Skill creator advanced

Skill Creator Advanced

此 skill 的目標是把「做 skill」變成可重複執行的工程流程，而不是一次性的 prompt 雜談。

它同時提供：

• 可操作的流程：從需求、設計、驗證、evals、benchmark、打包到迭代
• 可重用的腳本：初始化、格式檢查、驗證、測試計畫產生、workspace 準備、benchmark 彙整、regression gate 檢查、打包
• 可拆分的參考文件：把長內容放到 references/，維持 progressive disclosure
• 輕量 review viewer：把 with-skill / baseline 結果整理成可檢閱的 HTML

快速開始（你只要做一個新 skill）

1. 先從現有對話、repo、範例任務整理 2-3 個 use cases，不夠再補問。
2. 為每個 use case 寫 trigger 語句與 done looks like。
3. 建立 skill 資料夾：

python scripts/init_skill_advanced.py <skill-name> --path <output-dir>

4. 補完新 skill 的 SKILL.md，優先寫對 YAML 的 description。
5. 做格式與結構檢查：

python scripts/format_check.py <path/to/skill>
python scripts/quick_validate.py <path/to/skill>

6. 規劃真實測試案例，必要時產生測試計畫：

python scripts/generate_test_plan.py <path/to/skill> --out references/test_plan.md

7. 準備 eval workspace，讓 with-skill / baseline 能沿用固定目錄結構：

python scripts/prepare_eval_workspace.py <path/to/skill>

8. 打包成 .skill：

python scripts/package_skill.py <path/to/skill> <output-dir>

9. 若要優化 description 的觸發品質，另外準備 trigger eval set，再跑：

python scripts/run_eval.py --eval-set <path/to/trigger-evals.json> --skill-path <path/to/skill> --model <model-id>
python scripts/run_loop.py --eval-set <path/to/trigger-evals.json> --skill-path <path/to/skill> --model <model-id> --apply-best

操作方式

當使用者要建立或改版 skill 時，請用下列順序推進；可以跳步，但要明確說明原因。

1. Phase 0：從上下文萃取需求

• 先看對話歷史、現有檔案、既有流程，再決定要不要追問。
• 用使用者熟悉的術語溝通；如果對方不熟技術名詞，不要把 jargon 當前提。
• 先判斷是否真的值得做成 skill：如果問題一次性、沒有可重用流程，應直接指出不值得包成 skill。

2. Phase 1：需求與 use cases

• 先拿到 2-3 個具體 use cases。
• 每個 use case 至少要有：trigger 語句、必要輸入、主要步驟、輸出、done looks like。
• 若使用者只給模糊目標，應主動提出一組合理 use cases 讓對方確認。

3. Phase 2：架構與 SKILL.md

• 決定哪些內容要放 scripts/、references/、assets/。
• description 必須同時回答兩件事：這個 skill 做什麼、什麼情況下應該觸發。
• description 要用真實使用者語句，而不是作者自嗨式分類。
• 核心流程留在 SKILL.md，細節與變體移到 references/。

4. Phase 3：撰寫指令

• 優先寫會改變行為的指令，不要解釋模型本來就知道的常識。
• 能直接下命令就直接下命令；只有在理由能降低誤用時才補一句 why。
• 預設遵守 least surprise：讓 skill 的行為符合一般使用者直覺，不要偷偷改目標。

5. Phase 4：格式檢查與最小合規驗證

• 先跑 format_check.py 修掉結構與格式問題。
• 再跑 quick_validate.py 做最小合規確認。

6. Phase 5：測試、evals 與 benchmark

• Triggering tests：應觸發、近義改寫、near-miss、不應觸發。
• Multilingual tests：至少考慮 zh、en、mixed、縮寫/俗稱。
• Skill overlap tests：列出容易混淆的鄰近 skill 與 negative triggers。
• Functional tests：Given/When/Then，至少含 happy path、edge case、failure mode。
• 把核准過的測試 prompt 寫進 assets/evals/evals.json。
• 先建立 <skill-name>-workspace/iteration-N/，每個 eval 各自有 with_skill/ 與 baseline 目錄。
• 若環境支援 subagents 或平行 workers，應在同一輪啟動 with-skill 與 baseline/old-skill；不支援時可序列執行，但保留相同目錄結構。
• Performance comparison：和 baseline 比較輪次、tool calls、失敗率、結果品質。
• ROI comparison：確認提升是否值得額外的 token、時間與維護成本。
• 執行後用 scripts/aggregate_benchmark.py 彙整 benchmark，再用 scripts/generate_review.py 產生 review viewer。
• 用 scripts/check_regression_gates.py 檢查是否達到發版門檻。
• 測試用語要接近真實使用者會講的話，不要只測教科書式 prompt。

7. Phase 6：打包與發布

• 用 package_skill.py 產生 .skill。
• 分享時，README、安裝說明、release notes 應放在 skill folder 外。

