mgechev/skills-best-practices

解决的问题

本项目提供了一套专业级的最佳实践，用于创建「代理技能」——模块化、结构化的指令和工具，使AI代理能够执行复杂且确定性的任务，而不会消耗过多的令牌或产生幻觉步骤。

如何工作

它定义了技能的标准目录结构和设计模式，重点通过「渐进式披露」来减少LLM的上下文窗口负载。

• 结构：一个技能由 SKILL.md（大脑）、用于确定性代码的 scripts/ 文件夹、用于补充上下文的 references/，以及用于模板的 assets/ 组成。
• 可发现性：强调优化YAML前端元数据（名称和描述），以便代理能准确触发正确的技能。
• 指令风格：倡导使用第三人称命令句和分步编号，而非散文，以确保代理严格按时间顺序执行。
• 确定性卸载：将脆弱或重复的任务从LLM的提示中移出，交由经过测试的脚本（Python、Bash、Node）处理，以防止错误。
• 验证：提供一个框架，使用LLM在部署前验证发现性、逻辑和边缘情况。

适用对象

希望标准化功能定义并优化可靠性和令牌效率的AI代理及工具使用能力开发者。

主要亮点

• 渐进式披露：保持主指令文件简洁（<500行），仅在需要时引导代理加载外部文件。
• 详细的验证指南：包含具体提示，用于测试代理是否能正确触发技能，并模拟执行以发现逻辑漏洞。
• 确定性脚本：鼓励将小型CLI打包，以处理复杂的解析或样板代码。
• 路由技能：支持技能组合，允许一个技能作为其他子技能的路由器。