前言¶

Agent Skills 正在快速普及：Cursor、Claude Code、Codex CLI 等 AI 編程工具都支持用 SKILL.md 把領域知識打包成可複用能力。但很多人第一次動手時會卡在幾個地方——不知道 description 該怎麼寫才能被正確觸發、寫好的 Skill 沒有測試手段、改了幾版也不確定是否真的更好。

Anthropic 在開源倉庫 anthropics/skills 裏提供了一個專門解決這些問題的 Skill：skill-creator。它本身也是一個 Skill，但職責是「教你怎麼寫 Skill、怎麼測 Skill、怎麼迭代 Skill」。如果你打算系統入門 Agent Skills，從這裏開始比直接啃文檔更高效。

這是什麼¶

skill-creator 是 Anthropic 出品的 Agent Skill「元技能」——不直接幫你寫業務代碼，而是引導你完成 Skill 從構思、起草、評測到優化的完整閉環。

它的核心定位可以用官方 description 概括：

創建新 Skill、修改和優化已有 Skill，並通過 eval 評測與基準測試衡量 Skill 性能。適用於從零創建 Skill、編輯優化現有 Skill、運行 eval 測試、做方差分析基準測試，或優化 description 以提升觸發準確率。

Agent Skills 採用通用的 SKILL.md 格式：YAML frontmatter 聲明元數據，Markdown 正文寫操作指引，可選附帶 scripts/、references/、assets/ 等資源目錄。Claude Code、Cursor 等工具在會話啓動時加載各 Skill 的 name 與 description，在任務匹配時按需讀取完整 SKILL.md——這就是官方文檔所說的「漸進式披露」（Progressive Disclosure）。skill-creator 正是圍繞這套機制，幫你把 Skill 寫「對」、測「準」、改「穩」。

核心功能與亮點¶

1. 結構化創建流程¶

skill-creator 把 Skill 開發拆成可執行的步驟：

1. Capture Intent（捕獲意圖）：明確 Skill 要做什麼、何時觸發、輸出格式是什麼，以及是否需要測試用例。
2. Interview and Research（訪談與調研）：主動追問邊界情況、依賴和成功標準；可藉助 MCP 或聯網檢索類似 Skill 與最佳實踐。
3. Write the SKILL.md：按規範填寫 name、description 和正文指令。

其中 description 是觸發機制的關鍵——官方建議把「做什麼」和「什麼時候用」都寫進 description，而不是正文；並適當「積極」一些，以對抗模型「undertrigger」（該用卻不用）的傾向。

2. Skill 目錄規範與寫作指南¶

skill-creator 內置了 Skill 解剖結構與寫作模式，標準目錄如下：

skill-name/
├── SKILL.md          # 必需：frontmatter + 指令正文
├── scripts/          # 可選：可執行腳本
├── references/       # 可選：按需加載的參考文檔
└── assets/           # 可選：模板、圖標等輸出資源

關鍵原則包括：

• 漸進式披露：元數據常駐上下文（約 100 tokens），正文在觸發時加載（建議 SKILL.md 正文控制在 500 行以內），資源文件按需讀取。
• 按領域拆分 references：多框架/多雲場景用 references/aws.md 等形式組織，避免一次性塞滿上下文。
• 解釋「爲什麼」：比起堆砌 MUST/NEVER，更推薦說明理由，讓模型理解意圖後靈活執行。
• 不驚喜原則：Skill 內容不得包含惡意代碼或與描述不符的行爲。

3. Eval 評測與基準測試¶

這是 skill-creator 區別於普通文檔的最大亮點。它提供一套完整的評測工作流：

測試用例：保存到 evals/evals.json，每條包含 prompt、期望輸出描述和可選輸入文件：

{
  "skill_name": "example-skill",
  "evals": [
    {
      "id": 1,
      "prompt": "用戶的任務提示詞",
      "expected_output": "期望結果的描述",
      "files": []
    }
  ]
}

並行對比運行：對每個測試用例，同時啓動「有 Skill」和「無 Skill（baseline）」兩次運行——新建 Skill 時 baseline 是無 Skill；改進已有 Skill 時 baseline 是舊版本快照。結果按迭代目錄組織：

<skill-name>-workspace/
├── iteration-1/
│   ├── eval-0/
│   │   ├── with_skill/outputs/
│   │   └── without_skill/outputs/
│   └── benchmark.json
└── iteration-2/
    ...

量化斷言（assertions）：對可客觀驗證的輸出（文件格式、數據提取、固定流程步驟）編寫斷言；主觀類 Skill（文風、設計審美）則側重人工評審。

基準聚合：運行聚合腳本生成 pass rate、耗時、token 用量及均值 ± 標準差：

python -m scripts.aggregate_benchmark <workspace>/iteration-N --skill-name <name>

可視化評審：通過 eval-viewer/generate_review.py 啓動瀏覽器評審界面（Outputs 與 Benchmark 兩個 Tab），用戶逐條查看輸出並填寫反饋；無圖形界面時可用 --static 生成獨立 HTML 文件。

