yaojingang/yao-meta-skill

解決的問題

將混亂的運營輸入（如工作流程筆記、轉錄內容、提示詞與執行手冊）轉化為受控且可重複使用的 AI 代理技能。它超越了單純的提示生成，建立一個完整的生命周期系統，用於建模、編譯、評估與維護可跨不同平台部署的 AI 資產。

作法

本專案採用「技能作業系統」（Skill OS）方法來管理代理技能的生命周期：

1. 意圖建模：從人類對話開始，明確定義任務、輸出與限制條件。
2. 技能中間表示（IR）：建立與平台無關的語意契約，將技能的意圖與特定平台格式分離。
3. 編譯：目標編譯器與適配器將 IR 轉換為與 OpenAI、Claude、VS Code 及其他代理框架相容的格式。
4. 評估與審查：透過「評估實驗室」與「審查工作室」產生證據（斷言、執行時間、Token 使用量）與門檻報告，確保技能在發布前符合品質與信任標準。
5. SkillOps 循環：追蹤採用偏移與遙測資料，為技能的下一次迭代提出適應性建議。

適用對象

• 需要將重複的手動工作流程轉化為標準化團隊資產的 AI 工程師與操作員。
• 需要嚴格治理、發布門檻與基於證據的品質保證的 團隊。
• 希望一次建構 AI 技能並在多個 LLM 提供商或平台部署的 開發者。

核心亮點

• 跨平台可移植性：將單一技能模型編譯為多個目標適配器（OpenAI、Claude 等）。
• 基於證據的治理：使用「世界級證據帳本」與「審查工作室」阻止過早宣稱，確保發布就緒。
• 自動化基準測試：執行靜默的 GitHub 基準掃描與參考合成，使技能與頂級公開模式對齊。
• 全面的評估實驗室：提供盲測 A/B 審查套件、斷言評分與執行時權限探測。
• SkillOps 遙測：實作僅含元資料的採用追蹤，識別技能需要修補或更新的時機。