القائمة
本技能专门优化技能的 description 元属性。激活条件：用户消息须包含以下关键词之一:`优化 description`、`优化技能描述`、`重写 description`、`改 description`、`诊断 description 问题`、`修复技能不激活`。
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
将本地 Markdown 文章发布到微信公众号草稿箱。激活条件：用户消息必须包含以下关键词之一：`发布到公众号`、`上传 Markdown 到公众号`、`推送到公众号草稿`、`发布公众号文章`、`同步文章到微信`、`publish to WeChat`。
生成扁平的 SVG 图（架构图、中心辐射图、流程图、简易时序图、思维导图、组织架构图、2×2 对比矩阵、时间线、循环图、鱼骨图），也支持把已有 SVG 文件转成 PNG 图片。激活条件（满足任一即可）：生成类关键词 `画架构图`、`画中心辐射图`、`画流程图`、`画时序图`、`画思维导图`、`画脑图`、`画组织架构图`、`画树形图`、`画对比矩阵`、`画四象限`、`画时间线`、`画循环图`、`画鱼骨图`、`画因果分析图`；转换类关键词 `SVG 转图片`、`把 SVG 转成图片`、`把 SVG 转成 PNG`。
评审一个技能是否「自包含」——即其知识、经验、规范是否全部内置在技能文件内（SKILL.md + references/），不依赖特定 AI 客户端专有的知识接口命令（如 read_me / modules: / show_widget / Visualizer）去外部拉取，也不硬编码某个 AI 软件的私有路径（如 .workbuddy）。同时检查工具依赖（node、浏览器、命令行）是否仅作为用户自备工具声明、未写死私有路径。当用户要求「评审这个技能是否自包含 / 独立」「检查技能知识是否内置」「审查技能的独立性 / 可移植性」「audit / review a skill for self-containment」时触发。产出评审报告：结论（自包含 / 不独立）+ 问题清单（文件:行号 + 引用的外部依赖 + 为何影响独立性）+ 整改建议。
生成公众号文章封面图片的AI提示词。智能分析文章标题和内容，提取核心价值和视觉主题，生成适合即梦等AI绘图工具使用的专业提示词。支持从上下文中读取文章内容，确保封面与文章主题高度契合。当用户需要生成公众号文章封面、创建封面图片提示词、为文章配图时使用此技能。
将 C 盘大文件夹迁移到其他盘（D/E/F等），通过目录联接（Junction）保持原路径可用，释放 C 盘空间。当用户提到 C 盘空间不足、C 盘变红、迁移大文件夹、释放 C 盘空间、软链接迁移时使用此技能。Use when user mentions C drive full, move large folder, free up C drive space, symlink/junction migration.
自动启停视频课程录制所需的辅助程序。激活条件：用户消息须包含以下关键词之一:`我要录制视频课程`、`开始录制视频课程`、`准备录课`、`视频课程录完了`、`录课结束`、`停止录制`。
| name | skill-description-optimizer-yashu |
| description | 本技能专门优化技能的 description 元属性。激活条件：用户消息须包含以下关键词之一:`优化 description`、`优化技能描述`、`重写 description`、`改 description`、`诊断 description 问题`、`修复技能不激活`。 |
"一个技能的 description，决定了 AI 是否会在合适的时机找到它。"
技能的 description 是 YAML frontmatter 中的元属性，AI 用它来做技能路由 -- 即判断用户的意图是否匹配某个技能。如果 description 写得模糊、笼统、与其他技能重叠，AI 就可能在需要时漏掉你，或在不该激活时误触发。
在优化任何 description 之前，必须先理解 LLM 是如何做技能路由的。否则写出的规则可能看似合理但实际无效。
LLM 的技能路由本质是概率预测，在机制层面表现为注意力匹配。AI 在收到用户消息后，会将消息内容与所有技能的 description 做语义/关键词匹配，匹配度最高的技能被触发。由于训练数据的分布特性，description 中的规则性文本（如激活条件声明）在概率层面会影响路由决策。
优化者可能以为，在 description 中写排除条件（如"若消息以 QA 开头则不触发本技能"）就能避免误触发。但这种做法在多数场景下效果不如正向条件可靠，不推荐使用。 原因如下：
1. 注意力机制（Attention Mechanism）
当用户消息中的词与 description 中的关键词匹配时，注意力机制给该技能高权重。关键在于：description 中提及的任何概念都会获得注意力信号，无论该概念出现在正向条件还是排除条件中。
