开始写 SKILL.md 之前,可以先看它到底要回答哪些问题。一个适合执行的 Skill,不需要把相关知识全部抄进去,而是要让 Agent 知道何时启用、按什么顺序做、哪些动作要避免,以及做到哪里算完成。
![图片[1]-小节二:SKILL.md 应该怎么设计——不要写成知识百科,要写成“可执行能力说明”-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-1728.png)
这四块相当于给能力划出使用范围和执行边界。后面的 Python Debug、Flask Project 和 Data Analysis 示例虽然任务不同,都可以沿用这套结构来组织说明。
现在设计目录:
skills/
├── python-debug/
│ └── SKILL.md
├── flask-project/
│ └── SKILL.md
└── data-analysis/
└── SKILL.md
每个 Skill 目录只服务一个清晰能力域。
一个 Python Debug Skill
可以写:
# Python Debug
## 适用场景
当任务涉及:
- Python 异常
- traceback
- pytest 失败
- ImportError / TypeError / KeyError
- 运行结果与预期不一致
## 操作原则
1. 先复现错误。
2. 优先读取 traceback 最底部。
3. 先定位最直接失败点。
4. 不要一开始大范围修改。
5. 修复后先跑最小相关测试。
6. 若错误变化,再重新判断根因。
## 约束
- 不修改 tests/,除非用户明确要求。
- 不为了绕过测试直接删除断言。
- 不为了修复单点问题做大范围重构。
## 完成条件
- 错误消失。
- 相关测试通过。
- 修改范围可解释。
这就很像一个真正 Skill。
为什么不是百科?
如果写成:
Python 有 list、dict、tuple……
Flask 是 Web 框架……
对 Agent 行为帮助很小。
Skill 更应该回答:
什么时候启用?
启用后优先做什么?
哪些事情不要做?
做到什么算完成?
Flask Project Skill
例如:
# Flask Project
## 适用场景
- Flask app factory
- Blueprint
- Config
- Request lifecycle
- Extension init
## 操作原则
- 先确认入口文件。
- 判断是否使用 create_app。
- 检查 config 加载顺序。
- 检查 extension 初始化位置。
- 修改后优先跑 Flask 相关测试。
Data Analysis Skill
例如:
# Data Analysis
## 适用场景
- 指标异常
- 收入下降
- 转化率变化
- 多维下钻
## 操作原则
- 先确认指标口径。
- 先看整体变化,再看分解。
- 先判断异常来自量还是效率。
- 只对异常部分继续下钻。
- 证据足够时结束,不做无边界探索。
一个 Skill 最少需要四块
推荐:
适用场景
操作原则
约束
完成条件
以后可以增加:
工具偏好
输入要求
输出格式
反例
常见错误
© 版权声明
文章版权归作者所有,未经允许请勿转载。
THE END

















请登录后查看评论内容