name：全小写、连字符，用 skill 的核心动作或概念命名（如 commit-message、error-handling、onboarding-unknown-codebase）。不要下划线或驼峰（commit_message、CommitMessage 都错）
description：只写"何时触发"，第三人称，中文，用三段式——①触发场景（"当用户……时使用"）+ ②典型信号（把用户实际会说的原话尽量列全）+ ③涉及关键词（中文说法 + 常见英文术语）。这样覆盖面广、不易漏触发。上限 1024 字符

关键：description 绝不能写工作流（"先做 A 再做 B"）。原因——测试发现 Claude 会偷懒只读 description 跳过正文。把流程留给正文。

第 3 步：写正文

按这个骨架：概述 / 何时使用 / 核心内容 / 常见错误（参考 template/SKILL.md）。

写作约定：

解释 why，少用全大写 MUST（讲道理比下命令管用）
一个优秀例子 > 多语言版本；例子尽量覆盖该 skill 最核心的 2–3 类场景，而非只示范单类
正文 < 500 行；超了拆 references/
中文为主，工具名/术语保留英文

第 4 步：轻量验证

前置：先确认目标 SKILL.md 在手（文件路径或正文）。用户只说"帮我验证"却没给内容时，先向用户要；skill 还在草稿态没落盘时，把全文直接贴进 subagent 的 prompt 即可，效果等同落盘。

写 2–3 个真实测试 prompt，用 subagent 带着新 skill 跑，看产出对不对。这一步最容易被跳过，但也最能发现问题，别省。

怎么算"真实" prompt：要像真实用户会说的、带具体细节——好的如"我把组件状态从 useState 换成 useReducer，还修了个内存泄漏，写个 commit message"；坏的如"测一下你的能力"（太抽象，既测不出触发、也测不出指引力）。

范式：派一个 general-purpose subagent（让它只读 skill、把产出放进报告，不要改动仓库——除非任务就是要它落地文件），prompt 写「读取 skills/<name>/SKILL.md，然后按其指引处理这个需求：<测试 prompt>。完成后报告：你走了哪些步骤、产出什么、哪里卡壳」。多个 prompt 可以并行派。

通过标准：subagent 的产出 (a) 解决了用户问题，且 (b) 遵循 skill 的设计意图。把该 skill 正文里"该走的流程""该遵循的约定"抽成几条可勾选项来核（如 description 没写工作流、正文解释了 why、例子覆盖核心场景）。跑偏长这样：该走五步的跳过了验证、该三段式的 description 写成了能力清单、该按维度系统的退化成逐条枚举——出现这些就改正文重跑。

把用例固化下来：把这几个 prompt + 预期结果写进 skills/<name>/evals/evals.json（格式：{skill_name, evals: [{id, prompt, expected}]}）。evals.json 是验证的"存档"（记录测过什么、预期什么），subagent 实跑是"当下执行"。两者配合时注意时序：prompt 可以先定，但 expected 往往要跑一轮、看到实际产出才写得准——所以实操是「粗定 prompt → 跑 → 用实际产出校准 expected → 固化」，而不是单向的"先写完 evals.json 再跑"。

第 5 步：迭代

输出不对就改正文，重跑。重点改：

触发不准 → 改 description（补关键词、加症状）
做错了 → 正文讲清 why 或加常见错误
啰嗦/跑偏 → 删冗余
正文流程漏了关键步骤 → 补步骤（这种问题几乎只能靠验证暴露，是迭代里最高频也最有价值的产出）

常见错误

问题	修法
description 写了工作流（→ Claude 只读 description 跳过正文）	description 只留触发条件
正文超 500 行没拆（→ 加载慢、难维护）	大段参考拆到 `references/`
堆 MUST 不讲 why（→ 死板、难泛化）	解释原因
一个例子写多语言（→ 平庸、难维护）	一个优秀例子
name 用下划线/驼峰	全小写连字符