这就解释了为什么正向条件比排除条件可靠：正向条件（"须包含X"）提及 X，X 获得注意力信号，而这恰好是你想要的--你希望 X 出现时触发本技能，信号增强与目标一致。排除条件（"若消息以 QA 开头则不触发"）同样提及 QA，QA 也获得注意力信号，但这与你想要的相反--你希望 QA 出现时不触发，信号增强却推向了触发。换言之，"不要梨"让 AI 对"梨"的注意力不降反升，因为"梨"这个词被提及本身所带来的信号增强，大于否定词带来的抑制。
2. 信息检索视角（Information Retrieval）
技能路由是一个 IR 问题。用户消息是 query，技能 description 是 document。在 IR 中，文档内添加排除文本对检索得分的降低效果有限--被排除的概念仍然作为文档的一部分参与语义匹配。更糟的是，排除文本引入了本想回避的概念，扩大了这些概念的误匹配面积。
结论：不要在 description 中写排除条件来解决关键词冲突--正向条件让注意力信号为目标服务，排除条件让注意力信号与目标对抗。正确的做法是收窄冲突关键词本身，用正向条件引导路由。
description 中的每一句话都消耗 token，但不是每一句话都对路由决策有贡献。优化者必须用信息论的视角，区分信号与噪声。
description 中的信息可分为四类，第一类和第四类对路由决策有直接贡献：
技能"能做什么"--其目的、角色、功能边界。
做X、定义X的法则、优化X的Y属性技能"包含什么"--其内部结构、格式、组件。
包含A、B、C、提供X步骤和Y模板、内含X框架技能"带来什么好处"--营销式的好处声明或结果承诺。
确保X友好、提供高质量Y、让X更优秀description 中可能包含结构性引导文本，如激活条件声明"激活条件：用户消息须包含以下关键词之一:"。这类文本是格式约定，用于为关键词提供语义上下文，对路由决策有直接贡献。
| 信息类型 | 回答的问题 | 对路由决策的贡献 | 处理方式 |
|---|---|---|---|
| 能力定位 | 这个技能是干什么的？ | 强信号 | 保留 |
| 内容构成 | 这个技能里面有什么？ | 弱信号/冗余 | 删除 |
| 价值宣传 | 这个技能有多好？ | 噪声 | 删除 |
| 结构性引导文本 | 这是什么格式的约定？ | 强信号 | 保留 |
在注意力匹配中，关键词的语义丰富度决定区分度。纯名词（如 SOP）语义单一，可出现在多种语境中--"SOP是什么？""制定SOP""SOP流程如下"都包含这个词，注意力机制无法区分这些截然不同的意图。动作导向短语（如 制定SOP）语义更丰富、更具体，只在用户明确要执行某动作时才形成强匹配，因此区分度更高。
核心原则：关键词应采用动作导向短语，而非纯名词--因为动作导向短语在注意力匹配中比纯名词更具区分度。
制定SOP -- 语义具体，只在用户要创建 SOP 时强匹配SOP -- 语义模糊，"SOP是什么？"也会强匹配，容易误触发纯名词不应作为触发关键词。 纯名词语义单一，在注意力匹配中区分度不足，容易导致不相关的消息被误路由到本技能。所有纯名词都应收窄为动作导向短语。
| 纯名词 | 问题 | 收窄建议 |
|---|---|---|
扣子 | 纯名词，语义模糊，区分度不足 | 调用扣子、测试扣子智能体 |
SOP | 既出现在"SOP是什么？"也出现在"制定SOP" | 制定SOP、生成SOP |
飞书 | 纯名词，语义模糊，区分度不足 | 操作飞书、管理飞书文档 |
审查并重写目标技能的 description 字段，使其满足以下标准：
description 首句必须用一句话说清楚技能是做什么的，让 AI 读到第一眼就心里有数。功能概述即"能力定位"信息（见上文信息论视角）在 description 首句中的具体体现。
正确示例：本技能专门优化技能的 description 元属性。
错误示例：这是一个很有用的技能。（什么都没说）
使用以下句式：激活条件：用户消息须包含以下关键词之一:\X`、`Y`。`
激活条件声明列出正向触发条件--即明确哪些关键词会触发本技能。如上文注意力机制所述，正向条件提及的关键词会获得注意力信号，且信号方向与触发目标一致，因此比排除条件可靠。
description 的推荐结构顺序为：功能概述 -> 激活条件声明 -> 关键词清单。
列出 3-6 个用户可能说出的具体触发短语，用反引号 ` 包裹，方便 AI 做字面匹配。
动作导向原则：关键词应为动作导向短语（见上文纯名词使用指南）。
正确示例：`制定SOP`、`给我一个操作流程`
错误示例：`SOP`、当用户需要结构化方案时（太泛）
用户群体是中文用户，触发关键词应匹配目标用户群体的真实表达习惯。中文用户在技术语境中常混合使用中英文（如"优化 description"），关键词应覆盖用户最可能使用的表达形式。
AI 在毫秒级做出路由判断，description 应控制在 <200 字，关键信息前置。
读取用户指定的技能的 SKILL.md，提取当前的 description 字段和正文内容。同时获取系统提供的可用技能列表，提取各技能 description 中的关键词，建立关键词索引以便后续检测跨技能关键词冲突。
对照上述标准，逐条诊断当前 description 的问题：
基于诊断结果，生成优化后的 description，并解释每一条改动的理由。
使用 SearchReplace 工具将新的 description 写入目标技能的 SKILL.md。
description 字段，不修改 SKILL.md 的主体内容。