Skill Builder / Creator

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

核心用法

Skill Builder 是一套帮助用户创建高质量 AI Skills 的规范性工具。它通过三层架构实现渐进式披露：Level 1 元数据（始终加载）、Level 2 SKILL.md 主体（触发时加载）、Level 3 辅助文件（按需加载）。核心规则包括：SKILL.md 严格控制在 30-50 行（最多 80 行），描述必须用 15-25 字的动作句（"Process PDFs..." 而非 "Use when..."），超过 20 行的内容必须拆分为独立文件，且信息零冗余、单点存储。

显著优点

1. 极致 Token 效率：强制短文档设计，每行必须 justify 其成本，显著降低上下文窗口压力
2. 渐进式加载：避免一次性加载大量无关指令，提升响应速度和精准度
3. 结构化可维护：setup.md + memory-template.md + [topic].md + references/ 的模块化架构，便于迭代
4. 质量门槛明确：7 条核心规则 + 常见陷阱清单，降低新手犯错概率
5. 生态整合：与 skill-manager、skill-update、skill-test 形成完整工具链

潜在局限

• 学习曲线：对习惯了 inline 长文档的用户，需适应"拆分一切"的思维转变
• 过度工程风险：简单 Skill 可能被强制复杂化，需判断何时简化规则
• 版本碎片化：辅助文件分散管理，若缺乏 discipline 可能导致不同步
• 无自动化验证：依赖人工"像 Agent 一样阅读"测试，无内置 linter

适合人群

• 需要维护 5+ 个 Skills 的进阶用户
• 团队协作场景，需统一编码规范
• 上下文窗口敏感的长对话场景
• 计划发布到 clawic.com 生态的开发者

常规风险

风险极低。作为纯 Markdown 文档型 Skill，无可执行代码、无外部依赖、无网络调用。已通过六维安全扫描（静态/动态/依赖/网络/隐私/威胁情报），评分 98/100，S+ 级。唯一建议：补充明确的开源许可证声明。