Skill 生产线 · Skill 设计 · Skill 解读 · WF-029
Skill 设计参考:skill forge
一个把本地实验技能整理成可安装、可信、可发布 Agent Skill 的后置工程工具,重点是校验、抽取、发布和多平台同步。
skill forge
一个把本地实验技能整理成可安装、可信、可发布 Agent Skill 的后置工程工具,重点是校验、抽取、发布和多平台同步。
这个能力解决什么问题
motiful/skill-forge 解决的是 Skill 写完后如何工程化:它审计目录、抽取混乱原型、检测注册冲突、扫描泄密、验证 README 主张、发布到 GitHub,并同步到 Claude Code、Codex、Cursor、Windsurf、GitHub Copilot 等本地 skill root。它不负责领域内容写作,而负责把「像个技能」变成「可安装可信的技能」。
核心逻辑
真实输入是一个技能 repo、混杂原型文件夹、项目中的 rules/agent instructions,或用户说的「review/create/extract/publish」。处理逻辑是:发现 skill/rule/agent 文件;判断是 review、create、extract 还是 publish;验证名称、description、body 长度、references、README、LICENSE、密钥、.gitignore、硬编码路径;必要时调用 readme-craft、rules-as-skills、self-review;本地 ready 后才进入 GitHub 发布和本机多平台 symlink。输出是清理后的 skill repo、审计结果、修复建议、发布仓库和多平台安装视图。
技术结构
- 关键模块:根目录
SKILL.md是可安装 skill;.agents/skills/maintenance-rules与.claude/skills/maintenance-rules显示维护规则;docs/skill-philosophy.md、docs/skill-quality-model.md、docs/attention-and-feedback.md定义质量模型;references/存格式、调用、配置、模板和组合说明。 - 调用链路:用户触发 review/create/extract/publish -> Skill 检查配置和路径 -> 发现参考技能与规则 -> 安全/结构/README/触发覆盖校验 -> 修复到 local ready -> 可选 git init、GitHub 创建、跨平台 symlink。
- 输入输出:输入是本地目录、skill 内容、配置、目标 GitHub org 和本机已安装平台;输出是 clean repo、审计报告、阻断项、安装链接和发布命令。
- 核心依赖:Git、Node.js、
npx skills add、GitHub CLI;依赖技能包括 readme-craft、rules-as-skills、self-review。
为什么值得参考
它的设计亮点是把 Skill Forge 定位成 post-authoring 工具:内容创作和工程验收分离。对于自己的生产线,这个边界很重要:不要让同一个技能同时负责写内容、审安全、发 GitHub、同步本机,否则责任会糊掉。
为什么不建议直接套用
它的发布链会触发 GitHub 创建/推送和本机 symlink,属于高风险动作,必须人工确认。它的 quality model 偏 Agent Skills 生态,且 README 里提到安全漏洞、平台目录和 GitHub 发布,直接用于内容卡片生产会过重。它也明确不测试领域效果,只验证工程包装。
如何改造成自己的版本
把它拆成「发布前验收 Skill」:输入是已写好的 SKILL.md 或工作流卡,输出是阻断项清单。先只做五项检查:触发描述是否覆盖、是否有本地绝对路径、是否引用密钥、README/正文主张是否超出能力、是否有最小验证样例。发布、git、symlink 全部留给人工或单独工具。
适用场景
- Skill 已写完,需要发布前做结构、安全和可安装性检查。
- 需要从混乱原型目录抽取干净 Skill。
- 需要多平台同步一个 source of truth。
不适用场景
- 需要生成领域知识正文或测试任务效果。
- 不准备发布到 GitHub,也不需要跨平台安装。
- 不能接受工具触碰 git、symlink 或本机 skill root。
参考信息
- 原项目:skill-forge
- 作者:motiful
- 相关概念:[[发布前验收]]、[[Skill 工程化]]、[[安全扫描]]
- 相关卡片:workflow-read-026
适用场景与行动
场景:Skill 生产线 / Skill 设计
适合谁:关注 AI 工作流、Skill 生产和 Agent Building 的读者
下一步:先阅读边界说明,再判断它是否适合改造成自己的Skill 设计流程。
当前内容按公开来源和已审核草稿整理,只作为工作流理解与方法论参考。
涉及客户数据、外部平台、会议记录和业务系统的场景,必须保留人工确认与授权边界。