skills_creator
- Repo stars 254
- Author repo akg
Skills 创建器
Problem
当用户完成复杂的、有价值的任务后,这些经验通常只存在于对话历史中。下次遇到类似问题时,需要重新探索,浪费时间和精力。需要将对话中的知识提取为可复用的 skill。
Context / Trigger Conditions
当以下任一条件满足时,调用此技能:
- 用户明确要求"凝练当前上下文"、"总结上下文为skills"或"skills summary"
- 用户说"任务成功"并希望保存经验
- 用户询问 "available skills" 后希望创建新技能
- 完成了复杂的调试任务,发现了非显而易见的解决方案
- 通过试错发现了有效的解决方案
Solution
Step 1: 分析对话
从对话历史中提取以下信息:
- 原始目标:用户最初希望完成什么任务
- 核心挑战:任务中的关键难点和决策点
- 解决步骤:抽象出可泛化的行动序列
- 避坑指南:常见的错误或陷阱
- 所需工具:完成任务需要的工具或资源
Step 2: 评估知识价值
在创建 skill 前验证:
- 可复用性:这个知识对未来任务有帮助吗?(不仅是当前案例)
- 非平凡性:这个知识需要发现,而不是简单的文档查阅?
- 具体性:能否描述具体的触发条件和解决方案?
- 已验证:解决方案是否真正有效?(不仅是理论上的)
Step 3: 生成技能文档
创建符合 OpenCode 规范的 SKILL.md 文件:
---
name: <技能名称>
description: |
<精确描述,包括:(1) 具体用例,(2) 触发条件如具体错误信息或症状,
(3) 解决的问题。足够具体以便语义匹配能准确检索
(4) 限制字符长度为1-1024>
version: 1.0.0
date: <YYYY-MM-DD>
---
# <技能名称>
## Problem
<该技能解决的问题清晰描述>
## Context / Trigger Conditions
<何时使用此技能?包含具体的错误信息、症状或场景>
## Solution
<逐步解决方案或要应用的知识>
## Verification
<如何验证解决方案有效>
## Example
<应用此技能的具体示例>
## Notes
<任何注意事项、边缘情况或相关考虑>
## References
<可选:链接到官方文档、文章或参考资料>
Step 4: 保存技能
将新技能保存到适当位置:
- 项目级技能:
.opencode/skills/[skill-name]/SKILL.md - 用户级技能:
~/.opencode/skills/[skill-name]/SKILL.md
Verification
创建 skill 后,确认以下检查项:
- Description 包含具体的触发条件
- Solution 已验证有效
- 内容足够具体以便可执行
- 内容足够通用以便可复用
- 不包含敏感信息(凭证、内部 URL 等)
- 不重复现有文档或技能
Notes
- 技能名称格式:仅使用小写字母、数字、连字符(kebab-case)
- description 是关键字段,要包含具体症状和上下文标记
- 不是每个任务都需要创建 skill,只提取真正有价值的知识
- 建议使用中文编写内容(除非用户指定其他语言)
References
- Fluxly category
- AI
- Author-declared agents
- No explicit declaration found; this is not inferred or tested compatibility
- Static check
- 88 / 100 · heuristic scan, not runtime safety proof
- Author / version / license
- @mindspore-ai · no license declared
- Fluxly token estimate
- Lean
- Fluxly setup estimate
- Plug-and-play
- External API key
- No requirement detected
- Detected OS requirements
- Unspecified
- Runtime requirements
- Unspecified
- Detected file/system behavior
-
- Read-only
- Detected network behavior
- Local-only
- Install commands
- None (reference only)
Profile is derived at build time from SKILL.md and install vectors. Subject to drift from author intent.
Heads up: 未限定 allowed-tools,默认拥有全部工具权限。
The current SKILL.md does not define a fixed output example. Step 1: 分析对话
从对话历史中提取以下信息: 原始目标:用户最初希望完成什么任务 核心挑战:任务中的关键难点和决策点
Step 2: 评估知识价值
在创建 skill 前验证: 可复用性:这个知识对未来任务有帮助吗?(不仅是当前案例) 非平凡性:这个知识需要发现,而不是简单的文档查阅?
