说明”在什么之前/之后”使用（”before writing implementation code”）
- 包含产品关键词：如果覆盖大平台，把所有产品名列出来
2.3 可选扩展字段
从 7 个 Skill 中观察到的扩展字段：
| 字段 | 来源 | 作用 |
references |
OpenCode cloudflare | 声明最重要的参考文档 |
allowed-tools |
Google Labs stitch-loop | 声明需要的工具权限 |
type |
Dean Peters discovery-process | 声明 Skill 类型（workflow/component） |
best_for |
Dean Peters discovery-process | 最适合的场景列表 |
scenarios |
Dean Peters discovery-process | 具体的触发场景示例 |
estimated_time |
Dean Peters discovery-process | 预估执行时间 |
三、5 种核心设计模式
模式 1：线性流程
适用场景：部署、安装、迁移等有明确步骤的操作。
代表：openai/skills — vercel-deploy（77 行）
结构：
标题## Prerequisites（前置条件）## Quick Start（主流程：Step 1 → 2 → 3）## Fallback（降级方案）## Troubleshooting（故障排除）
关键技巧：
| 技巧 | 示例 | 为什么有效 |
| 安全默认值 | “Always deploy as preview, not production” | 防止 LLM 做出危险操作 |
| 具体命令 | 每步给出可直接执行的 bash 命令 | LLM 不需要猜测 |
| 超时提示 | “Use a 10 minute (600000ms) timeout” | 防止 LLM 因超时中断 |
| 降级方案 | CLI 失败有 Fallback 脚本 | 提供 B 计划 |
| 负面指令 | “Do not curl the deployed URL to verify” | 明确禁止不该做的事 |
适用判断：如果你的 Skill 可以用”先做 A，再做 B，最后做 C”描述，就用线性模式。
模式 2：决策树 + 按需加载
适用场景：大型平台选型、产品导航、问题诊断。
代表：openai/skills — cloudflare-deploy（224 行）
结构：
标题## Authentication（认证前置）## Quick Decision Trees（决策树） ### “I need to run code”（按用户意图分类） ### “I need to store data” ### “I need AI/ML”## Product Index（产品索引表）
关键技巧：
| 技巧 | 示例 | 为什么有效 |
| 用户意图分类 | “I need to run code” 而非 “Compute products” | 用用户语言而非技术术语 |
| 树形导航 | ├─ 边缘无服务器函数 → workers/ |
LLM 快速定位正确产品 |
| 渐进式披露 | 主文件 7KB，references/ 按需展开到几十万字 | 不浪费上下文窗口 |
| 产品索引表 | Product → Reference 的映射表 | 结构化的快速查找 |
适用判断：如果你的 Skill 覆盖的知识域有 10+ 个分支，且每个分支都有大量详细文档，就用决策树模式。
进阶：同一个知识域可以拆成两个 Skill——
- 导航型（cloudflare）：只做选型，不涉及操作
- 操作型（cloudflare-deploy）：包含认证、命令、故障排除
模式 3：循环迭代
适用场景：TDD、代码审查、设计评审等需要反复执行的流程。
代表：obra/superpowers — test-driven-development（371 行）
结构：
标题## The Iron Law（铁律——不可违反的核心原则）## Red-Green-Refactor（循环体） ### RED — 写失败的测试 ### Verify RED — 验证确实失败 ### GREEN — 写最少的代码 ### Verify GREEN — 验证确实通过 ### REFACTOR — 清理 ### Repeat（回到 RED）## Common Rationalizations（借口反驳表）## Verification Checklist（退出条件）
关键技巧：
| 技巧 | 示例 | 为什么有效 |
| 强硬语气 | “Delete it. Start over.” | LLM 倾向于”灵活变通”，强硬语气提高遵从率 |
| Good/Bad 对比 | 用 <Good> 和 <Bad> 标签包裹代码示例 |
对比教学效果最好 |
| 借口反驳表 | 预判 LLM 可能的 12 种偷懒借口并逐一反驳 | 堵死所有逃避路径 |
| 验证清单 | 8 项 checklist 作为循环退出条件 | 确保质量达标才能结束 |
| 人类兜底 | “ask your human partner” | 不确定时交给人 |
适用判断：如果你的 Skill 需要 LLM 反复执行”做→验证→改进”的循环，就用迭代模式。
模式 4：接力棒循环（跨 Session 持久化）
适用场景：多次迭代的长期项目，需要跨多个 session 持续工作。
代表：google-labs-code/stitch-skills — stitch-loop（203 行）
https://github.com/google-labs-code/stitch-skills/tree/main/skills/stitch-loop
结构：
标题## Overview（接力棒模式概述）## The Baton System（接力棒文件规范）## Execution Protocol（6 步执行协议） ### Step 1: Read the Baton（读接力棒） ### Step 2: Consult Context Files（查阅上下文） ### Step 3: Generate（执行任务） ### Step 4: Integrate（集成结果） ### Step 5: Update Documentation（更新文档） ### Step 6: Prepare the Next Baton ⚠️（写下一个接力棒——关键！）## File Structure Reference（文件协议）## Orchestration Options（编排方式）
