kscz0000 适用场景
适用于此工作流匹配用户请求时：编写与编辑优秀技能的参考资料——让技能行为可预测的词汇与原则。
_来源：mattpocock/skills（MIT）。_技能的存在，是从一个随机系统中榨取确定性。可预测性——让智能体每次运行都走相同的流程，而不是产出相同的输出——是根本的德性；下文中所有杠杆都为它服务。
加粗术语的定义见 GLOSSARY.md；请查阅该文件获取完整释义。
调用方式
两种选择，各有取舍：
- 模型调用型技能保留description，因此智能体可以自主触发并且其他技能也能触达它（你仍然可以手动输入名称）。它会产生上下文负载——description 每轮都占据上下文窗口。机制：省略
disable-model-invocation，并撰写面向模型的 description，使用丰富的触发短语（如"当用户希望…、提及…"）。 - 用户调用型技能从智能体的视野中移除 description：只有你手动输入名称时才能调用——其他技能也无法调用。零上下文负载，但会消耗认知负载：你必须记得它存在的索引。机制：设置
disable-model-invocation: true；此时description变为面向人的——一行概述，去掉触发词列表。
只有当智能体必须自主触达该技能、或另一技能需要触达它时，才选择模型调用。如果它仅由手动触发，就设为用户调用，免去上下文负载。
当用户调用型技能多到记不过来时，累积的认知负载要靠路由技能来化解：一个用户调用型技能，列出其他技能及各自的使用时机。
编写 description
模型调用的description承担两项工作——说明技能是什么，以及列出应当触发它的分支。每个词都会增加上下文负载，因此 description 比正文更需要修剪：
- 把技能的首词前置——description 才是它完成调用工作的地方。
- 每个分支一条触发。对同一分支的同义改写是重复——"使用 TDD 构建特性……要求测试优先开发"是一条分支写了两遍。合并它们；只保留真正不同的分支。
- **删去正文中已有的身份信息。**将 description 限定在触发条件，以及必要的"当另一技能需要…"可达条款。
信息层级
一个技能由两种内容类型构成——步骤和参考——自由组合：可以是全步骤、全参考、或两者兼有。核心决策是使用哪种、以及各内容在信息层级上的位置，信息层级按智能体对内容的即时需求程度排序：
- 技能内步骤——
SKILL.md中有序的动作，主要层级：智能体要做的事情，按顺序。每一步以完成标准结尾——告诉智能体工作已结束的条件。让它可校验（智能体能区分完成与未完成吗？），并在重要的地方穷尽（"每个被修改的模型都已统计"，而非"产出变更清单"）——模糊的标准会招致抢跑。 - 技能内参考——
SKILL.md中的定义、规则或事实，按需查阅。通常是合理的扁平同级集合（一次审查的所有规则放同一层）——这是妥当的安排，不是异味。本技能全是参考。 - 外部参考——从
SKILL.md抽出到独立文件的参考，通过上下文指针触达，仅在指针命中时加载。（涵盖_已披露_参考——像GLOSSARY.md这样的同级文件，仍属于技能的一部分——以及完全外部参考，位于技能系统之外、任何技能都可指向它。）
要求严格的完成标准会驱动彻底的实操——智能体在工作内的挖掘——无论技能是否包含步骤，因为"每条规则都已应用"对扁平参考的约束力等同于"每步都已完成"对序列的约束力。
下沉得少，顶部臃肿；下沉得多，智能体真正需要的材料又被掩埋。那种张力就是全部的决策。
渐进披露是沿着层级向下——从 SKILL.md 进入链接文件——让顶部保持清晰。机制：在技能文件夹中放一个链接的 .md 文件，命名其内容（本技能将其完整定义披露到 GLOSSARY.md）。有些技能有多种用法，每种不同用法就是一个分支——不同运行沿不同路径穿过技能。分支是最清晰的披露测试：每个分支共同需要的内联，只有部分分支触达的推到指针之后。上下文指针的措辞，而非其目标，决定智能体何时以及多可靠地触达材料。
层级决定某块内容下沉多远；就近放置则决定一旦下沉谁与它并列：把一个概念的定义、规则、注意事项放在同一标题下，而非分散，让读到一处便顺带看到它的邻居。
何时拆分
粒度是技能划分的精细度，每一次切割都消耗两种负载之一，因此只在收益成立时拆分。两种切割：
- 按调用拆分——当你拥有一个独立的首词应单独触发它、或另一技能必须触达它时，将一个模型调用型技能拆出。你为新的常驻description付出上下文负载，因此这种独立可达性必须值得。
- 按序列拆分——当当前步骤后面的步骤（一步的完成后续步骤）诱使智能体抢完手头的（抢跑）时，拆出一段步骤序列。把它们藏出视野，让智能体在当前任务上做更多实操。
修剪
让每个含义都只有一个单一事实来源：一处权威位置，修改行为只需一处编辑。
逐行检查相关性：它是否仍与技能所做的事相关？
然后逐句查找无效指令，不只逐行：对每句话单独运行无效测试，未通过的就删整句，而非修剪字词。保持激进——大多数失败的散文应当删掉，而非重写。
首词
首词是一个紧凑概念，已经存在于模型的预训练中，智能体在运行技能时用其思考（如_课题_、战争迷雾、示踪弹）。在文本中反复出现（不必一定出现——一个强首词也许只需一次），它累积分布式定义，并以最少的 token 把整片行为锚定到模型已持有的先验上。
它为可预测性服务两次。在正文中它锚定执行：智能体在每次该词出现时都触达相同的行为。在 description 中它锚定调用：当同一词存在于你的提示、文档、代码中，智能体把该共享语言关联到技能，更可靠地触发它。
寻找把技能重构为首词的机会。在三个位置展开的三联词（重复），花了整句描述一个概念的 description——每处都是乞求被折叠为单个 token 的段落。例如：
- "快速、确定、低开销" -> 紧致——一阶段中反复出现的一个品质——折成一个预训练词（_紧致_循环）。
- "你信得过的循环" -> 红——把模糊门控转为二元可观察状态（循环在 bug 处变_红_，或不变）。
你双赢：更少的 token，且智能体挂靠其思考的钩子更锋利。假设每个技能都携带着首词可以退休的复述——去找它们。
失败模式
用这些诊断用户可能遇到的技能问题。
- 抢跑——在步骤真正完成前就结束，注意力滑向已做完。防御，按顺序：先锐化完成标准（廉价、本地）；仅当标准不可避免地模糊且你观察到抢跑时，通过拆分隐藏完成后续步骤（序列切割）。
- 重复——同一含义出现在多于一处。增加维护成本和 token 数，并让该含义在层级上的权重超出其真实位置。
- 沉淀——陈旧层累下而不清除，因为新增感觉安全、删除感觉冒险。这是任何不坚持修剪纪律的技能注定会走向的命运。
- 蔓延——即便每行都在线且唯一，技能单纯地过长。损害可读性、可维护性，并浪费 token。解药是层级：通过指针披露参考，按分支或序列拆分，让每条路径只携带所需。
- 无效——一条模型默认就遵守的指令，因此你付出负载却什么也没说。检验：相对默认它会改变行为吗？一个弱首词（在智能体已经差不多彻底时写_要彻底_）就是无效；解法是更强的词（无情），而非不同的技巧。
局限
- 当工作流指定上游工具、账号、API key 或本地设置时需要相应的前置条件。
- 未经用户明确许可，不授权破坏性、生产环境、付费或对外消息类操作。
- 在将生成的产物或建议视为最终结论前，请用用户的真实来源进行验证。