name	cowhorse-skill
description	A skill that actively extracts and quantifies workflow requirements from users through structured Q&A about inputs, outputs, and objectives. Build reusable skills with scripts/references/assets. Use when user describes a task they want AI to help with repeatedly, e.g. "帮我做一个workflow", "建一个skill", "梳理流程", "帮我做一个工具", "把这个做成一个skill".

牛马Skill (CowHorseSkill)

主动询问用户的输入、输出和客观需求，通过迭代确认构建可复用的 workflow skill。

Workflow

Step 1: Discovery (初始需求挖掘)

When user describes a task they want AI to support, actively lead the conversation — don't wait for the user to volunteer details. Ask the following questions one at a time, wait for each answer before proceeding.

1.1 Goal Clarification (目标澄清)

您最终要交付什么结果？
"完成"的定义是什么？怎么算做好了？
这个工作流解决的核心问题是什么？

1.2 Input Specification (输入规格)

每次必须问清楚以下所有维度：

维度	必问问题
数据来源	数据从哪来？文件、API、数据库、还是手动输入？
文件格式	是 .xlsx / .csv / .json / .txt / 其他？
文件位置	文件在哪？本地路径、网盘、飞书文档？
数据结构	数据长什么样？有哪些列/字段？有表头吗？
数据量	大概多少条/多少文件？
数据质量	有脏数据吗？缺失值、格式不一致怎么处理？
参数	需要用户传入什么参数？（筛选条件、时间范围、阈值等）

追问策略： 如果用户说"一个Excel"，必须追问：

里面有哪些 sheet？
每个 sheet 的表头是什么？
有没有合并单元格？
大概多少行数据？

1.3 Output Specification (输出规格)

每次必须问清楚以下所有维度：

维度	必问问题
产出形式	输出是文件、表格、图表、报告、还是直接执行动作？
文件格式	输出什么格式？.xlsx / .pdf / .html / .png / 控制台打印？
输出位置	输出到哪里？本地路径、飞书文档、邮件发送？
输出内容	具体包含哪些信息？汇总数据、明细、统计指标？
输出格式要求	有模板吗？需要特定排版、颜色、公式吗？
输出粒度	是汇总还是明细？按什么维度分组？

追问策略： 如果用户说"生成一个报表"，必须追问：

报表里具体要哪些字段？
需要排序吗？按什么排？
需要筛选/过滤吗？条件是什么？
需要统计计算吗？（求和、平均、计数等）

1.4 Process Steps (流程步骤)

整个流程分几步？每一步做什么？
哪些步骤是手动的？哪些需要自动化？
步骤之间有依赖关系吗？顺序能变吗？

1.5 Constraints (约束条件)

有什么时间要求？（定时执行、截止日期）
有什么技术限制？（必须用某个工具、不能联网等）
有什么业务规则？（特殊计算方式、例外情况）
有什么性能要求？（处理速度、数据量上限）

核心原则：不假设，不猜测，不确定就问。

处理用户输入时：

接受中英文拼写错误
项目名/表单名允许模糊匹配
不确定时问用户确认，不要假设

Step 2: Confirmation (需求确认)

After initial discovery, present a structured summary. 每个维度必须明确，不能留"待定"。

## 工作流需求确认

### 目标
[用户描述的目标 — 一句话概括]

### 输入规格
| 项目 | 详情 |
|------|------|
| 数据来源 | [文件路径 / API / 手动输入] |
| 文件格式 | [.xlsx / .csv / .json 等] |
| 数据结构 | [表头列名、数据类型] |
| 数据量 | [行数/文件数] |
| 输入参数 | [筛选条件、时间范围等] |
| 脏数据处理 | [缺失值/异常值策略] |

### 输出规格
| 项目 | 详情 |
|------|------|
| 产出形式 | [文件 / 报表 / 图表 / 动作] |
| 输出格式 | [.xlsx / .pdf / 控制台 等] |
| 输出位置 | [本地路径 / 飞书 / 邮件] |
| 输出内容 | [包含的字段/信息] |
| 排序/筛选 | [排序字段、筛选条件] |
| 统计计算 | [求和、平均、计数等] |
| 格式要求 | [模板、颜色、公式] |

### 流程步骤
1. [步骤1 — 明确输入→输出]
2. [步骤2]
...

### 约束条件
- [约束1]
- [约束2]

### 确认问题
1. 以上输入/输出规格是否正确？
2. 步骤顺序和依赖关系对吗？
3. 哪些步骤需要自动化，哪些保留手动？
4. 有遗漏的字段或规则吗？

Wait for user confirmation. Iterate until user says "确认" or "可以".

Step 3: Build (构建Skill)

Once confirmed, build the skill:

Create skill directory using scripts/init_skill.py from skill-creator
Write SKILL.md with:
- Frontmatter: name, description (triggers + when to use)
- Body: Complete workflow instructions, all steps, decision trees
Add scripts if automation is needed:
- Python scripts for data processing, file operations, etc.
- Shell scripts for system commands
Add references if domain knowledge is needed:
- Schemas, API docs, business rules, templates
Add assets if output files are needed:
- Templates, boilerplate, sample data

Skill structure:

skill-name/
├── SKILL.md (required)
├── scripts/ (optional)
│   ├── main_script.py
│   └── helpers.py
├── references/ (optional)
│   └── workflow_guide.md
└── assets/ (optional)
    └── template.xlsx

Step 4: Present and Validate (呈现确认)

After building:

Show the skill structure - List all files created
Show SKILL.md summary - Key sections and triggers
Test the skill - Run a sample execution if possible
Ask for feedback - Does this match what you need?
Iterate - Update based on feedback

Step 5: Finalize (完成)

Package the skill using scripts/package_skill.py from skill-creator
Update MEMORY.md with the new skill info
Notify user - Skill is ready for use

