skill-creator - 技能创建 - Chatgpt On Wechat

skill-creator 是一个「元技能」，专门用来帮助 Agent 创建、安装和更新其他技能，确保所有技能的 SKILL.md 写法和目录结构保持一致。

什么时候会触发

用户想从 URL 或远程仓库安装一个技能
用户想从头创建一个全新的技能
需要升级或重构已有技能

技能是什么

简单来说，技能就是一份「可复用的说明书」加上可选的脚本和资源。它给 Agent 注入了某个领域的专业知识，让 Agent 在遇到对应任务时能像专家一样处理。

一个技能通常包含以下内容：

专项工作流 — 某类任务的完整步骤
工具用法 — 怎么调某种 API 或处理某种文件
领域知识 — 团队约定、业务规则、数据结构之类
附带资源 — 脚本、参考文档、模板等

<Note> **核心原则：能省则省**。只写 Agent 自己想不到的内容，每加一行都要问自己：值不值得占这些 token？ </Note>

目录结构

skill-name/
├── SKILL.md            # 必需：技能定义
│   ├── YAML frontmatter（必填 name / description）
│   └── Markdown 正文（说明 + 示例）
└── 可选资源
    ├── scripts/        # 可执行脚本（Python / Bash 等）
    ├── references/     # 内容较多的参考文档，Agent 按需读取
    └── assets/         # 模板、图标等，会直接用在输出里

SKILL.md 规范定义

SKILL.md 文件头部的 frontmatter 字段：

字段	说明
`name`	技能名，小写加中划线，必须和目录名一致
`description`	最关键的字段。写清楚「这个技能干什么」和「什么情况下该用它」，Agent 看到这段来决定要不要调它。注意：所有触发相关的描述都放在这里，不要写到正文里
`metadata.cowagent.requires.bins`	系统里必须装了哪些命令行工具
`metadata.cowagent.requires.env`	需要哪些环境变量（全部满足才行）
`metadata.cowagent.requires.anyEnv`	多个 API Key 满足一个就行
`metadata.cowagent.requires.anyBins`	多个工具满足一个就行
`metadata.cowagent.always`	设为 `true` 会始终加载，不检查依赖
`metadata.cowagent.emoji`	展示用的 emoji（可选）
`metadata.cowagent.os`	限定系统，如 `["darwin", "linux"]`

<Note> `category` 字段不需要手写，系统会自动设成 `skill`。 </Note>

声明 API Key 依赖有两种写法：

yaml

metadata:
  cowagent:
    requires:
      env: ["MYAPI_KEY"]            # 必须有

yaml

metadata:
  cowagent:
    requires:
      anyEnv: ["OPENAI_API_KEY", "LINKAI_API_KEY"]   # 有一个就行

技能会自动按依赖启禁用：环境变量齐了就自动启用，缺了就自动禁用，不需要手动 /skill enable。

资源目录怎么用

目录	放什么	不要放
`scripts/`	需要反复执行的代码，或需要确定性结果的脚本	纯演示用的代码片段
`references/`	超过 500 行、SKILL.md 实在塞不下的大文档（比如完整的数据库 Schema）	普通 API 文档、示例、教程
`assets/`	会出现在最终产物里的文件（模板、图标、样板代码等）	说明性文档

<Warning> **原则上所有内容都写在 `SKILL.md` 里**，只有确实放不下才拆到资源目录。

不要给技能加 README.md、CHANGELOG.md、INSTALLATION_GUIDE.md 之类的文件——全部放进 SKILL.md。资源目录里只放真正要跑的脚本或真正要用的素材。 </Warning>

安装外部技能

安装后最终落在 <workspace>/skills/<name>/ 目录。

来源	怎么装
URL（单文件）	curl / web_fetch 直接拉
URL（zip 包）	下载解压
本地 SKILL.md	直接读
本地 zip 包	解压

安装步骤：

找到 SKILL.md（可能在包的根目录或某个子目录里）
从 frontmatter 里读出 name
把整个技能目录（包括 SKILL.md、scripts/、assets/ 等）复制到 <workspace>/skills/<name>/
如果包里有 INSTALL.md 之类的安装脚本，照着跑一遍，但最终结果仍然要落在 <workspace>/skills/<name>/ 下

从头创建技能

推荐按这个顺序来：

搞清楚需求 — 让用户举几个具体的使用场景，一次别问太多
想好结构 — 这个技能需要脚本吗？需要参考文档吗？需要模板素材吗？

生成骨架 — 用初始化脚本：

bash

scripts/init_skill.py <skill-name> --path <workspace>/skills [--resources scripts,references,assets] [--examples]

填充内容 — 写好 SKILL.md、补上脚本和资源。脚本写完一定要实际跑一遍

格式校验（可选）：

bash

scripts/quick_validate.py <workspace>/skills/<skill-name>

迭代完善 — 实际用起来之后根据反馈持续改进

命名规则

只用小写字母、数字和中划线。用户给的名字需要做标准化处理，比如 Plan Mode → plan-mode
长度别超过 64 个字符
尽量短、用动词开头、一看就知道干什么
必要时用工具名做前缀，比如 gh-address-comments、linear-address-issue
目录名和 name 字段必须完全一致

三级加载机制

技能不会一次性全部塞进上下文，而是分三级按需加载：

元信息（name + description）— 常驻上下文，约 100 词。Agent 靠它判断「要不要用这个技能」
SKILL.md 正文 — 确定要用了才加载，建议控制在 500 行以内
资源文件 — Agent 需要的时候再读

如果一个技能涉及多个变体（比如多云厂商部署），建议这样组织：

cloud-deploy/
├── SKILL.md             # 主流程和厂商选择逻辑
└── references/
    ├── aws.md
    ├── gcp.md
    └── azure.md

用户选了 AWS，Agent 只需要读 aws.md，不用把三家的文档全加载进来。

常见设计模式

步骤式：按编号列出操作步骤和对应脚本。

markdown

1. 分析表单结构（运行 analyze_form.py）
2. 生成字段映射（编辑 fields.json）
3. 自动填充表单（运行 fill_form.py）

分支式：根据用户意图走不同流程。

markdown

1. 判断操作类型：
   **新建内容？** → 走「创建流程」
   **编辑已有内容？** → 走「编辑流程」

模板式：输出格式有严格要求时，在 SKILL.md 里直接给一个样板，让 Agent 照着写。