核心用法
Skill Builder 是一套用于创建和优化 AI 技能（skill）的元技能，核心目标是解决技能文档臃肿、结构混乱、token 浪费等常见问题。其设计哲学围绕"渐进式披露"展开：将技能信息分为三级加载——元数据（始终加载）、SKILL.md 主体（触发时加载）、辅助文件（按需加载）。
使用流程遵循七条核心规则：
1. SKILL.md 必须精简——目标 30-50 行，最多 80 行，每行必须 justify 其 token 成本
2. 渐进式披露——三层信息架构，避免一次性加载全部内容
3. 描述至关重要——15-25 字，以动词开头，说明 WHAT 而非 WHEN
4. 必需结构——frontmatter + When to Use + Core Rules（3-7 条）
5. 辅助文件优先——超过 20 行或偶发使用的内容应拆分为独立文件
6. 零冗余——信息唯一来源，SKILL.md 引用而非复制
7. 发布前测试——以全新 agent 视角验证指令清晰度
显著优点
- Token 效率：通过强制长度限制和分层加载，显著降低上下文窗口消耗
- 模块化可维护：辅助文件（setup.md、patterns.md、memory-template.md）使复杂技能易于迭代
- 防失败设计：明确列出"技能构建陷阱"（解释技术 IS vs WHEN/HOW、避免显而易见建议、拒绝关键词堆砌描述）
- 生态集成：与 skill-manager、skill-update、skill-test 形成完整工作流
潜在缺点与局限性
- 学习曲线：创作者需理解渐进式披露和文件拆分逻辑，初期可能感到约束过多
- 工具链依赖：参考
clawhub install等命令，暗示特定生态（ClawHub）绑定 - 模板移除：v1.0.3 删除了 ClawHub 专属章节，可能对纯独立使用者造成文档缺口
- 无自动化验证：仅提供"阅读并自检"的软性测试要求，缺乏硬性检查工具
适合人群
- 需维护多技能的中高级 AI 开发者
- 关注上下文效率的 agent 系统架构师
- 团队协作场景下需统一技能规范的技术负责人
- 对 token 成本敏感的大规模部署场景
常规风险
- 结构过度设计：新手可能将本应内联的简单内容强制拆分，反而增加文件管理负担
- 描述动词陷阱：15-25 字的限制可能导致关键信息遗漏，需在简洁与完整间权衡
- 版本漂移：skill 目录分散存储，跨设备同步时可能出现文件缺失
- 安全盲区：报告注明"未执行安全扫描"，需用户自行审查生成的 skill 代码