1300人收藏的元 skill 创建技能，X 上的大佬都在推荐它！

开源星探

发布于 2026-06-23 18:40:27

1480

文章被收录于专栏：翩翩白衣少年翩翩白衣少年

在 AI 开发者社区里，有一句越来越多人认同的话：如果你还在用长长的提示词和 AI 对话，那你已经落后了。

这话听起来有点刺耳，却是当下最真实的写照。过去三年，我们和大模型的交互方式经历了三轮明显的演进：

第一轮是「裸提示词时代」——每个人都在学习怎么写一段长长的、层层嵌套的 prompt，告诉模型该做什么、不该做什么。那段时间，"提示词工程师"是个时髦的岗位。

第二轮是「RAG 与工具调用时代」——光靠文本不够了，模型需要能检索知识库、能调用外部API、能执行代码。于是有了 Function Call、有了 MCP 协议、有了各种插件系统。

而现在，我们正在进入第三轮： Skill 工程时代。

核心变化就是：AI 从「每次都需要你手把手教」的工具，进化成了「能自动加载专业技能包」的智能体。

但问题也随之而来：怎么才能做出一个高质量、可复用、经得起考验的 Skill？

很多人以为写 Skill 就是把 prompt 存进一个 SKILL.md 文件——那就太低估这件事了。

一个真正可以在团队里长期使用的 Skill，需要解决路由识别、质量评估、版本治理、跨平台兼容等一系列工程问题。

而这正是今天要介绍的这个项目——yao-meta-skill——想要解决的核心问题。

yao-meta-skill 简介

yao-meta-skill 是一个由开发者 yaojingang 开源的框架，它的核心理念用一句话概括就是：Build reusable skill packages, not long prompts.（构建可复用的技能包，而不是写长长的提示词。）

作者的观点很鲜明：Skill 的目标不是生成更多的提示词文本，而是要产出真正能用的 AI 资产，解决真实的运营问题。

具体来说，yao-meta-skill 提供了一套完整的工程化流程，帮助你把各种"原始材料"——一段随手写的工作流笔记、一堆重复使用的提示词、一份会议纪要、甚至一张写在便签纸上的操作清单——转化为一个结构化、可评估、可治理、可打包的 Skill 目录。

这个过程不是"写一个文件"，而是一个包含多个阶段的工程流程：

• 意图对话：先和用户聊清楚"这个技能到底要解决什么真实问题、产出什么、不做什么、符合什么标准"，而不是上来就让填表。
• 路由设计：用一段精简的 SKILL.md 作为"入口文件"，让 Agent 能准确识别什么时候该触发这个技能。
• 基准扫描：自动参考行业中高质量的 Skill 作为参照，同时允许用户提供自己喜欢的风格或项目作为学习对象。
• 质量评估：用训练集/开发集/留出集的方式测试 Skill 的路由准确率，还支持盲评、对抗样本评估。
• 打包发布：支持跨平台打包（OpenAI / Claude / 通用格式），保留中立元数据和降级规则。
• 生命周期治理：记录每次迭代的证据、成熟度评分、审查节奏、升级决策。

你可以把它理解成一个 "Skill 的脚手架 + CI/CD" 二合一的工具——帮你从零开始搭建一个合格的 Skill，然后用工程手段持续维护它的质量。

核心亮点

亮点一：从对话式草稿到工程化成品

很多人写 Skill 的流程是：脑子里想个大概 → 在编辑器里敲一段 SKILL.md → 复制到项目里用。

yao-meta-skill 反其道而行之。它给你一个完整的闭环：

1. 原始输入（工作流笔记 / 提示词 / 对话记录 / 文档）
2. 意图对话 → reports/intent-dialogue.md，留下真实需求的文字记录
3. 路由设计 → SKILL.md + agents/interface.yaml
4. 参考扫描 → reports/reference-synthesis.md，学习外部标杆
5. 路由评估 → evals/trigger_cases.json，用真实 prompt 测试触发准确性
6. 报告生成 → reports/skill-overview.html，可视化的技能概览
7. 打包分发 → 跨平台兼容的成品包

