
## 一、开头

最近一直在搞 Skill，写了好几个长流程的。说实话，越写越觉得不对劲。

流程写得很细了，规则也列得清清楚楚，但 AI 执行起来就是——这里漏一条，那里忘一项。纠正了一次，下次换个场景又丢了。反复纠正，反复遗忘。

你肯定也遇到过。写过龙虾 Skill 的朋友，没人能避开这个坑。😅

问题出在哪？一开始我以为是自己写得不够细，后来发现根本不是。

---

## 二、龙虾为什么不听话

先说结论：这不只是记忆问题。

龙虾加载了你的 SKILL.md 后，会把它放到上下文里。关键在于——**文件只在会话开始时被加载一次**，之后所有操作依赖的是那次加载时的快照（frozen at load time）。

你执行中改了文件、加了规则，AI 不知道。它还在用老版本做决策。

这就是 AI "不听话"的根因之一。不是它不愿意，是它耳朵里的指令集没刷新过。

还有个问题——**Lost in the Middle**。Transformer 对上下文开头和结尾注意力高，中间部分容易被忽略。你的关键规则如果卡在文档中间，AI 大概率没读到。

再加上规则写得太模糊："要考虑边界情况"——这种话 AI 看了等于没看。需要的是"当 X 发生时做 Y，当 Z 发生时做 W"这样的确定性描述。

所以我说，如果凶手只有一个，那就是——**Skill 没有造好**。

但怎么才算"造好"？这件事值得从头捋一遍。

---

## 三、从始祖技能的一个小bug说起

一切要从 Skill Creator 说起。龙虾自带的"始祖技能"，专门教你怎么写 Skill。

用了一段时间我发现一个事：Skill Creator 自己提了很多好规范——渐进式披露、精简内容、Non-Duplicate——但它自己并没有严格遵守。正文和参考文件大量重复，说明文字和规则混在一起，结构挺繁琐的。

我上一篇文章【技能下载不是终点】里写过这个发现。当时觉得是个小毛病，优化一下就行。

结果在自己写长流程 Skill 时，这个"小毛病"被无限放大了。按 Skill Creator 的规范写出来的东西，依然不够稳。

看来始祖技能真的要改朝换代了。💪

---

## 四、行业调研：大家都在怎么做

我决定从根上想这个问题。先看看市面上的方案都在做什么：

| 方案                             | 特点           | 适合谁           |
| ------------------------------ | ------------ | ------------- |
| Claude Code 2.0 (2026.4)       | 强调自动化测试和自更新  | 发布给别人用的技能开发者  |
| 达尔文 Skill                      | AI自测自改进，循环迭代 | 需要持续优化的重度用户   |
|  Skill Creator v0.1.0（内置的那个版本） | 文件夹布局、背景规范详细 | 新手入门，但主体怎么写没讲 |
| Matt Pocock / Garry Tan 实践     | 最佳实践、优化理念    | 有经验的开发者       |

调研了一圈，发现一个问题：**大家都在解决"能写出来"，没人解决"写得稳、AI不乱跑"**。

Claude Code 2.0 那一套太重型——自动化测试、多轮测试逻辑、输入输出对照、循环迭代——结构复杂，资源消耗大。适合做通用分发的技能，不太适合自己写自己用的场景。

内置 Skill Creator 则反过来：给了大量背景介绍，但**Skill 主体怎么写反而没讲**。可能设计者想留自由度，但恰恰是这种自由让 AI 容易跑偏。

于是我自己攒了一套东西。

---

## 五、zao-skill诞生：先减法，后加法

项目起点是 Skill Creator V0.1.0（2026年1月27日）。做法分两步。

### 减法：三轮精简

**第一轮：自我合规。** 让 Skill Creator 按自己提出的规范改造自己——落实渐进式披露、精简内容、弱化教学属性。你定的规矩，你先遵守。

**第二轮：Non-Duplicate 硬约束。** 所有内容必须具备唯一价值，禁止冗余、可替代、可合并的信息。人工逐段精读，逐句校验——AI 识别不了隐性冗余，这事只能人做。

**第三轮：终极精简。** 人工 + AI 双审，把框架压缩到最小可用核心版本，只保留必要、有效、对执行有决定性作用的内容。

三轮下来，文件瘦了一大圈。结构也清楚了。

### 加法：对标行业标准

精简完开始做加法。对标 agentskills.io 通用规范、Claude Code 2.0，参考 Matt Pocock、Garry Tan、Addy Osmani 的理念，融合达尔文 Skill、黄叔 Skill 等国内实战经验。

加法不做"能写出来"的事——那已经是共识了。做的是 **"写得标准、写得稳定、AI不乱跑、可长期迭代"**的事。

具体的五阶段工作流：

```
Pre-Step Rationalization Bias Check（全阶段强制前置）         │  
         ▼  
User Need?  
   ├─ Create new skill        → Phase 1: Design  
   ├─ Draft / update          → Phase 2: Drafting  
   ├─ Review / validate       → Phase 3: Validation  
   └─ Package for release     → Phase 4: Packaging  
         │  
         ▼   技能发布 → 实际使用 → Evolution in Usage（自进化）
```