关键技巧：
| 技巧 | 示例 | 为什么有效 |
| 文件即状态 | next-prompt.md 作为接力棒 |
LLM 不需要记住”上次做到哪了” |
| 续命机制 | Step 6 标记为 Critical + MUST | 忘了写接力棒循环就断了 |
| 文件协议 | 每个文件有明确职责 | LLM 只需按协议读写文件 |
| 编排无关 | CI/CD、人在回路、Agent 链都能驱动 | 同一个 Skill 适配多种自动化环境 |
适用判断：如果你的 Skill 需要跨多个 session 持续工作，或者需要多个 Agent 协作，就用接力棒模式。
与模式 3 的区别：
| 维度 | 循环迭代（TDD） | 接力棒循环（Stitch Loop） |
| 状态存储 | LLM 对话上下文 | 外部文件系统 |
| 跨 session | ❌ | ✅ |
| 循环退出 | Checklist 全部打勾 | 路线图清空 |
| 适用时长 | 单次会话（分钟~小时） | 长期项目（天~周） |
模式 5：多阶段 + 检查点 + Skill 编排
适用场景：复杂的多周流程，需要在关键节点做 Go/No-Go 决策。
代表：deanpeters/Product-Manager-Skills — discovery-process（502 行）
结构：
标题## Key Concepts（核心概念 + 反模式）## Phase 1: Frame the Problem（阶段 1） ### Activities（调用哪些子 Skill） ### Outputs（阶段产出） ### Decision Point 1（检查点：YES/NO + 时间影响）## Phase 2-6…（重复相同结构）## Complete Workflow（端到端时间线）## Common Pitfalls（常见陷阱）## References（引用的子 Skill 列表）
关键技巧：
| 技巧 | 示例 | 为什么有效 |
| 统一阶段模板 | 每个 Phase 都有 Activities → Outputs → Decision Point | LLM 快速理解结构 |
| 决策检查点 | “达到饱和了吗？YES → 下一阶段，NO → +1 周” | 防止盲目推进 |
| Skill 编排 | 调度 10+ 个子 Skill 完成各阶段 | 编排器模式，大 Skill 调度小 Skill |
| 时间影响 | 每个 NO 路径标注”+2-3 days”、”+1 week” | 让用户了解延迟成本 |
| 交互协议分离 | 引用 workshop-facilitation 定义交互方式 |
关注点分离 |
适用判断：如果你的 Skill 跨越多天/多周，有明确的阶段划分和 Go/No-Go 决策点，就用多阶段模式。
特殊模式：思维框架（控制 LLM “怎么想”）
适用场景：安全审计、代码审查、架构分析等需要深度思考的场景。
代表：trailofbits/skills — audit-context-building（302 行）
结构：
标题## Purpose（定位：控制思维方式，不是控制行为）## When to Use / When NOT to Use## Rationalizations（借口反驳表）## Phase 1: Initial Orientation（定向扫描）## Phase 2: Ultra-Granular Function Analysis（逐行分析——核心） ### Per-Function Checklist（函数微分析清单） ### Cross-Function Flow Analysis（跨函数追踪） ### Output Requirements（输出格式 + 量化阈值） ### Completeness Checklist（完整性检查）## Phase 3: Global System Understanding（全局理解）## Stability Rules（反幻觉规则）## Non-Goals（明确禁止做的事）
关键技巧：
| 技巧 | 示例 | 为什么有效 |
| 思维工具 | 第一性原理、5 Why、5 How | 给 LLM 分析框架而非具体命令 |
| 量化阈值 | “每个函数最少 3 个不变量、5 个假设” | 强制 LLM 达到足够的分析深度 |
| 非目标约束 | “不要识别漏洞、不要提出修复” | 克制 LLM 最想做的事，先理解再判断 |
| 反幻觉规则 | “Never reshape evidence to fit earlier assumptions” | 防止 LLM 自我欺骗 |
| 子 Agent 指导 | 何时以及如何使用 function-analyzer Agent | 分而治之 |
适用判断：如果你的 Skill 需要 LLM 进行深度分析而非快速执行，需要控制的是”思维质量”而非”操作步骤”，就用思维框架模式。
四、通用写作技巧
4.1 防止 LLM 偷懒的 4 种武器
| 武器 | 原理 | 示例来源 |
| 强硬语气 | LLM 对命令式语气的遵从率更高 | TDD：”Delete it. Start over.” |
| 借口反驳表 | 预判 LLM 的自我合理化路径并堵死 | TDD：12 种借口 + 反驳；审计：6 种借口 |
| 量化阈值 | 给出硬性的最低标准 | 审计：”最少 3 个不变量、5 个假设” |
| 负面指令 | 明确说”不要做 X” | vercel-deploy：”Do not curl the URL” |
4.2 教学的 3 种有效方式
| 方式 | 原理 | 示例来源 |
| Good/Bad 对比 | 对比学习效果最好 | TDD：<Good> vs <Bad> 代码示例 |
| 具体命令 | LLM 擅长执行具体指令 | vercel-deploy：每步都有 bash 命令 |
| 完整示例 | 展示期望的输出格式 | 审计：引用 FUNCTION_MICRO_ANALYSIS_EXAMPLE.md |
4.3 安全与边界的 3 条原则
| 原则 | 做法 | 示例来源 |
| 安全默认值 | 默认选择最安全的选项 | vercel-deploy：”Always deploy as preview” |
| 权限最小化 | 只在必要时提升权限 | vercel-deploy：”Do not escalate the installation check” |
| 人类兜底 | 不确定时交给人 | TDD：”ask your human partner” |
4.4 知识组织的 3 层架构
第 1 层：Frontmatter（~100 tokens） → LLM 扫描所有 Skill 的 description，决定是否加载
第 2 层：SKILL.md 正文（<5K tokens） → 核心指令、决策树、流程步骤
第 3 层：references/ 和 resources/（按需加载） → 详细文档、示例、清单，LLM 用 read 工具按需读取Token 预算参考：
| 层级 | Token 预算 | 内容 |
| Frontmatter | ~100 tokens | name + description |
| 主文件 | 2K-5K tokens | 核心指令 |
| 参考文档（单个） | 1K-3K tokens | 按需加载 |
| 总上下文占用 | <10K tokens | 主文件 + 1-2 个参考文档 |
五、模式选择决策树
你的 Skill 需要做什么？│├─ 执行一个有明确步骤的操作│ └─ → 模式 1：线性流程│├─ 在大量选项中帮用户选择正确的方向│ └─ → 模式 2：决策树 + 按需加载│├─ 在单次会话中反复执行"做→验证→改进"│ └─ → 模式 3：循环迭代│├─ 跨多个 session 持续推进一个长期项目│ └─ → 模式 4：接力棒循环│├─ 跨越多天/多周，有阶段划分和 Go/No-Go 决策│ └─ → 模式 5：多阶段 + 检查点│└─ 需要 LLM 进行深度分析而非快速执行 └─ → 特殊模式：思维框架六、快速上手模板
最小可用 Skill（线性模式）
---name: my-skilldescription: [一句话描述做什么 + 什么时候触发]---
# Skill 名称
[一句话核心原则 + 安全默认值]
## Prerequisites- [前置条件 1]- [前置条件 2]
## Steps
### Step 1: [动作]\`\`\`bash[具体命令]\`\`\`
### Step 2: [动作][具体指令]
### Step 3: [动作][具体指令]
## Troubleshooting| Issue | Solution ||-------|----------|| [问题 1] | [解决方案] |循环迭代 Skill 模板
---name: my-loop-skilldescription: [描述 + 触发时机]---
# Skill 名称
## Core Principle[不可违反的铁律]
## The Loop
### Phase A — [动作][具体指令]
### Verify A[验证命令]
### Phase B — [动作][具体指令]
### Verify B[验证命令]
### Repeat回到 Phase A。
## Rationalizations| Excuse | Reality ||--------|---------|| "[借口 1]" | [反驳] |
## Completion Checklist- [ ] [条件 1]- [ ] [条件 2]七、参考资源
官方规范
- Agent Skills 开放标准
- anthropics/skills — 官方模板
https://github.com/anthropics/skills/tree/main/template
- anthropics/skills — 规范文档
https://github.com/anthropics/skills/tree/main/spec
精选仓库
- openai/skills — OpenAI Codex 官方 Skill 目录
https://github.com/openai/skills
- obra/superpowers — 14 个工作流型 Skill
https://github.com/obra/superpowers
- google-labs-code/stitch-skills — 设计到代码的 Skill
https://github.com/google-labs-code/stitch-skills
- deanpeters/Product-Manager-Skills — 40+ 产品管理 Skill
https://github.com/deanpeters/Product-Manager-Skills
- trailofbits/skills — 安全审计 Skill
https://github.com/trailofbits/skills
- openclaw/clawhub — Skill 注册中心
https://github.com/openclaw/clawhub
精选列表
- VoltAgent/awesome-agent-skills — 500+ Skill 索引
https://github.com/VoltAgent/awesome-agent-skills
- travisvn/awesome-claude-skills — 精选列表 + Skill vs MCP 对比
https://github.com/travisvn/awesome-claude-skills
八、本文分析的 7 个 Skill 速查表
| # | Skill | 来源 | 模式 | 行数 | 一句话精髓 |
| 1 | vercel-deploy |
OpenAI | 线性 | 77 | 最小但完整的 Skill 模板 |
| 2 | cloudflare-deploy |
OpenAI | 线性+决策树 | 224 | 大平台的渐进式披露 |
| 3 | cloudflare |
OpenCode | 纯决策树 | 211 | 导航型 vs 操作型的区别 |
| 4 | test-driven-development |
obra | 循环迭代 | 371 | 堵死 LLM 偷懒的所有退路 |
| 5 | stitch-loop |
Google Labs | 接力棒循环 | 203 | 文件即状态，跨 session 持久化 |
| 6 | discovery-process |
Dean Peters | 多阶段+检查点 | 502 | 编排器模式，调度 10+ 子 Skill |
| 7 | audit-context-building |
Trail of Bits | 思维框架 | 302 | 控制 LLM “怎么想”而非”做什么” |
阅读 1.7