整个链路留下的每一份证据文件，不是给外人看的文档，而是让你自己能放心地把这个 Skill 交给团队使用——因为你清楚它是怎么一步步造出来的。

亮点二："轻量但不简陋"的哲学

Skill 工程最容易犯的病是"过度设计"——为一个一次性的小工作流整出一套复杂的治理流程，结果得不偿失。

yao-meta-skill 的设计哲学是：用最轻的流程，但要让 Skill 可靠。

它定义了三种运行模式：

• Scaffold（脚手架模式）：个人探索或快速原型，只保留最必要的结构。
• Production（生产模式）：团队复用，加入质量门槛和评估流程。
• Library（库模式）：共享基础设施或元技能，完整的治理和文档。

这是一个非常工程化的思维：流程的重量应该与风险成正比。

亮点三：质量评估是默认行为

在 Skill 这件事上，最令人担忧的一个问题是：你怎么知道你的 Skill 写对了？

一个 SKILL.md 写好了，放在那儿，你没法跑单元测试。

yao-meta-skill 给出的答案是多层次的评估体系：

• 触发词评估 (scripts/trigger_eval.py)：用 train/dev/holdout 三层测试集验证 Skill 的 description 是否能被正确识别。
• 描述优化套件 (scripts/run_description_optimization_suite.py)：多版本 description 之间的盲评对比。
• 法官式盲评 (scripts/judge_blind_eval.py)：独立的评分者模型对胜出版本进行二次验证。
• 资源边界检查 (scripts/resource_boundary_check.py)：确保 Skill 不会越权操作。
• 治理检查 (scripts/governance_check.py)：验证元数据完整性。
• 路由混淆检测 (reports/route_scorecard.md)：防止相似的 Skill 之间相互干扰。

亮点四：可操作的 Skill 工程方法论

yao-meta-skill 的价值不止于代码和脚本，更大的价值在于它沉淀了一套可操作的 Skill 工程方法论——包括：

• 意图对话手册：怎样用 2-3 个高杠杆问题，快速把用户的模糊需求变成清晰的工作定义。
• 参考扫描策略：先参考外部标杆，再参考用户指定偏好，最后做本地适配校准。
• 原型选择指南：判断一个需求是否应该变成 Skill，以及选择最轻的合适模式。
• 门槛选择逻辑：哪些检查是必要的，哪些是多余的。
• 迭代哲学：每次迭代只聚焦前三优先方向，而不是同时扩展所有维度。
• 非 Skill 决策树：识别什么时候"这不是 Skill，就是一次性任务"，避免过度工程化。

这些内容分布在项目的 docs/、references/、failures/（反模式库）等目录里，是真正值得你花时间读的东西。

亮点五：中立元数据 + 客户端适配器

在 Skill 生态中，一个非常现实的痛点是平台碎片化——Claude Code 用 ~/.claude/skills，Cursor 有自己的目录，OpenAI 的实现逻辑又不一样。

yao-meta-skill 通过 scripts/cross_packager.py 解决了这个问题：

• 从单一源代码打包到 OpenAI / Claude / 通用 三种目标格式。
• 保留中立的激活、执行、信任、降级元数据。
• 项目自述的"可移植性评分"是 100/100。

这意味着团队写的 Skill 不会被锁死在某一款工具上。

快速上手

直接克隆项目解压放到 Agent 的skill目录下即可使用。

我平时喜欢用 npx 命令安装，可以一键链接到本地的所有Agent下。

npx skills add https://github.com/yaojingang/yao-meta-skill --skill yao-meta-skill

典型目录结构参考

一个完整的、治理就绪的 Skill 目录通常长这样：

my-skill/
├── SKILL.md                    # 入口路由文件
├── agents/
│   └── interface.yaml          # Agent 接口声明
├── references/                 # 参考材料（方法、示例等）
├── scripts/                    # 确定性脚本
├── evals/                      # 评估用例
│   ├── trigger_cases.json
│   └── blind_holdout/
├── reports/                    # 评估报告与迭代证据
│   ├── intent-dialogue.md
│   ├── skill-overview.html
│   ├── iteration-ledger.md
│   └── promotion-decisions.md
├── manifest.json               # 治理元数据（生产级别才需要）
└── VERSION                     # 版本号

但请记住：不是每个目录都必须有。 yao-meta-skill 的设计理念是"按需添加"——一个个人使用的轻量 Skill，可能只有 SKILL.md 就够了。