Step 3: 生成技能文档
创建符合 OpenCode 规范的 SKILL.md 文件:
# Skills 创建器
## Problem
当用户完成复杂的、有价值的任务后,这些经验通常只存在于对话历史中。下次遇到类似问题时,需要重新探索,浪费时间和精力。需要将对话中的知识提取为可复用的 skill。
## Context / Trigger Conditions
当以下任一条件满足时,调用此技能:
- 用户明确要求"凝练当前上下文"、"总结上下文为skills"或"skills summary"
- 用户说"任务成功"并希望保存经验
- 用户询问 "available skills" 后希望创建新技能
- 完成了复杂的调试任务,发现了非显而易见的解决方案
- 通过试错发现了有效的解决方案
## Solution
### Step 1: 分析对话
从对话历史中提取以下信息:
- **原始目标**:用户最初希望完成什么任务
- **核心挑战**:任务中的关键难点和决策点
- **解决步骤**:抽象出可泛化的行动序列
- **避坑指南**:常见的错误或陷阱
- **所需工具**:完成任务需要的工具或资源
### Step 2: 评估知识价值
在创建 skill 前验证:
- **可复用性**:这个知识对未来任务有帮助吗?(不仅是当前案例)
- **非平凡性**:这个知识需要发现,而不是简单的文档查阅?
- **具体性**:能否描述具体的触发条件和解决方案?
- **已验证**:解决方案是否真正有效?(不仅是理论上的)
### Step 3: 生成技能文档
创建符合 OpenCode 规范的 `SKILL.md` 文件:
```markdown
---
name: <技能名称>
description: |
<精确描述,包括:(1) 具体用例,(2) 触发条件如具体错误信息或症状,
(3) 解决的问题。足够具体以便语义匹配能准确检索
(4) 限制字符长度为1-1024>
version: 1.0.0
date: <YYYY-MM-DD>
---
# <技能名称>
## Problem
<该技能解决的问题清晰描述>
## Context / Trigger Conditions
<何时使用此技能?包含具体的错误信息、症状或场景>
## Solution
<逐步解决方案或要应用的知识>
## Verification
<如何验证解决方案有效>
## Example
<应用此技能的具体示例>
## Notes
<任何注意事项、边缘情况或相关考虑>
## References
<可选:链接到官方文档、文章或参考资料>
```
### Step 4: 保存技能
将新技能保存到适当位置:
- **项目级技能**:`.opencode/skills/[skill-name]/SKILL.md`
- **用户级技能**:`~/.opencode/skills/[skill-name]/SKILL.md`
## Verification
创建 skill 后,确认以下检查项:
- [ ] Description 包含具体的触发条件
- [ ] Solution 已验证有效
- [ ] 内容足够具体以便可执行
- [ ] 内容足够通用以便可复用
- [ ] 不包含敏感信息(凭证、内部 URL 等)
- [ ] 不重复现有文档或技能
## Notes
- 技能名称格式:仅使用小写字母、数字、连字符(kebab-case)
- description 是关键字段,要包含具体症状和上下文标记
- 不是每个任务都需要创建 skill,只提取真正有价值的知识
- 建议使用中文编写内容(除非用户指定其他语言)
## References
- [Claudeception: Autonomous Skill Extraction for LLM Agents](https://github.com/blader/Claudeception )
- [OpenCode Skills 架构](https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills ) Evidence boundary and execution chain
Author text anchors workflow facts; Fluxly only indexes current sections, terms, files, and commands.
sections -> Problem → Context / Trigger Conditions → Solution → Step 1: 分析对话 → Step 2: 评估知识价值 → Step 3: 生成技能文档
terms -> 原始目标 · 核心挑战 · 解决步骤 · 避坑指南 · 所需工具 · 可复用性 · 非平凡性 · 具体性
files/cmd -> .opencode/skills/[skill-name]/SKILL.md · ~/.opencode/skills/[skill-name]/SKILL.md · .opencode/skills · github.com/blader/Claudeception · www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills
body sha256 -> bde1719175a2
Decide Fit First
Design Intent
How To Use It
Boundaries And Review