tomevault-io Skill Factory
将任意 GitHub 仓库一键转换为标准化的 Claude Skill。
核心功能
- 信息获取: 通过
git ls-remote获取 commit hash，通过 HTTP 获取 README - 目录生成: 创建标准化的 Skill 目录结构（SKILL.md, scripts/, references/, assets/）
- 元数据注入: 自动填充扩展元数据字段（source_url, source_hash, version 等）
- 占位脚本: 生成 wrapper.py 模板，便于后续实现
使用场景
触发方式:
/skill-factory <github_url>- "将这个仓库打包成 Skill: "
- "从 GitHub 创建 Skill: "
- "封装这个工具: "
工作流程
步骤 1: 获取仓库信息
运行 scripts/fetch_github_info.py 获取仓库元数据:
python scripts/fetch_github_info.py <github_url>
输出 JSON 格式:
{
"name": "repo-name",
"owner": "owner",
"url": "https://github.com/owner/repo",
"latest_hash": "abc123...",
"default_branch": "main",
"description": "仓库描述",
"readme": "README 内容..."
}
步骤 2: 分析 README
Agent 分析 README 内容，理解:
- 工具的主要功能
- 安装和使用方法
- CLI 参数或 API 接口
- 依赖要求
步骤 3: 创建 Skill 目录
运行 scripts/create_skill.py 生成目录结构:
python scripts/create_skill.py <json_file_or_string> <output_dir>
生成的目录结构:
skill-name/
├── SKILL.md # 主 Skill 文件（含扩展元数据）
├── scripts/
│ └── wrapper.py # 占位脚本
├── references/
│ └── .gitkeep
└── assets/
└── .gitkeep
步骤 4: 完善 Skill
Agent 根据 README 分析结果:
- 完善 SKILL.md 的描述和使用说明
- 实现 wrapper.py 的实际逻辑
- 添加必要的参考文档
步骤 5: 验证
确认:
- SKILL.md 的 frontmatter 格式正确
- source_hash 已正确记录
- description 包含触发条件
- wrapper.py 可执行（如已实现）
生成的元数据格式
每个由 skill-factory 创建的 Skill 必须包含以下扩展元数据:
---
name: skill-name
description: 详细描述，包含触发条件
# 生命周期管理字段（必需）
source_url: https://github.com/owner/repo
source_hash: abc123def456...
version: 0.1.0
created_at: 2026-01-23
updated_at: 2026-01-23
evolution_enabled: true
# 可选字段
entry_point: scripts/wrapper.py
dependencies:
- dependency1
- dependency2
---
脚本说明
| 脚本 | 功能 |
|---|---|
scripts/fetch_github_info.py |
获取 GitHub 仓库元数据（轻量级，无需 clone） |
scripts/create_skill.py |
创建标准化 Skill 目录结构 |
scripts/import_github_skill.py |
完整导入 GitHub 仓库为本地 Skill（支持并行下载） |
import_github_skill.py（推荐）
高效地从 GitHub 仓库下载所有文件并创建本地 Skill。
特点：
- 使用 GitHub API 获取目录结构（单次请求）
- 并行下载所有文件（10 线程）
- API 限流时自动切换到 git clone 备选方案
- 支持自定义 Skill 名称
- 支持移除源信息（
--no-source）
用法：
# 基本用法
python scripts/import_github_skill.py <github_url> <output_dir>
# 自定义名称
python scripts/import_github_skill.py <github_url> <output_dir> --name my-skill
# 不保留源信息（作为全新本地 Skill）
python scripts/import_github_skill.py <github_url> <output_dir> --no-source
# 组合使用
python scripts/import_github_skill.py https://github.com/user/repo ./skills --name my-skill --no-source
示例：
# 导入并重命名
python scripts/import_github_skill.py https://github.com/PenglongHuang/chinese-novelist-skill ./skills --name chinese-novelist --no-source
最佳实践
- 渐进式披露: 不要将整个仓库内容塞入 Skill，只包含必要的封装代码
- 依赖隔离: 生成的 Skill 应明确声明依赖，建议使用 venv 或 uv 管理
- 幂等性:
source_hash字段允许 skill-manager 后续检查更新 - 描述完整: description 必须包含"做什么"和"何时使用"
示例
示例 1: 封装 yt-dlp
用户: /skill-factory https://github.com/yt-dlp/yt-dlp
Agent:
1. 运行 fetch_github_info.py 获取仓库信息
2. 分析 README，了解 yt-dlp 是视频下载工具
3. 运行 create_skill.py 创建目录
4. 完善 SKILL.md，添加常用命令示例
5. 实现 wrapper.py，封装下载功能
示例 2: 封装 ffmpeg-python
用户: 把 https://github.com/kkroening/ffmpeg-python 打包成 Skill
Agent:
1. 获取仓库信息
2. 分析 README，了解这是 FFmpeg 的 Python 绑定
3. 创建 Skill 目录
4. 完善文档，添加常用转换示例
5. 实现 wrapper.py，封装常用操作
与其他 Skill 的协作
- skill-manager: 使用 source_url 和 source_hash 检查更新
- skill-evolution: 使用 evolution_enabled 控制是否记录用户经验
- skill-creator: 遵循相同的目录结构和元数据规范
Converted and distributed by TomeVault — claim your Tome and manage your conversions.