yaojingang/yao-meta-skill

解决的问题

将混乱的运营输入（如工作流程笔记、转录文本、提示词和运行手册）转化为受控的、可复用的 AI 代理技能。它超越了简单的提示生成，构建了一个完整的生命周期系统，用于建模、编译、评估和维护可跨不同平台部署的 AI 资产。

工作原理

该项目采用「技能操作系统」（Skill OS）方法来管理代理技能的生命周期：

1. 意图建模：从人类对话开始，明确定义任务、输出和约束条件。
2. 技能中间表示（IR）：创建一个与平台无关的语义契约，将技能的意图与特定平台格式分离。
3. 编译：目标编译器和适配器将 IR 转换为与 OpenAI、Claude、VS Code 及其他代理框架兼容的格式。
4. 评估与评审：通过「评估实验室」和「评审工作室」生成证据（断言、执行时间、Token 使用量）和门禁报告，确保技能在发布前满足质量和信任标准。
5. SkillOps 循环：跟踪采用偏差和遥测数据，为技能的下一次迭代提出适应性建议。

适用对象

• 需要将重复的手动工作流程转化为标准化团队资产的 AI 工程师和操作员。
• 需要严格治理、发布门禁和基于证据的质量保证的 团队。
• 希望一次构建 AI 技能并在多个 LLM 提供商或平台上部署的 开发者。

核心亮点

• 跨平台可移植性：将单一技能模型编译为多个目标适配器（OpenAI、Claude 等）。
• 基于证据的治理：使用「世界级证据账本」和「评审工作室」阻止过早声明，确保发布就绪。
• 自动化基准测试：执行静默的 GitHub 基准扫描和参考合成，使技能与顶级公开模式对齐。
• 全面的评估实验室：提供盲测 A/B 评审包、断言评分和运行时权限探测。
• SkillOps 遥测：实现仅元数据的采用追踪，识别技能需要修补或更新的时机。