4. Description 觸發優化¶

Skill 是否被調用，很大程度取決於 frontmatter 裏的 description。skill-creator 提供專門的優化循環：

1. 生成約 20 條觸發測試 query（含應觸發與不應觸發的「近義干擾」樣本）。
2. 用戶通過 HTML 模板審覈 eval 集。
3. 運行優化腳本（最多 5 輪迭代，60% 訓練 / 40% 留出測試）：

python -m scripts.run_loop \
  --eval-set <path-to-trigger-eval.json> \
  --skill-path <path-to-skill> \
  --model <model-id> \
  --max-iterations 5 \
  --verbose

腳本會評估當前 description 的觸發率，讓 Claude 提出改進方案，最終選出測試集得分最高的 best_description。

5. 打包分發¶

Skill 定稿後可打包爲 .skill 文件便於安裝：

python -m scripts.package_skill <path/to/skill-folder>

安裝與啓用¶

skill-creator 來自 Anthropic 開源倉庫，需先克隆或下載對應目錄：

git clone https://github.com/anthropics/skills.git
cp -r skills/skills/skill-creator ~/.claude/skills/skill-creator

各 AI 編程工具的安裝位置略有不同（均以「Skill 目錄 + SKILL.md」爲最小單元）：

Claude Code 中 Skill 會在匹配 description 時自動加載，也可通過 /skill-creator 直接調用。Cursor 中可在 Agent 對話裏提及「創建 Skill」「優化 Skill description」等意圖，觸發後 Agent 會讀取對應 SKILL.md 並按流程引導。

依賴說明：完整評測流程（並行 subagent、基準聚合、description 優化循環）在 Claude Code 環境下體驗最完整；Claude.ai 無 subagent，需串行執行測試並跳過 baseline 對比；description 優化依賴 claude -p CLI，在 Claude.ai 上不可用。

典型用法示例¶

場景一：從零創建一個新 Skill¶

假設你想把「每次寫公衆號技術文都重複的風格要求」固化成 Skill：

1. 對 Agent 說：「我想創建一個寫公衆號技術文章的 Skill，參考 data/style_reference.md 的風格。」
2. skill-creator 會先訪談：觸發詞是什麼？輸出格式？要不要 eval？
3. 起草 SKILL.md，生成 2–3 條真實測試 prompt 寫入 evals/evals.json。
4. 並行跑 with_skill / without_skill，聚合 benchmark，打開 eval viewer 讓你評審。
5. 根據 feedback.json 修改 Skill，進入 iteration-2，直到滿意。
6. 可選：運行 description 優化，提升「寫公衆號」「技術文章」等表述的觸發率。
7. package_skill 打包，分發給團隊。

場景二：優化已有 Skill 的 description¶

已有 Skill 經常「該用不用」？可以只做觸發優化：

1. 生成 20 條 should-trigger / should-not-trigger 測試 query。
2. 用 assets/eval_review.html 模板讓用戶審覈。
3. 運行 scripts.run_loop，對比優化前後觸發率。
4. 將 best_description 寫回 SKILL.md frontmatter。

場景三：改進已有 Skill 的正文¶

若 Skill 能觸發但輸出質量不穩定：

1. 對現有 Skill 做快照作爲 baseline。
2. 修改 SKILL.md 後重新跑 eval。
3. 查看 benchmark 中 pass rate、token、耗時的 delta。
4. 閱讀運行 transcript，若多個 eval 都重複寫了相同輔助腳本，考慮把腳本收進 scripts/ 目錄——這是 skill-creator 明確推薦的「從重複勞動中提煉資源」模式。

適用場景與注意事項¶

適合誰用：

• 第一次寫 Agent Skill、需要規範起步的開發者
• 團隊需要統一 Skill 質量、希望有 eval 和 benchmark 的團隊
• 已有 Skill 但觸發不準或輸出不穩定的維護者
• 想把一次性 prompt 沉澱爲可複用、可測試能力的 AI 編程實踐者

注意事項：

1. 評測成本：完整 eval 會並行啓動多個 subagent，消耗 token 和時間；簡單 Skill 或與用戶「一起 vibe」快速迭代時，可跳過部分量化流程。
2. 環境差異：subagent 並行、基準對比、description 優化在 Claude Code 最完整；其他環境需按 skill-creator 文檔中的 Claude.ai / Cowork 適配說明裁剪流程。
3. description 設計：測試 query 要足夠具體、多步驟，太簡單的「讀個 PDF」類請求可能不觸發 Skill——因爲模型直接用基礎工具就能完成。
4. 安全審計：Skill 可含腳本與外部引用，安裝前應對 SKILL.md 和 scripts/ 做安全審查，官方文檔也強調只使用可信來源的 Skill。
5. 跨平臺不互通：Claude Code 的文件系統 Skill、API 上傳 Skill、claude.ai 上傳 Skill 互不自動同步，需在各自環境分別管理。

小結¶

skill-creator 把 Agent Skill 開發從「寫個 Markdown 碰運氣」變成了有流程、有測試、有基準、有觸發優化的工程化實踐。它既是 Anthropic Skill 生態的「元技能」，也是入門 Agent Skills 的最佳起點——先學會用它創建和評測 Skill，再擴展到業務領域的自定義 Skill，會少走很多彎路。

官方倉庫：https://github.com/anthropics/skills/tree/main/skills/skill-creator
Agent Skills 總覽文檔：https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview