Agent 生成器
- 作者仓库星标 254
- 作者更新于 实时读取
- 作者仓库 akg
- 领域
- AI 智能
- 兼容 Agent
-
- Claude Code
- Cursor
- Cline
- Codex
- Windsurf
- Gemini CLI
- +20
- 信任分
- 88 / 100 · 社区维护
- 作者 / 版本 / 许可
- @mindspore-ai · 未声明 license
- Token 消耗评级
- 低消耗
- 接入复杂程度
- 即装即用
- 是否需要外部 API Key
- 不需要
- 兼容的系统
- 未声明（默认跨平台）
- 底层运行要求
- 无特殊要求
- 文件与系统权限
-
- 只读
- 允许写入 / 修改
- 网络行为
- 仅限本地
- 安装命令数
- 26 条
档案由构建时根据 SKILL.md 与安装命令自动衍生，可能与作者实际意图存在差异。
需要注意： 未限定 allowed-tools，默认拥有全部工具权限。
---
name: skills_creator
description: | 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。 当以下任一条件满足时，调…
category: AI 智能
runtime: 无特殊运行时
---
# skills_creator 输出预览
## PART A: 任务判断
- 适用问题：提示词、Agent 工作流、模型评估或自动化推理。
- 输入要求：目标材料、限制条件、期望输出和验收方式。
- 证据边界：围绕“Problem / Context / Trigger Conditions / Solution”读取原文规则，不把推断写成作者承诺。
## PART B: 执行结果
- **01** 任务判断：确认你的需求是否属于提示词、Agent 工作流、模型评估或自动化推理，并标出输入、限制和预期结果。
- **02** 执行计划：优先按“Problem / Context / Trigger Conditions / Solution”拆成步骤，说明每一步会读取什么、修改什么、产出什么。
- **03** 交付结果：给出可复制的命令、文件改动、检查清单或内容草稿，并说明如何继续迭代。
- **04** 风险边界：结合 读取文件、写入/修改文件、主要在本地完成、通常不需要额外 API Key 给出执行前确认项。
## Running Rules
- 读取文件、写入/修改文件；主要在本地完成；通常不需要额外 API Key。
- 先小样例验证，再放大到真实任务。
- 交付时同时给结果、检查口径和下一步迭代建议。 先确认触发方式
原文没有稳定的斜杠命令要求。安装验证后通常全局生效，直接在对话里点名这个 Skill 并描述任务即可。
给清楚输入和边界
告诉 Agent 目标文件或材料、期望结果、不可改范围、是否允许联网或执行命令。本 Skill 的权限画像是：读取文件、写入/修改文件。
小样例验证后再放大
先用一个小任务确认它会围绕“Problem / Context / Trigger Conditions / Solution”工作；涉及文件或命令时，先看 diff、日志、预览或测试结果。
复核后再交付
检查最终产物是否包含明确结果、必要证据和下一步动作；如果输出泛泛而谈，就补充输入、边界和验收标准后重跑。
---
name: skills_creator
description: | 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。 当以下任一条件满足时，调…
category: AI 智能
source: mindspore-ai/akg
---
# skills_creator
## 什么时候使用
- 把 AI / Agent方向的常用动作沉淀成 Agent 可调用的技能 适合处理AI Agent、提示词、模型评估与自动化推理，核心价值是把输入、判断、执行、验证和交付边界固定下来，避免 Agent 泛泛回答。 把任务拆成可执行、可检查…
- 面向提示词、Agent 工作流、模型评估或自动化推理，优先处理能明确输入、步骤和验收标准的工作。
## 需要提供什么
- 目标材料、目录范围、期望结果和不可改动内容。
- 是否允许联网、执行命令、读写文件或调用外部服务。
## 执行规则
- 围绕「Problem / Context / Trigger Conditions / Solution」组织步骤，不把推断写成作者事实。
- 读取文件、写入/修改文件；主要在本地完成；通常不需要额外 API Key。
- 先跑小样例，确认结果可检查后再扩大任务范围。
## 输出要求
- 给出最终产物、关键证据、验证方式和下一步动作。
- 信息不足时标记 unknown，不编造命令、平台或依赖。 证据边界与执行链路
作者原文负责流程事实；仓库文件负责来源和命令；流狐只补充适用场景、限制和质量判断。
skill "skills_creator" {
输入层 -> 用户目标 + 目标文件 + 禁止范围 + 验收标准
上下文层 -> Problem / Context / Trigger Conditions / Solution
规则层 -> SKILL.md 触发条件 / 执行顺序 / 输出格式
运行层 -> 无特殊运行时 | 读取文件、写入/修改文件 | 主要在本地完成
安全层 -> 通常不需要额外 API Key + 小任务验证 + diff / 日志复核
输出层 -> 可复制结果 + 检查清单 + 下一步迭代
}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）
先判断是否适合
作者设计意图
作者的方法与取舍
边界和复核