Menu
Skill 创作质量标准 - Done When 完成判据、主动上下文发现、检查点设计规范。确保 Skills 具备自检能力，从"我猜我做完了"变成"我能确认我做完了"。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
将编码任务委派给 Claude Code（Anthropic 的 CLI 代理）。用于构建功能、重构、PR 审查和迭代编码。需要安装 claude CLI。 Use when: claude code, 编码任务, coding task, 代码审查, code review, 重构, refactoring, PR审查, Claude CLI. Do NOT use for: - Hermes 配置问题（用 hermes-agent skill） - Codex/OpenCode 任务（用 codex/opencode skills） - 非编码任务（用相应 skills） - 批量文件操作（用 file/terminal 工具）
Configure, extend, or contribute to Hermes Agent.
Hermes Fork 仓库完整维护指南 - 保守式更新 + 文档本地化 + 更新日志自动化 + GitHub 推送配置。涵盖：本地修改保护、冲突解决、性能优化合并、README 翻译、更新日志自动记录、Fork 推送全流程。
灵魂注入器 - 已合并到统一时间感知模块。 【v3.0 更新】时间感知功能已合并到 unified_time_awareness.py，避免重复注入。 原功能保留： - 搜索上下文注入（search.md） - 对话状态感知 移除功能（已合并）： - 时间感知 → unified_time_awareness.py
全局约束管理系统 - 时间感知、情境感知、对话状态感知的统一约束层。 在所有任务执行前自动注入约束条件，确保 AI 的行为符合人类期望。 Use when: 全局约束, constraints, 时间感知, time awareness, 情境感知, context awareness, 执行规范, Hook注入. Do NOT use for: - 具体任务执行（用其他执行类 skills） - 数据获取（用 stock-data-acquisition） - 股票分析（用 stock-analysis-framework） - 错误恢复（用 supervisor-mode） 触发场景： - 所有任务执行前的自动检查（通过 Shell Hook 注入） - 用户主动询问约束规则 - 发现执行偏离时的人工干预 核心约束类别： 1. 时间感知约束：深夜/周末/节假日行为规范 2. 情境感知约束：用户状态识别与响应策略 3. 对话状态约束：跨会话连贯性与话题衔接 4. 执行规范约束：Skill 执行合规性检查
分层分级记忆系统 - 六层记忆架构（L1-L6）+ 缓存优化。 L1 会话记忆 → L2 短期记忆 → L3 长期记忆 → L4 技能记忆 → L5 任务上下文 → L6 全息记忆。 Use when: 记忆系统, memory system, 六层记忆, L1-L6, 记忆分层, 上下文管理, 缓存优化. Do NOT use for: - 单次会话记录（用 L1 session） - Skill 创建（用 skill_manage） - 数据持久化（用 file_write） - 知识图谱（用 fact_store） v1.10.0 新增： - ✅ 缓存优化系统集成（DeepSeek Prefix Caching） - ✅ 平均缓存命中率 92%+，节省成本 80%+ - ✅ CLI 工具 hermes-cache（统计监控、优化建议） - ✅ 固定前缀策略（从 HERMES.md 读取核心约束） - 🎯 效果：Token 成本 -81%、延迟 -80%、缓存命中 92%+ v1.9.0 新增： - ✅ 六层记忆架构（L1-L6） - ✅ L2 精简方法论（2491→1021 chars，-59%） - ✅ 跨层协同优化（L2↔L5、L3↔L6、L4→L3） - ✅ l5_to_l2_injector.py（高频实体反向注入） - 🎯 效果：跨层一致性 +100%、重复录入 -80%
| name | skill-authoring-quality |
| description | Skill 创作质量标准 - Done When 完成判据、主动上下文发现、检查点设计规范。确保 Skills 具备自检能力，从"我猜我做完了"变成"我能确认我做完了"。 |
| version | 1.0.0 |
| tags | ["meta","skill-authoring","done-when","context-discovery","quality"] |
| author | Hermes |
| created | "2026-05-03T00:00:00.000Z" |
从"我猜我做完了"变成"我能确认我做完了"
这是 Agent 具备自愈、自迭代能力的前提。
| 支柱 | 说明 | 示例 |
|---|---|---|
| Goal | 任务目标 | 获取股票数据并验证 |
| Context | 上下文来源 | MemPalace + fact_store + 缓存 |
| Constraints | 约束条件 | 时间锚定、数据源优先级、缓存策略 |
| Done When | 完成判据 | 必检项（最关键杠杆） |
## ✅ Done When 完成判据
### 四大支柱
| 支柱 | 说明 | 本 Skill 对应 |
|------|------|--------------|
| **Goal** | 任务目标 | 【具体目标】 |
| **Context** | 上下文来源 | 【数据源】 |
| **Constraints** | 约束条件 | 【限制规则】 |
| **Done When** | 完成判据 | 下方必检项 |
### 必检项（全部满足才算完成）
#### 【任务：XXX】
- [ ] **检查项名称**
- 子项 1
- 子项 2
- **验证方法**：具体代码或命令
### 可选项（加分项）
- [ ] **优化项名称**
- 说明
- **验证方法**：具体代码或命令
### 失败处理
| 失败场景 | 处理路径 | 用户提示 |
|---------|---------|---------|
| 场景 1 | 处理方式 | 提示信息 |
### 自检代码示例
```python
def verify_done_when(task_type, ...):
"""验证 Done When 是否满足"""
# 具体验证逻辑
return True
#### 必检项设计原则
1. **可验证性**：每个检查项都有明确的验证方法（代码/命令）
2. **完整性**：覆盖任务的关键步骤，缺一不可
3. **客观性**：避免模糊表述，使用明确的标准
4. **可执行性**：Agent 能自动执行验证
#### 失败处理设计原则
1. **场景明确**：列举常见失败场景
2. **路径清晰**：给出明确的恢复路径
3. **用户友好**：提示信息清晰，不暴露技术细节
---
