القائمة
创建新 skills、改造已有 skills、并通过评测闭环持续优化。用户只要提到“做一个 skill”“改造 skill”“跑评测/benchmark”“验证 skill 效果”“优化 description 触发率”等场景，都应优先使用此技能。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
当用户需要创建、读取、编辑或转换 Word 文档（.docx）时必须使用本技能。触发场景包括：提到 Word/docx、报告/备忘录/正式函件输出、目录和页眉页脚、批注或修订模式、替换文档内容、插入或替换图片、从 docx 提取结构化内容等。若目标交付物是 .docx，本技能应优先触发。不要用于 PDF、电子表格、Google Docs API 或无关编程任务。
只要任务涉及 PDF 输入或输出，就应优先使用本技能。包括：读取/抽取文本与表格、合并拆分、旋转页面、加水印、创建新 PDF、填写表单、加解密、提取图片、扫描件 OCR 等。用户提到 `.pdf` 文件名或要求交付 PDF 时都应触发。
只要任务与 .pptx 有关（输入、输出或两者都有），就应触发本技能。包括：创建演示文稿、读取提取内容、修改现有模板、合并拆分页面、处理版式/讲稿/批注等。用户提到 deck/slides/presentation 或具体 .pptx 文件时，即便最终用途是摘要或邮件，也应使用本技能。
当用户任务以电子表格文件为核心输入或输出时必须使用本技能。涵盖 .xlsx/.xlsm/.csv/.tsv 的读取、清洗、修复、建模、公式计算、格式化、图表、模板更新与格式转换。用户只要提到某个表格文件路径并要求处理或产出表格，都应触发本技能。若主要交付物不是电子表格（如 Word/HTML/数据库流水线/Google Sheets API 集成），则不应触发。
使用 p5.js 创建具有确定性随机和交互式参数探索的算法艺术。当用户请求使用代码创作艺术、生成式艺术、算法艺术、流场或粒子系统时使用此技能。创建原创的算法艺术而非复制现有艺术家的作品，以避免版权侵犯。
将 Anthropic 的官方品牌颜色和排版应用于任何可能受益于 Anthropic 外观和感觉的 artifact。当品牌颜色或风格指南、视觉格式或公司设计标准适用时使用它。
| name | skill-creator |
| description | 创建新 skills、改造已有 skills、并通过评测闭环持续优化。用户只要提到“做一个 skill”“改造 skill”“跑评测/benchmark”“验证 skill 效果”“优化 description 触发率”等场景，都应优先使用此技能。 |
用于“创建 -> 评测 -> 迭代 -> 优化触发”的完整工作流技能。
先判断用户当前在哪个阶段，再补齐下一步：
如果用户明确说“不需要完整评测流程”，可降级为轻量协作；否则默认走标准闭环。
根据用户熟悉度调节术语密度：
evaluation、benchmarkJSON、assertion 等术语，若用户没有明显技术背景，先用一句话解释再使用目标是“专业但不堆术语”。
若当前对话里已包含可复用流程，先从历史中提取：
然后确认以下 4 点：
默认建议：
主动补齐：
测试提示词（eval prompts）在这一步完成前不要急着写。
至少落实：
namedescription（这是触发核心，必须写清“做什么 + 何时用”）description 要稍偏“主动触发”，避免 under-trigger。
示例（表达方式）：
用于生成仪表盘用于生成仪表盘。凡是用户提到 dashboard、指标可视化、看板、业务监控、数据展示，即便没说“仪表盘”，也应触发此技能。skill-name/
├── SKILL.md (required)
└── optional resources
├── scripts/
├── references/
└── assets/
渐进披露：
SKILL.md 触发后加载（建议 <500 行，必要时可超）scripts/references/assets 按需读取设计要点：
references/SKILL.md 中要明确指向这些参考文件，告诉模型何时读MUST，多解释“为什么要这样做”写完草稿后，先准备 2-3 条真实用户风格测试提示词，并与用户确认。
把测试集存到 evals/evals.json（先写 prompts，断言可后补）：
{
"skill_name": "example-skill",
"evals": [
{
"id": 1,
"prompt": "User's task prompt",
"expected_output": "Description of expected result",
"files": []
}
]
}
完整 schema 见 references/schemas.md。
不要使用 /skill-test 或其他测试 skill；按下面连续完成。
工作目录规范：
<skill-name>-workspace/iteration-1/, iteration-2/eval-0/, eval-1/每个测试用例同轮启动两路：
with_skill基线策略：
without_skillcp -r <skill-path> <workspace>/skill-snapshot/）每个 eval 写 eval_metadata.json（此时 assertions 可先空）：
{
"eval_id": 0,
"eval_name": "descriptive-name-here",
