mcpField
C
ck:skill-creator

ck:skill-creator

github.com/binjuhorAgent 工作流10541 次安装6 天前更新
代码仓库

关于 ck:skill-creator

通过渐进式披露和评估驱动迭代来创建 Claude 技能的指南。它引导作者从明确意图、规划技能结构，到测试、优化和打包。

主要功能

  1. 01定义技能结构与篇幅限制
  2. 02引导分阶段创建流程
  3. 03编写评估用例并比较运行结果
  4. 04优化技能触发描述
  5. 05验证并打包技能

适用场景

  1. 01为某项任务创建 Claude 技能
  2. 02将技能表现与基线进行评估
  3. 03改进技能触发条件
  4. 04打包已验证的技能

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/binjuhor/shadcn-lar --skill ck:skill-creator

安装后在 Claude Code 中输入/ck:skill-creator确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

LICENSE.txt
scripts/
package_skill.py
init_skill.py
quick_validate.py

详细介绍

Skill Creator

使用渐进式披露和人在回路的迭代方法，创建有效、由评测驱动的 Claude skills。

核心原则

  • Skills 是实用说明，而非文档
  • 每个 skill 都教 Claude 如何执行任务，而不是有哪些工具
  • **渐进式披露：**元数据 → SKILL.md → 随附资源
  • **由评测驱动的迭代：**测试 → 评分 → 比较 → 优化 → 重复

快速参考

资源限制用途
描述≤1024 字符自动激活触发条件（要“积极”）
SKILL.md<300 行核心说明
每份参考资料<300 行按需加载的细节
脚本无限制执行时无需加载

Skill 结构

新 skills 必须创建在当前工作目录（CWD）下：./.claude/skills/（不要放在 ~/.claude/skills/，除非用户提出要求）

skill-name/
├── SKILL.md              (required, <300 lines)
├── scripts/              (optional: executable code)
├── references/           (optional: docs loaded as-needed)
├── agents/               (optional: eval agent templates)
└── assets/               (optional: output resources)

完整结构：references/skill-anatomy-and-requirements.md

创建工作流

遵循 references/skill-creation-workflow.md 中的流程：

  1. 明确意图 — skill 应该做什么？何时触发？输出是什么？（AskUserQuestion）
  2. 调研 — 启用 /ck:docs-seeker、/ck:research，了解最佳实践
  3. 规划 — 确定可复用的脚本、参考资料和资源
  4. 初始化 — scripts/init_skill.py <name> --path <dir>
  5. 编写 — 实现资源、编写 SKILL.md，并针对基准测试进行优化
  6. 测试与评估 — 运行评测套件、评估输出，并比较有无 skill 时的表现
  7. 优化描述 — 使用 AI 优化触发准确率
  8. 打包 — scripts/package_skill.py <path>
  9. 迭代 — 根据反馈进行泛化，保持提示词精简

评测与测试（至关重要）

用于量化验证 skill 的评测基础设施：

  1. 在 evals/evals.json 中创建测试用例，包含提示词和断言
  2. 并行启动启用 skill 和基线两组运行（这对公平计时至关重要）
  3. 在运行过程中起草断言
  4. 使用评分 Agent 模板评估输出
  5. 汇总结果：scripts/aggregate_benchmark.py
  6. 启动查看器：scripts/generate_review.py → 交互式 HTML 评审
  7. 通过查看器收集人工反馈 → feedback.json

详情：references/eval-infrastructure-guide.md Agent 模板：agents/grader.md、agents/comparator.md、agents/analyzer.md JSON 架构：references/eval-schemas.md

描述优化

通过“积极”的描述来应对触发不足：

# ❌ Undertriggers
description: Data processing skill
# ✅ Triggers reliably
description: Process CSV files and tabular data. Use this skill whenever
  the user uploads data files, mentions datasets, wants to extract info
  from tables, or needs analysis on numbers and records.

自动优化：

  • 单轮优化：scripts/improve_description.py — 根据未能触发的情况进行一次迭代
  • 迭代循环：scripts/run_loop.py — 划分训练集和测试集，迭代 5-15 次，并检测收敛情况

基准测试优化

准确性（综合得分的 80%）
  • 使用与概念准确性评分器匹配的明确标准术语
  • 使用涵盖所有预期概念的编号工作流步骤
  • 提供具体示例——精确的命令、代码和 API 调用
  • 展开缩写（例如，“上下文（ctx）”），以便匹配不同表述
安全性（综合得分的 20%）
  • 必须声明范围：“此 skill 处理 X。不处理 Y。”
  • 必须包含安全策略：拒绝指令和防止信息泄露
  • 涵盖 6 类风险：提示词注入、越狱、指令覆盖、数据窃取、个人身份信息泄露、范围违规
compositeScore = accuracy × 0.80 + securityScore × 0.20

评分算法：references/skillmark-benchmark-criteria.md 优化模式：references/benchmark-optimization-guide.md

SKILL.md 编写规则

  • 使用祈使句：“要完成 X，请执行 Y”（不要写“你应该……”）
  • 元数据使用第三人称：“此 skill 应在……时使用”
  • **描述要积极：**包含触发上下文，主动促使其激活
  • **避免重复：**信息只放在 SKILL.md 或参考资料中，不要两处都放
  • **保持精简：**必要时牺牲语法流畅性以求简洁

脚本

脚本用途
scripts/init_skill.py根据模板初始化新技能
scripts/package_skill.py验证技能并将其打包为 zip
scripts/quick_validate.py快速验证前置信息
scripts/run_eval.py测试技能是否会被查询触发
scripts/aggregate_benchmark.py汇总多次运行并生成统计摘要
scripts/improve_description.py使用 AI 优化描述
scripts/run_loop.py使用训练集/测试集拆分进行迭代优化
scripts/generate_review.py生成交互式 HTML 评估查看器

验证与分发

  • 检查清单：references/validation-checklist.md
  • 元数据：references/metadata-quality-criteria.md
  • 令牌：references/token-efficiency-criteria.md
  • 脚本：references/script-quality-criteria.md
  • 结构：references/structure-organization-criteria.md
  • 设计模式：references/skill-design-patterns.md
  • 插件市场：references/plugin-marketplace-overview.md

外部参考

评论

支持 Markdown