cutting-skills

Skill Cutter

技能会告诉模型作者关注什么，然后不妨碍模型完成任务。它只包含能力出众的前沿模型原本可能会弄错的内容：

• 目标、质量标准，以及不同于默认设置的偏好
• 不明显的注意事项、领域事实，以及安全或授权边界
• 脆弱或需要解析的命令和格式

每次删减都必须确保技能符合技能规则： 与 Agent 无关，并且 SKILL.md 简短、采用清单形式，详细内容放在 references/ 中。

模式

• 审查：收到审阅、评估或找出可删减内容的请求时，报告建议的操作，但不编辑。不进行爬山优化或评估；数量可以是估算值。
• 删减：明确要求删减、精简、缩短、简化或去除冗余，即授权仅在该技能内进行本地编辑，并将引用 SKILL.md:NN 的评估评分器更新为同一内容的新行号。此授权不包括提交、推送、发布或对技能以外内容进行其他更改。

衡量

• 记录目标 SKILL.md 的字符数（wc -c）和正文行数；字符数除以 4 可估算 token 数。仅看行数会造成误判。
• 每次请求都会加载 frontmatter 描述，它也计入字符数；描述过长会限制删减幅度。

删减前分类

• 阅读完整的 SKILL.md、agents/openai.yaml 及其资源。
• 指明哪些任务应触发此技能，以及能力出众的 Agent 若没有此技能会做错哪些判断。
• 根据分类表为每段材料指定类别及其默认处理方式。

删减

• 优先删除，而不是压缩。不要仅仅因为文字正确就保留。
• 最有价值的删减依次包括：重复链接材料的内容；冗长的 Markdown 表格（改为保留相同文字的列表）；重复描述的引言；规则背后的理由；通用工程建议。还应删除模型本来就会遵循的流程、检查清单和完成仪式、子 Agent 调度机制、重复摘要、不被解析器或用户偏好要求的报告模板，以及不会改变执行方式的历史信息。
• 用户在意的精确格式、值或边界情况必须原样保留。模型会漏掉宽泛概述中的细节，因此改写等同于悄然删减。
• 典型技能的篇幅可缩减约 25%–30%。保留下来的内容应是命令、限制条件、解析模板和经过评分的行为；绝不要为了达到数字目标而把限制条件或指令压缩成晦涩口号。若要达到目标就必须删减 Keep 类内容，则应阻止删减，并以分类结果证明这一点。
• 将冗长的段落改写为列表项，保留每个分句。
• 仅当某个分支、步骤或变体需要详情时，才将详情移入参考文档，并在对应步骤中注明何时阅读。流程、限制条件和停止条件必须留在 SKILL.md 中；绝不可为了让它显得更短而移出去。
• 不要因脚本、资源或参考文档表面上未被使用就删除它们；应先查明调用方，包括测试。

以爬山优化方式删减

在删减模式下，完成分类后，调用 Skill 工具并使用 hillclimbing，目标、限制、迭代和回退策略均按以爬山优化方式删减中的规定执行。 如果没有 Skill 工具，请遵循技能调用规则。

触发元数据

• 描述是始终加载的路由上下文。列出应触发此技能的具体意图和产物，删除“任何任务”风格的触发条件，并为相近任务添加简短的排除项。
• 保留所有明确请求限制条件。不要把触发条件设得过于保守，以免明确请求无法匹配。确保 agents/openai.yaml 与之保持一致。

验证

• 修复链接和 agents/openai.yaml。
• 运行仓库自身的技能检查（在 AGENTS.md、CONTRIBUTING.md 或包清单中指定，或在已安装时运行 skills-ref validate <target-skill>）。切勿臆造命令。
• 如果没有检查命令，请确认 frontmatter 可解析、每个相对路径都有效，并且符合技能规则。
• 修复技能内部的问题并重新运行检查，直至通过；报告技能外部的问题。
• 最后，阅读差异，检查是否删除了没有任何类别可解释的行为。

报告

• 模式，以及修改前后的 SKILL.md 行数、字符数和总行数（审计模式下为估算值）。
• 该技能仍提供的行为，以及每项重要的保留、迁移或删除及其类别。
• 触发条件的变化、验证和评估结果（每个案例的汇总运行结果），以及是否符合技能规则。
• 任何因不确定而未改动的内容。