最特别的是第一阶段——**先跑 Workflow，再写 Skill。**

在没形成正式技能文档前，要求你先跑通整个业务流程，验证逻辑可行、无断点、无歧义。所有讨论决策、对标结论、首次试运行的记录统一存到 WIP 目录，Phase 2 写技能时只读这个文件就够了。

这一条是从源头防错的。很多技能不好用，不是写得不好，是设计本身就漏了。🧠

---

## 六、三层防偏：让AI漂移不了

这里重点说两个设计。

### Critical Directives 原则声明

Files Are the only Truth。—— 原来单纯依靠Rationalisation rebuttals的静态表格提醒，在实践中依然还是会被AI忽略，当作背景不被重视。

通过第一层命令式的原则声明，先让AI摒弃依赖记忆和上下文的陋习。上下文加载后，在长期项目里，十分容易因为各类文件更新而不及时替换更新，产生上下文腐烂的问题。

对此，我们就通过再加两层控制，来进一步管控这个SOUL级别的边界问题。

### Pre-Step 三步门控

所有阶段执行前，强制过三步：

1. **Re-read** — 重读当前文件，不依赖记忆和旧上下文
2. **Follow references** — 完整读取所有参考，不跳步
3. **Check completion** — 复核完成度，不提前闭环

写在工作流每一步前面，AI 想跳都跳不过去。

### 三层自加固防偏架构

同样的偏差知识，在不同位置重复强化：

| 层级 | 做什么 |
|------|--------|
| **原则层** (Files Are Truth) | 让AI知道"文件是唯一权威，上下文快照是过时的影子" |
| **执行层** (Pre-Step Bias Check) | 每步强制操作，不信任任何上下文 |
| **反馈层** (Gotchas G01–G03) | 真实错误案例记录，让AI看到"前人踩过的坑" |

⚠️ 这三层用的是同一套偏差知识——原则层定调、执行层强控、反馈层回看，形成一个 AI 跨不过的网格。

---

## 七、弃测试，做校验，靠真实场景进化

行业主流方案都在做重型自动化 Testing。我的选择不同——**不做 Testing，做强 Verification（校验），把测试直接留给使用中的积累和迭代**。

校验分双轨：

- **Static Check**：机器自动检查语法、格式、结构、排版、冗余。自动修正。
- **Interactive Check**：人机交互核对逻辑合理性、场景适配、边界完整性。

既避免了重型测试的臃肿，又保证了质量。

那测试没覆盖的问题怎么办？靠**真实场景进化**。

模式：**早用 → 用了记 → 记了改**。问题分级归档——轻的写进 Gotchas，重的升级到 Critical Directives。同时沉淀 Success Pattern，好的经验也记下来。

关键支撑：**全程 Git 版本管控。** 每次优化、每次出错、每次迭代都有迹可查、可回滚、可复盘。长期使用中的隐性问题、回归问题、行为变动，离开了 Git 历史很难定位根因。

和前置有限测试不同，真实场景可以覆盖无限复杂的业务情况。技能越用越稳，越用越准。📈

---

## 八、总结

写到这里，可能有朋友会想：为写个 Skill 搞这么复杂，有必要吗？

说实话，两三步的小流程确实不需要。但如果你要做多路径、多参考文件、复杂边界的 Skill，这些投入很值。

zao-skill 的核心脉络：

1. **先跑流程再写技能**——源头防错
2. **Files Are Truth + Bias Check + Gotchas 三层防偏**——原则层定调，执行层强控，反馈层回看
3. **细化工作流书写规范**——AI 不偷懒、不跳步
4. **轻量化校验**——不做重型测试，高效低成本
5. **分层式自进化体系**——分级记错，沉淀成功范式
6. **Git 工程化保障**——可追溯、可复盘、可迭代

如果你也在写 Skill 的路上踩过坑，欢迎来看看聊聊。一起把这事搞得更稳。🤝

---

*参考资料*：
- zao-skill 项目：github.com/Sensenkawa/zao-skill
- 腾讯云 Claw 竞赛：tch.cloud.tencent.com/claw
- 前文：技能下载不是终点——Skill Creator 的优化思路

流程写得很细了，规则也列得清清楚楚，但 AI 执行起来就是——这里漏一条，那里忘一项。纠正了一次，下次换个场景又丢了。反复纠正，反复遗忘。

原创zao-skill——设计→创作→进化，轻量化全流程的Skill生成迭代器

人工智能

职业发展

开发工具

解决AI执行技能时漏步骤、忘规则的问题。关键在于技能文件只在会话开始时加载一次，AI依赖旧快照决策，且关键规则易被忽略。通过“先跑流程再写技能”源头防错，结合“文件即真理”原则、三步门控强制校验及真实场景进化，构建三层防偏架构，确保技能稳定执行。避免重型测试，采用轻量化校验与Git版本管控，实现高效迭代。

人机交互

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

原创zao-skill——设计→创作→进化，轻量化全流程的Skill生成迭代器-腾讯云开发者社区-腾讯云

原创zao-skill——设计→创作→进化，轻量化全流程的Skill生成迭代器

原创zao-skill——设计→创作→进化，轻量化全流程的Skill生成迭代器

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