mgechev/skills-best-practices

解決的問題

本專案提供一組專業級的最佳實踐，用於建立「代理技能」——模組化、結構化的指令與工具，讓AI代理能執行複雜且決定性的任務，而不會消耗過多的令牌或產生幻覺步驟。

如何運作

它定義了技能的標準目錄結構與設計模式，著重於透過「進階披露」來減少LLM的上下文視窗負載。

• 結構：一個技能由 SKILL.md（大腦）、用於決定性程式碼的 scripts/ 資料夾、用於補充上下文的 references/，以及用於範本的 assets/ 所組成。
• 可發現性：強調優化YAML前端元資料（名稱與描述），讓代理能準確觸發正確的技能。
• 指示風格：提倡使用第三人稱命令句與逐步編號，而非散文，以確保代理嚴格依時間順序執行。
• 決定性卸載：將脆弱或重複的任務從LLM的提示中移出，交由經過測試的腳本（Python、Bash、Node）處理，以防止錯誤。
• 驗證：提供一個框架，使用LLM在部署前驗證發現性、邏輯與邊界情況。

適用對象

希望標準化功能定義並優化可靠性和令牌效率的AI代理與工具使用能力開發者。

主要亮點

• 進階披露：保持主指令檔案輕量（<500行），僅在需要時引導代理載入外部檔案。
• 詳細的驗證指南：包含具體提示，用於測試代理是否能正確觸發技能，並模擬執行以發現邏輯漏洞。
• 決定性腳本：鼓勵將小型CLI打包，以處理複雜的解析或样板程式碼。
• 路由技能：支援技能組合，允許一個技能作為其他子技能的路由器。