"prompt": "The user's task prompt",
"assertions": []
}
不要干等任务结束。并行完成：
eval_metadata.json 与 evals/evals.json主观任务不强行量化；以人工评审为主。
子任务完成通知里会出现 total_tokens 与 duration_ms，这是唯一可靠来源。必须立即写入各运行目录 timing.json：
{
"total_tokens": 84852,
"duration_ms": 23332,
"total_duration_seconds": 23.3
}
评分（grading）
逐 run 生成 grading.json。数组字段必须是 text、passed、evidence（viewer 依赖这些字段名）。
聚合 benchmark
在 skills/skill-creator/ 目录运行：
python -m scripts.aggregate_benchmark <workspace>/iteration-N --skill-name <name>
生成 benchmark.json 与 benchmark.md。
agents/analyzer.md 检查：nohup python <skill-creator-path>/eval-viewer/generate_review.py \
<workspace>/iteration-N \
--skill-name "my-skill" \
--benchmark <workspace>/iteration-N/benchmark.json \
> /dev/null 2>&1 &
VIEWER_PID=$!
如果是第 2 轮及以后，加 --previous-workspace <workspace>/iteration-<N-1>。
无图形/远程环境：使用 --static <output_path> 生成静态 HTML。用户点击提交后会下载 feedback.json，再拷回 workspace。
Outputs 看样例输出并填写反馈Benchmark 看量化对比用户评审完成后读取 feedback.json，优先处理有明确投诉的用例；空反馈视为通过。
结束后关闭 viewer：
kill $VIEWER_PID 2>/dev/null
改进时遵守 4 条：
scripts/迭代循环：
iteration-(N+1) 重新跑全部测试与 baseline--previous-workspace 再开 viewer停止条件：
需要更严格比较两个版本时：
agents/comparator.mdagents/analyzer.md 分析胜因多数场景下，人审 + benchmark 已够用。
SKILL.md frontmatter 的 description 决定触发概率。建议在 skill 稳定后再做。
准备 20 条 query（建议 8-10 条应触发 + 8-10 条不应触发）：
[
{"query": "the user prompt", "should_trigger": true},
{"query": "another prompt", "should_trigger": false}
]
质量标准：
用模板 assets/eval_review.html：
__EVAL_DATA_PLACEHOLDER____SKILL_NAME_PLACEHOLDER____SKILL_DESCRIPTION_PLACEHOLDER__/tmp/eval_review_<skill>.html）并打开eval_set.json~/Downloads 读取最新导出文件后台执行：
python -m scripts.run_loop \
--eval-set <path-to-trigger-eval.json> \
--skill-path <path-to-skill> \
--model <model-id-powering-this-session> \
--max-iterations 5 \
--verbose
要点：
best_description，避免过拟合 trainclaude -p 执行，不需要单独配置 ANTHROPIC_API_KEY执行期间需定期向用户同步迭代进度与得分变化。
best_description 回写 SKILL.md技能只会在 Claude 认为“有必要调用 skill”时触发。简单一步请求即使语义匹配，也可能不触发。
因此触发评测 query 要足够“复杂且值得调用 skill”。
如环境支持，执行：
python -m scripts.package_skill <path/to/skill-folder>
然后返回 .skill 产物路径给用户。
在 Claude.ai（无子任务并发）场景：
run_loop.py/run_eval.py 依赖 CLI 能力，受环境限制时可跳过/tmp/<skill-name>/ 再编辑与打包在 Cowork 场景：
generate_review.py --staticrun_loop.py / run_eval.py 通常可用，建议放在技能收敛后执行agents/：
agents/grader.md：断言评分规范agents/comparator.md：盲测比较流程agents/analyzer.md：benchmark 诊断方法references/：
references/schemas.md：evals.json、grading.json、benchmark.json 等结构定义