8. Phase 7：迭代與維護

• Under-trigger：補真實 trigger phrases、專有名詞、檔案類型。
• Over-trigger：加入 negative triggers、縮小範圍、移除模糊字眼。
• 執行不穩：補 validation、把脆弱步驟搬到 scripts。
• 內容過大：縮短 SKILL.md，把細節下放到 references。
• 迭代時優先收集具體失敗案例與使用者回饋，不要只憑感覺改 wording。

完整細節見：

• references/lifecycle.md
• references/testing-playbook.md
• references/description-optimization.md
• references/eval-workflow.md
• references/eval-schemas.md
• references/multilingual-trigger-strategy.md
• references/skill-boundary-management.md
• references/regression-gates.md
• references/skill-roi-model.md
• references/distribution-playbook.md
• references/patterns-troubleshooting.md

核心規則（請強制遵守）

1. 先把 description 寫對

• 這是 skill 是否會被載入的主要因素。
• description 內要包含真實 trigger phrases、工作情境、必要時的檔案類型。
• 優先讓明顯 query 穩定命中，再處理邊角案例；不要為了少數怪句子把 description 寫得過寬。

2. 先從上下文學會，再提最少的問題

• 先讀對話、檔案與現有 skill。
• 只有在高風險假設會害結果偏掉時，才追問使用者。

3. 把脆弱步驟移到 scripts

• 只要是重複、易出錯、或需要 deterministic 的檢查/轉換，就寫成腳本。

4. 避免 context 膨脹

• SKILL.md 放流程與導航。
• 細節放 references/，必要時再讀。

5. 測試要真實，不要只測漂亮案例

• 用接近實際對話的 prompt。
• 比較 baseline，確認 skill 真的有幫助，而不是只是多了一堆指令。

6. with-skill 與 baseline 要用同一批 evals 比

• 盡量同一輪啟動，避免時間與上下文條件差太多。
• 若是改版既有 skill，baseline 應是舊版 skill snapshot，而不是「完全不用 skill」。

7. 先處理 skill 邊界，再處理 wording

• 若多個 skill 搶同一類 query，先做 overlap matrix 與 in-scope / out-of-scope。
• 不要只靠把 description 寫得更長來硬解衝突。

8. ROI 不成立的 skill 不值得硬留

• 若提升太小、成本太高、維護太重，要直接考慮縮 scope、拆 skill，或退回一般 prompt。

9. 不要在 skill folder 放 README.md

• README 是給人看的，應放在 repo root 或其他 skill folder 外的位置。

寫作與設計準則

• 用使用者懂的語言描述，不要預設對方知道你的內部名詞。
• 指令優先用明確動詞開頭，例如「先檢查」「若失敗就停止並回報」。
• 當某一步驟的理由能防止錯誤時，把理由寫出來；否則保持精簡。
• 技能不該偷偷改任務。若 workflow 需要做取捨，應明示取捨原則。
• 若某個任務其實不該做成 skill，要直接指出原因，而不是硬湊內容。

你可以用的腳本

• scripts/init_skill_advanced.py：建立帶測試/發布欄位的 SKILL.md 骨架。
• scripts/format_check.py：格式與結構檢查器（含 --fix）。
• scripts/quick_validate.py：最小合規驗證。
• scripts/generate_test_plan.py：產生測試計畫模板。
• scripts/prepare_eval_workspace.py：從 assets/evals/evals.json 建立 iteration workspace。
• scripts/aggregate_benchmark.py：彙整 with-skill / baseline run 結果，輸出 benchmark.json 與 benchmark.md。
• scripts/check_regression_gates.py：依 benchmark 與門檻設定判斷是否可發版。
• scripts/run_eval.py：跑 description trigger eval，輸出 query-level 與 run-level 診斷結果。
• scripts/improve_description.py：依 trigger eval 失敗型態重寫 description，保留 transcript。
• scripts/run_loop.py：把 eval 與 description 改寫串成多輪迭代，可選擇直接套用最佳 description。
• scripts/generate_report.py：產生 description optimization 的 HTML 報告。
• scripts/utils.py：共用的 SKILL.md / JSON 讀寫輔助。
• scripts/package_skill.py：驗證後打包成 .skill。

你可以用的 viewer / eval 結構

• assets/evals/evals.json：保存真實測試 prompt、預期輸出與 expectations。
• assets/evals/regression_gates.json：保存 benchmark 的發版門檻設定。
• scripts/generate_review.py：把 workspace 結果輸出成 review HTML。
• <skill-name>-workspace/iteration-N/：保存每輪 with-skill / baseline 的輸出、grading 與 benchmark。

常見交付物

交付給使用者時，通常包含：

• skill folder（SKILL.md + scripts/ + references/ + assets/）
• assets/evals/evals.json
• <skill-name>-workspace/iteration-N/ 的 benchmark 與 review 輸出
• .skill 打包檔
• 放在 skill folder 外的 README、示例、release notes、安裝說明