skill-extractor

Skill 提取器

从工作会话中提取可复用的知识，并将其保存为 Claude Code 技能。

适用场景

• 通过调查解决了一个不明显的问题
• 发现了一个需要反复尝试才能找到的变通方法
• 找到了一种有助于处理类似情况的调试技巧
• 学到了值得保留的项目专属模式
• 修复了一个根因并不明显的错误

不适用场景

• 简单查阅文档（只需为文档添加书签）
• 轻微修复（拼写错误、明显错误）
• 一次性的项目专属配置
• 已在其他地方充分记录的知识
• 未经验证的解决方案（等到它确实有效后再说）

寻找提取候选内容

使用以下提示，找出值得提取的知识：

• “我刚刚学到了什么之前并不明显的东西？”
• “如果再次遇到这个确切的问题，我希望自己提前知道什么？”
• “是什么错误消息或症状引导我找到这里，实际原因又是什么？”
• “这种模式是这个项目专属的，还是也能帮助类似项目？”
• “如果同事遇到同样的问题，我会告诉他们什么？”

如果这些问题中至少有两个无法给出有实际意义的答案，那它可能不值得提取。

命令

/skill-extractor [--project] [context hint]

• 默认：保存到 ~/.claude/skills/[name]/SKILL.md
• --project：保存到 .claude/skills/[name]/SKILL.md
• 上下文提示有助于聚焦提取内容（例如，/skill-extractor the cyclic data DoS fix）

提取流程

步骤 0：检查现有技能

创建新技能之前，先搜索可能涵盖相同内容的现有技能：

# Check user skills
ls ~/.claude/skills/

# Check project skills
ls .claude/skills/

# Search by keyword
grep -r "keyword" ~/.claude/skills/ .claude/skills/ 2>/dev/null

如果存在相关技能，可考虑更新它，而不是创建新技能。有关何时更新或创建的指导，请参阅 skill-lifecycle.md。

步骤 1：确定所学内容

如果 $ARGUMENTS 中包含上下文提示（例如，“the cyclic data DoS fix”），就用它来聚焦提取的具体主题。

分析对话，确定：

• 解决了什么问题？
• 为什么这个解决方案不明显？
• 为了下次更快地解决问题，需要知道什么？
• 具体的触发条件是什么（错误消息、症状）？

向用户简要总结：

I identified this potential skill:

**Problem:** [Brief description]
**Key insight:** [What made it non-obvious]
**Triggers:** [Error messages or symptoms]

步骤 2：质量评估

根据以下标准评估候选技能：

标准	是否通过？	依据
可复用 - 有助于未来的任务，而不只是当前情况		[原因]
非琐碎 - 需要探索发现，而非查阅文档		[原因]
已验证 - 解决方案确实有效		[证据]
触发条件明确 - 确切的错误消息或场景		[具体内容]
解释原因 - 说明权衡与判断，而不只是步骤		[方式]
增加价值 - 教授判断，而不只是 Claude 能查到的事实		[方式]

向用户展示评估结果并询问：“继续提取吗？[yes/no]”

无论通过多少项标准，都由用户决定是否继续。尊重用户的判断——如果用户回答 yes，就进行提取；如果回答 no，就跳过。

步骤 3：收集详情

询问用户：

1. 技能名称 - 根据上下文建议一个 kebab-case 名称，并允许用户更改
2. 范围 - 用户级别（默认）或项目级别（--project）

步骤 4：可选研究

如果主题涉及特定库或框架：

• 使用网络搜索查找当前最佳实践
• 使用 Context7 MCP（如果可用）查阅官方文档
• 在“参考资料”部分纳入相关来源

以下情况跳过研究：

• 项目专属的内部模式
• 通用编程概念
• 时效性提取

步骤 5：生成技能

使用 skill-template.md 中的模板。

**质量标准：**遵循 quality-guide.md，确保技能能持续提供价值。要点包括：

• 优先提供行为指导，而非堆砌参考资料
• 解释原因，而不只是说明做什么
• 明确具体的触发条件，使其能与其他技能有效区分

步骤 6：保存前进行验证

按照 skill-template.md 中的验证清单逐项检查。如果验证失败，请先修复问题再保存。

步骤 7：保存 Skill

创建目录并保存：

• 用户级：~/.claude/skills/[name]/SKILL.md
• 项目级：.claude/skills/[name]/SKILL.md

报告成功：

Skill saved to: [path]

The skill will be available in future sessions when the context matches:
"[first line of description]"

记忆整合

提取知识时，请考虑新知识与现有 Skill 的关系：

合并还是分开？

• 如果新知识是现有 Skill 的变体或边缘情况，则合并
• 如果它有不同的触发条件，或解决的是根本不同的问题，则分开
• 如有疑问，先分开——之后随时可以合并

更新还是创建：

• 如果发现了额外的边缘情况、更好的解决方案或修正内容，则更新现有 Skill
• 如果知识的触发条件不同，即使领域相关，也应创建新的 Skill

交叉引用：

• 如果 Skill 相关但彼此独立，请添加“另请参阅”部分并链接到相关 Skill
• 示例：用于“排查连接池耗尽问题”的 Skill 可以链接到“优化无服务器冷启动”

Skill 生命周期

Skill 并非永久不变。请参阅 skill-lifecycle.md 了解以下方面的指导：

• 根据新发现更新 Skill
• 工具或模式发生变化时弃用 Skill
• 归档不再相关的 Skill

应当拒绝的自我辩解

如果你发现自己有以下任何想法，请不要提取知识：

• “说不定以后会有用”——只提取经过验证、可复用的知识
• “我干脆把所有内容都保存下来”——质量胜过数量
• “用户没有确认，但这似乎很有价值”——务必获得明确确认
• “我会跳过‘不适用的情况’部分”——这是优质 Skill 的必备部分
• “描述可以写得含糊一些”——明确的触发条件对发现 Skill 至关重要

提取示例

场景： 用户发现，分析包含循环引用的序列化文件（例如，一个包含自身的列表）时，AST 访问器会因 RecursionError 崩溃。

发现的经验：

• 循环数据结构会形成循环 AST
• 未跟踪循环的访问器模式会导致无限递归
• 需要跟踪已访问的节点或设置深度限制

生成的 Skill 名称： cyclic-ast-visitor-hardening

关键部分：

• 适用情况：“AST 访问器出现 RecursionError”、“分析不可信的序列化输入”
• 不适用的情况：“递归是由深度嵌套（但无循环）的结构造成的”
• 问题：访问器未跟踪已访问的节点，遇到循环时会陷入无限循环
• 解决方案：添加 visited: set 参数，在递归前进行检查
• 验证：循环测试用例能够完成，且不会出现 RecursionError