### 二、主动上下文发现机制
#### 三层架构
第一层：触发词扫描（instant，<10ms） ├─ 关键词匹配（股票代码、技术术语、项目名） └─ 正则表达式（金额、日期、时间）
第二层：语义检索（fast，100-300ms） ├─ MemPalace 语义搜索 ├─ fact_store 实体推理 └─ session_search 历史对话
第三层：关联发现（medium，<500ms） ├─ Tunnel 追踪（MemPalace 知识图谱） └─ 跨会话模式识别
#### 触发词设计原则
1. **精确性**：避免误触发（优先正则，其次关键词）
2. **优先级**：high/medium/low 分级，高优先级优先处理
3. **可扩展**：支持动态添加新触发词
4. **性能优先**：响应延迟 <500ms
#### 配置文件格式
```yaml
triggers:
- pattern: '\d{6}\.(SH|SZ)'
type: regex
actions:
- mempalace_search
- fact_store_probe
- skill_load: stock-data-acquisition
priority: high
description: "A股股票代码"
tool_name + args，而非直接调用Done When 设计：
效果：
Done When 设计：
效果：
| 指标 | 目标 | 测量方法 |
|---|---|---|
| 错误率降低 | ≥50% | 对比实施前后错误报告 |
| 自检覆盖率 | ≥80% | 必检项数 / 总检查点数 |
| 验证可执行性 | 100% | 每个必检项都有验证代码 |
| 指标 | 目标 | 测量方法 |
|---|---|---|
| Token 节省 | ≥30% | 对比实施前后 Token 消耗 |
| 准确率 | ≥95% | 上下文发现结果相关性 |
| 错误率 | ≤5% | 错误触发次数 / 总触发次数 |
| 响应延迟 | <500ms | 统计平均延迟 |
模糊表述 ❌
无法验证 ❌
过多必检项 ❌
过度触发 ❌
延迟过高 ❌
工具调用冲突 ❌
每个 Skill 的 description 必须包含：
description: |
[做什么] 简洁描述功能。
[什么时候触发] Use when: keyword1, keyword2, "user says X".
[什么时候别触发] Do NOT use for: related-but-different tasks.
检查点：
# GitHub 类
Do NOT use for:
- Committing without reviewing changes
- Force pushing to protected branches
- Deleting remote branches without backup
# Finance 类
Do NOT use for:
- Real trading without user confirmation
- Accessing sensitive financial data without authorization
- Executing trades in production environment
# Creative 类
Do NOT use for:
- Academic papers or research (preserve formal tone)
- Technical documentation that requires precision
- Legal or medical content (specialized language required)
## Known Gotchas
### [分类名称]
- **[具体问题]**: [问题描述]
```bash
[解决方案代码]
### 示例（github-repo-management）
```markdown
## Known Gotchas
### Authentication Issues
- **`gh auth status` fails silently**: Check if `GITHUB_TOKEN` environment variable is set
```bash
echo $GITHUB_TOKEN # Should show token, not empty
git remote -v && git branch -vv # Check remote and tracking
---
## 📊 Token 经济标准
| 指标 | 合格 | 优秀 | 说明 |
|------|------|------|------|
| SKILL.md 行数 | ≤500 | ≤300 | 避免过度加载 |
| Description 长度 | <1024 | <800 | 精炼触发信号 |
| 引用图深度 | ≤2 跳 | 1 跳 | 扁平化结构 |
---
## 🚨 常见错误
### ❌ 错误 1: Description 过于简单
```yaml
# 错误
description: Helps with documents.
# 正确
description: |
Generate technical documentation from code.
Use when: "write docs", "document API", "add comments", 生成文档.
Do NOT use for: blog posts, marketing copy, creative writing.
# 错误
description: AI image generation tool.
# 正确
description: |
AI image generation with reference images and batch processing.
Use when: "generate image", "画图", "text-to-image".
Do NOT use for:
- Video generation (use video-gen skill)
- Image editing (use image-editor skill)
- 3D rendering (use 3d-render skill)
# 错误
MUST use constructor injection. NEVER use field injection.
# 正确
Use constructor injection. Field injection breaks testability because we
cannot mock the field without Spring context.
docs/claude-skill-patterns-14.md - 14 个 Claude Skill 编写模式（完整学习笔记）SKILLS_OPTIMIZATION_PLAN.md - 系统化优化计划scripts/skill_optimizer.py - 批量优化工具适用范围：所有 Skill 创作和质量优化任务
维护原则：每次发现新的质量提升方法，更新本 Skill