前言¶
做 Agent 或写 Skill 时，常见思路是：复杂任务先「组专家团」——产品经理、架构师、开发、测试各演一角，再串成协作流程。这套做法来自人类分工，但会把协调、接口、角色提示词等额外成本叠在任务本身之上。
下面介绍 SkillHub 上的 Auto Expert Team（@efficient-technology/auto-expert-team）。它把「自动组建专家团」做成一套完整 SKILL.md 流程，同时在文档开头明确标注为反面教材：主张 AI 应直接面对任务端到端处理，而不是模拟人类多角色团队。适合用来对照、讨论，或作为「专家团类 Skill」的结构范本。
这是什么¶
Auto Expert Team 是效享网络在 SkillHub 发布的 ai-agent 类 Skill（版本 1.0.2，来源 enterprise）。坐标为 @efficient-technology/auto-expert-team，标签 requires_api_key=false，安装与使用不依赖 API Key。
SKILL 元数据中的作者为王教成（波动几何）。官方简介的核心观点是：AI 只认事不认人——身份是呈现层与注意力偏置，不是能力切换；广域知识与上下文足以端到端完成复杂任务，不必先扮演再协作。
核心功能¶
经核对 SKILL.md 与 SkillHub 页面，已核实能力如下。
理念与定位¶
- 说明传统团队协作复杂度中，相当一部分来自「人的局限补偿」（分工、沟通、管理），而非任务本质。
- 将「专家团自动组建」标为不需要存在的模式（在 AI 场景下），并保留完整专家团文档供学习对照。
组建与验证框架¶
- 组建三步法：任务分析 → 专家设计（职责边界与协作接口）→ 协作编排。
- 组建判断标准：例如专业领域数 ≥2、子任务数 ≥3、协作依赖数 ≥2、质量要求高；或复杂度超出单人能力时可组建。
- 组建验证清单：七项（任务覆盖、角色清晰、协作机制、提示词完整、执行可行、质量保障、效率合理），文档要求全部通过才算组建完成。
- 专家团典型形态：单专家、小型专家团、大型专家团及选择原则。
- 协作基元：
I(输入) → P(处理) → O(输出)，基元数约束 ≤5；含专家自治度标注规则与成员标记（如@[专家ID]、#[专家团名称]）。
任务链路（R0-01～R0-06）¶
依赖顺序固定，文档要求不可跳步：
- R0-01 任务分析
- R0-02 专家角色设计
- R0-03 协作机制设计
- R0-04 专家团组建
- R0-05 任务执行
- R0-06 质量验证
每种任务类型配有「领域要求清单」（必选/可选组件、组装顺序、约束与交付格式）。参考文件 references/expert-catalog.md 用于对照静态专家清单的局限与动态专家思路。
触发方式¶
安装并启用后，可用官方列出的触发词唤起，例如：组建专家团、专家协作、团队完成任务、自动组建团队、expert team、专家团、团队协作完成任务。
安装与启用¶
SkillHub 页面提供两种等价入口：把安装说明发给当前 Agent，或使用 skillhub CLI。安装时必须用 --dir 指向当前客户端的 skills 目录，否则默认落在 ./skills/ 且 Agent 可能无法加载。
方式一：提示词安装¶
将下面意图发给支持 Skill 的 Agent（官方页面原文）：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@efficient-technology/auto-expert-team`。
Agent 会按 SkillHub 安装文档拉取并写入对应 skills 目录；多数环境安装后需重启或重新加载 Agent 才能识别新 Skill。
方式二：skillhub CLI¶
先确认 CLI 是否可用：
command -v skillhub && skillhub --version
未安装时可按 SkillHub 安装文档 执行官方 curl 安装脚本。搜索与安装示例：
skillhub search auto-expert-team
skillhub install auto-expert-team --namespace efficient-technology --dir <skills 目录>
常用 skills 目录（来自官方安装文档，按你实际使用的客户端选择）：
| 客户端 | skills 目录 |
|---|---|
| Cursor | ~/.cursor/skills/ |
| Claude Code | ~/.claude/skills/ |
| Codex | ~/.codex/skills/ 或项目下 .agents/skills/ |
本 Skill 不需要配置 API Key。SkillHub 统计（以抓取资料为准）：评分 100000，下载 810，安装计数 0——安装数会随环境变化，以 SkillHub 页面实时数据为准。
典型用法¶
下面步骤来自 SKILL.md 中的使用规则与 ET-01 范本结构，可在对话中复现。
-
判断是否要走专家团流程
对照组建判断标准（多领域、多子任务、多依赖、高质量要求等）。若仅想验证「反面教材」观点，也可直接阅读 Skill 前言与核心理念，不必强行组满角色。 -
按链路执行 R0-01～R0-06
不可跳步。每一步按「领域要求清单」产出 Markdown 交付物（任务分析报告、专家角色清单、协作机制文档、组建报告、执行报告、质量验证报告）。 -
用触发词启动
例如对 Agent 说：「请按 Auto Expert Team，为【具体任务描述】自动组建团队并完成。」或直接使用「组建专家团」「expert team」等触发词。 -
填充 ET-01 范本
范本从 Step 1 任务分析到 Step 6 质量验证，含专家角色提示词与协作提示词模板；文档要求________处由用户提供事实，不可由 AI 编造。
示例请求（结构示意，任务内容需你自行填写）：
使用 @efficient-technology/auto-expert-team，对以下任务走 R0-01 到 R0-06：
【你的任务描述】
先输出任务分析报告，再给出专家角色清单与协作机制，最后说明若按「反面教材」观点应如何改为单 Agent 端到端执行。
适用场景与注意¶
适合谁
- 正在设计「多角色 / 专家团」类 Agent 的开发者，需要一份完整流程与清单做对照。
- 希望团队统一讨论「AI 是否要模拟人类分工」的技术负责人或 Skill 作者。
- 需要 SKILL.md 分层结构（任务体系、领域清单、范本、事实纪律）的参考实现。
限制与注意
- 文档自我定位为反面教材：若目标是高效交付，应优先让 Agent 直接拆解并执行任务，而不是默认拉满角色与协作编排。
- 流程较重：七项验证、六步 R0 链路、基元与标记规则会增加 token 与交互轮次；简单任务不必触发本 Skill。
- 专家团规模需与任务匹配；SKILL 明确禁止夸大工具能力、过度组建、含糊协作机制或主观通过质量验证。
- 用户主权：框架产出是起点，专家取舍与边界应以你的清单与样本为准。
结尾¶
Auto Expert Team 的价值在于：用一套可运行的「专家团」Skill 把人类式协作的完整成本摊开，同时主张 AI 应认事不认人、直接面对任务。若要安装或查看更新，请以 SkillHub 为准：
