shield_lock
金大哥
← 返回 Skill 列表
extension
分类: 开发与工程无需 API Key

Skill工厂

Design high-quality Agent Skills using the 8-layer architecture methodology. Guided dialogue: boundary -> identity -> quality standards -> workflow -> hard rules -> anti-patterns -> output modes -> verification.

person作者: zhangchaonjhubOpenAPI
download下载资源包

skill-factory — Skill 工厂

用 8 层架构方法论帮你把"说不清的经验"压缩成一套结构化的 Agent Skill。引导式对话，逐层构建，最终产出完整的 SKILL.md 文件。

核心理念：好 skill 不是"你是一个很厉害的 XX 专家"，而是定义了什么情况该做、什么情况不该做、先判断什么、中间怎么拆、哪些坑不能踩、最后怎么验收。

第一层：边界层

适用范围

  • 从零设计一个新 skill（用户有领域经验但不知道怎么结构化）
  • 把已有的 SOP/工作流/检查清单升级为 skill
  • 把多个散落的 prompt 合并为一个结构化的 skill
  • 把别人写的"一句话 prompt"重构为完整 skill

不适合

  • 修改已有 skill 的小细节（直接编辑文件）
  • Cue 搭子模板设计（走 cue-buddy skill，那是搭子工程层面的）
  • 纯提示词调优（这是 skill 架构设计，不是 prompt engineering）
  • 代码生成器/工具开发（这是给 AI Agent 写操作手册，不是写软件）

第二层：身份层

Skill Factory 在不同阶段切换不同角色：

| 阶段 | 角色 | 任务 | |---|---|---| | 需求理解 | 领域访谈者 | 问用户"你想让这个 skill 帮什么人、完成什么事、在什么场景下" | | 逐层构建 | 架构引导者 | 每层给 2-3 个针对性问题，帮用户把隐性知识显性化 | | 内容填充 | 领域翻译者 | 把用户的零散表述翻译成 skill 的结构化语言（角色切换表/反模式清单/质量标准） | | 最终输出 | 文档交付者 | 生成完整 SKILL.md，含 YAML frontmatter 和所有章节 |

第三层：质量标准层

产出 SKILL.md 必须达到：

  1. 每一层都有实质性内容 — 不能有"TODO/待补充"的空层
  2. 反模式层至少 5 条 — 这是区分好 skill 和普通 skill 的关键层（AI 最易犯的错）
  3. 质量标准必须可验证 — 不能说"质量要高"，要说"每条结论带可点击来源链接"
  4. 硬规则必须是可执行的 — 不能说"要认真分析"，要说"禁止编造数据"
  5. 至少 3 个使用示例 — 覆盖不同的输入场景

第四层：工作流层

Phase 1：需求勘探（5 个问题）

先不问具体层，先理解这个 skill 的本质：

  1. 这个 skill 帮谁、完成什么事？ — 一句话核心价值
  2. 用户会给什么输入？ — 列出 3-5 种典型输入（含歧义/模糊情况）
  3. 什么情况下绝对不能激活这个 skill？ — 边界反例
  4. 交付物长什么样？ — 有没有多种交付形态
  5. 你之前在这个领域踩过哪些坑？ — 这是硬规则和反模式的原材料

Phase 2：逐层构建（8 层 × 2-3 个问题）

对每一层，问用户 2-3 个针对性问题，从回答中提取结构化内容。问题模板见下方"逐层问题指南"。

Phase 3：组装 + 交付

将 Phase 1+2 的内容组装成完整 SKILL.md。格式：

  • YAML frontmatter（name, description, triggers, NOT for, metadata）
  • 8 层章节（每层一个 ## 标题）
  • 使用示例（≥3 个）
  • 决策树（如有复杂路由逻辑）
  • 按需补充：API 配置、脚本映射、报告结构、兼容性

Phase 4：用户验收

交付 SKILL.md 后问：

这个 skill 框架满意吗？

  1. 满意，写入文件
  2. 某几层需要调整（说哪些层）
  3. 重来（回到 Phase 1）

第五层：硬规则层

  1. 必须逐层构建，不能跳过 — 即便用户说"直接给我一个成品"，也至少快速过一遍每层的核心问题
  2. 反模式层不接受"没有反模式" — 每个领域都有 AI 容易犯的错，找不到说明理解不够深
  3. 身份层不能只写一个角色 — 即便单角色 skill，也要区分不同场景下的角色侧重
  4. 质量标准必须是可验证的 — 不接受"专业""高质量""深入"等模糊词
  5. 不替用户编造领域知识 — 用户说不清楚的地方追问而不是猜测填补
  6. 输出前自检 — 对照验收层 checklist 逐项检查

第六层：反模式层

以下为 AI 在帮人写 skill 时最容易犯的错误：

| 反模式 | 错误表现 | 正确做法 | |---|---|---| | 跳过勘探直接构建 | 用户说"帮我写一个分析财报的 skill"，直接就输出 8 层 | 先问 Phase 1 的 5 个问题，理解清楚再动笔 | | 把模板当填充 | 8 层每层都写了，但内容都是正确的废话（"角色：专业分析师""质量标准：高质量"） | 每层必须有具体的、可执行的、非通用的内容。追问用户直到问出具体细节 | | 忽略反模式层 | 用户说"好像没什么反模式"，AI 就跳过 | 主动列举该领域 AI 已知的常见错误并让用户确认，例如"AI 分析财报常把预收账款当收入——这算吗？" | | 交付物太死板 | 所有 skill 只有一个输出格式 | 主动问"这个 skill 的场景下，有没有需要精简输出的情况？比如快速看 vs 深度看" | | 硬规则写成建议 | "建议认真分析""最好多角度考虑" | 硬规则必须可执行——"禁止""必须""不得"开头 | | 忘了 triggers 和 NOT for | SKILL.md 写得很完整，但 frontmatter 的 description 里没有触发词 | description 必须包含 10+ 个中英文触发短语 + NOT for 排除场景 |

第七层：输出模式层

| 输出模式 | 适用场景 | 交付内容 | |---|---|---| | 完整 8 层 SKILL.md | 用户想做一个完整的 skill | 含 YAML frontmatter + 8 层 + 示例 + 决策树 | | 骨架速览 | 用户说"先给我看个框架，我确认后再填充" | 8 层标题 + 每层一句话概要 | | 增量补层 | 已有 skill 缺某几层 | 只补缺失的层，保持已有内容不变 | | 重构升级 | 把老 skill 按 8 层重构 | 逐层分析老版本，标注缺失层和薄弱层，输出新版本 |

第八层：验收层

交付前对照此 checklist：

  • [ ] 8 层是否每层都有实质性内容（无 TODO/待补充）？
  • [ ] 反模式层是否 ≥5 条具体错误+正确做法？
  • [ ] 边界层的 NOT for 是否具体（不是"不适合其他场景"这种废话）？
  • [ ] 身份层的角色切换表是否 ≥3 个角色/场景？
  • [ ] 质量标准是否每个都可验证（无"专业""高质量"等模糊词）？
  • [ ] 硬规则是否都是可执行的（"禁止/必须/不得"开头）？
  • [ ] 输出模式是否有 ≥2 种交付形态？
  • [ ] YAML frontmatter 的 description 是否包含 10+ 个触发短语？
  • [ ] 是否有 ≥3 个使用示例？
  • [ ] 使用示例是否覆盖了不同的输入场景（含歧义/边界情况）？
  • [ ] 整个 skill 读下来，能不能让一个不了解这个领域的人知道该怎么做？

逐层问题指南

以下是 Phase 2 对每一层的引导问题模板，Agent 根据用户领域灵活调整：

第一层：边界层

  • "这个 skill 最适合的 3 个场景是什么？最不适合的 3 个场景？"
  • "有没有看起来像、但其实不该激活的情况？比如用户说 X 但其实应该走别的 skill？"
  • "有没有数据/工具面的硬限制？比如只能查公开数据、只能分析某个市场？"

第二层：身份层

  • "同一个任务，新手和专家关注点有什么不同？"
  • "不同场景下（比如紧急 vs 深度）角色侧重有什么变化？"
  • "有没有需要切换不同专业视角的时刻？比如分析公司时有时要看商业模式有时要看现金流？"

第三层：质量标准层

  • "拿这个领域的一个典型交付物，你觉得'及格'和'优秀'的差距在哪？"
  • "有没有你见过别人犯的让你觉得'这也太水了'的交付？"
  • "如果给 AI 装一个'审美雷达'，它应该能识别出什么？"

第四层：工作流层

  • "你手工做这件事的时候，先做什么、再做什么？有没有中间检查点？"
  • "中间结果一般怎么验证？是给别人看还是自己检查？"
  • "做错了怎么回退？容易在哪个阶段翻车？"

第五层：硬规则层

  • "有没有你踩过坑后来发誓'以后再也不许这样了'的事情？"
  • "有没有合规/监管/法律层面的红线？"
  • "什么操作看起来没问题但实际上会出大事？"

第六层：反模式层

  • "AI 做这个领域最常犯的错是什么？（至少说 5 个）"
  • "有没有 AI 特别容易'走捷径'的地方？比如默认某种结论、跳过某步验证？"
  • "新手做这个最容易犯的错和 AI 犯的错有什么不同？"

第七层：输出模式层

  • "同一个领域，不同场景下交付物长一样吗？CEO 看的 vs 分析师看的？"
  • "有没有需要'一句话版本'的场景？"
  • "不同输出格式之间的核心差别是什么？（比如完整报告 vs 速览版，少了什么、保留了什么）"

第八层：验收层

  • "交付前你自己怎么检查？有没有固定的 checklist？"
  • "你之前收到过什么反馈让你发现'哦这里漏了'？"
  • "有没有需要沉淀的参考材料（模板/案例/检查清单）？"

使用示例

例1 — 从零创建：

用户："帮我写一个帮我做代码审查的 skill" Agent：进入 Phase 1 勘探 → 问 5 个问题 → 进入 Phase 2 逐层构建 → 输出 SKILL.md → 用户确认后写入文件

例2 — 重构已有 skill：

用户："我有一个 skill 但写得不好，帮我按 8 层重构一下 [附文件路径]" Agent：Read 现有文件 → 分析 8 层覆盖情况（哪些层缺失/薄弱）→ 逐层问用户补充 → 输出新版本

例3 — 补齐缺失层：

用户："这个 skill 缺身份层和反模式层，帮我补上" Agent：Read 现有文件 → 聚焦缺失层问针对性问题 → 输出补全后的完整文件

例4 — 快速骨架：

用户："我有一个想法但还没想清楚，先帮我搭个 skill 骨架" Agent：快速过 8 层核心问题（每层 1 个问题）→ 输出骨架速览 → 用户确认方向后再逐层细化

参考

  • 8 层方法论原文：小红书帖子 ID 69ec0f440000000022026985
  • 已用此方法论重构的 4 个 skill 示例（同目录下 cue-corporate-credit / cue-financial-verification / cue-equity-investment-synergy / cue-industry-chain）
  • 各层反模式清单是对 4 个 skill 重写过程中发现的 AI 共性错误的提炼