Fuzzy Matching Rules

When processing user input for names, paths, or identifiers:

Trim whitespace and normalize case
Strip punctuation from start/end
Allow partial matches for long strings (e.g., "孝感中心" matches "孝感中心医院东城院区")
Handle common typos for known values (e.g., "受理单" vs "受理单据")
When uncertain, ask - "您是指 X 还是 Y？"

Error Handling

If a step fails, report the error clearly
Do not silently skip failed steps
Ask user how to proceed
Keep a log of what was done for debugging

Resources

scripts/

scripts/init_skill.py - From skill-creator, initialize new skill
scripts/package_skill.py - From skill-creator, package skill to .skill
Add custom scripts as needed for the specific workflow

references/

references/workflow_guide.md - Detailed workflow patterns and examples
Add domain-specific references as needed

assets/

Add templates, boilerplate, or sample data as needed

name	cowhorse-skill
description	A skill that actively extracts and quantifies workflow requirements from users through structured Q&A about inputs, outputs, and objectives. Build reusable skills with scripts/references/assets. Use when user describes a task they want AI to help with repeatedly, e.g. "帮我做一个workflow", "建一个skill", "梳理流程", "帮我做一个工具", "把这个做成一个skill".

牛马Skill (CowHorseSkill)

主动询问用户的输入、输出和客观需求，通过迭代确认构建可复用的 workflow skill。

Workflow

Step 1: Discovery (初始需求挖掘)

1.1 Goal Clarification (目标澄清)

您最终要交付什么结果？
"完成"的定义是什么？怎么算做好了？
这个工作流解决的核心问题是什么？

1.2 Input Specification (输入规格)

每次必须问清楚以下所有维度：

维度	必问问题
数据来源	数据从哪来？文件、API、数据库、还是手动输入？
文件格式	是 .xlsx / .csv / .json / .txt / 其他？
文件位置	文件在哪？本地路径、网盘、飞书文档？
数据结构	数据长什么样？有哪些列/字段？有表头吗？
数据量	大概多少条/多少文件？
数据质量	有脏数据吗？缺失值、格式不一致怎么处理？
参数	需要用户传入什么参数？（筛选条件、时间范围、阈值等）

追问策略： 如果用户说"一个Excel"，必须追问：

里面有哪些 sheet？
每个 sheet 的表头是什么？
有没有合并单元格？
大概多少行数据？

1.3 Output Specification (输出规格)

每次必须问清楚以下所有维度：

维度	必问问题
产出形式	输出是文件、表格、图表、报告、还是直接执行动作？
文件格式	输出什么格式？.xlsx / .pdf / .html / .png / 控制台打印？
输出位置	输出到哪里？本地路径、飞书文档、邮件发送？
输出内容	具体包含哪些信息？汇总数据、明细、统计指标？
输出格式要求	有模板吗？需要特定排版、颜色、公式吗？
输出粒度	是汇总还是明细？按什么维度分组？

追问策略： 如果用户说"生成一个报表"，必须追问：

报表里具体要哪些字段？
需要排序吗？按什么排？
需要筛选/过滤吗？条件是什么？
需要统计计算吗？（求和、平均、计数等）

1.4 Process Steps (流程步骤)

整个流程分几步？每一步做什么？
哪些步骤是手动的？哪些需要自动化？
步骤之间有依赖关系吗？顺序能变吗？

1.5 Constraints (约束条件)

有什么时间要求？（定时执行、截止日期）
有什么技术限制？（必须用某个工具、不能联网等）
有什么业务规则？（特殊计算方式、例外情况）
有什么性能要求？（处理速度、数据量上限）

核心原则：不假设，不猜测，不确定就问。

处理用户输入时：

接受中英文拼写错误
项目名/表单名允许模糊匹配
不确定时问用户确认，不要假设

Step 2: Confirmation (需求确认)

After initial discovery, present a structured summary. 每个维度必须明确，不能留"待定"。

## 工作流需求确认

### 目标
[用户描述的目标 — 一句话概括]

### 输入规格
| 项目 | 详情 |
|------|------|
| 数据来源 | [文件路径 / API / 手动输入] |
| 文件格式 | [.xlsx / .csv / .json 等] |
| 数据结构 | [表头列名、数据类型] |
| 数据量 | [行数/文件数] |
| 输入参数 | [筛选条件、时间范围等] |
| 脏数据处理 | [缺失值/异常值策略] |

### 输出规格
| 项目 | 详情 |
|------|------|
| 产出形式 | [文件 / 报表 / 图表 / 动作] |
| 输出格式 | [.xlsx / .pdf / 控制台 等] |
| 输出位置 | [本地路径 / 飞书 / 邮件] |
| 输出内容 | [包含的字段/信息] |
| 排序/筛选 | [排序字段、筛选条件] |
| 统计计算 | [求和、平均、计数等] |
| 格式要求 | [模板、颜色、公式] |

### 流程步骤
1. [步骤1 — 明确输入→输出]
2. [步骤2]
...

### 约束条件
- [约束1]
- [约束2]

### 确认问题
1. 以上输入/输出规格是否正确？
2. 步骤顺序和依赖关系对吗？
3. 哪些步骤需要自动化，哪些保留手动？
4. 有遗漏的字段或规则吗？

Wait for user confirmation. Iterate until user says "确认" or "可以".

Step 3: Build (构建Skill)

Once confirmed, build the skill:

Create skill directory using scripts/init_skill.py from skill-creator
Write SKILL.md with:
- Frontmatter: name, description (triggers + when to use)
- Body: Complete workflow instructions, all steps, decision trees
Add scripts if automation is needed:
- Python scripts for data processing, file operations, etc.
- Shell scripts for system commands
Add references if domain knowledge is needed:
- Schemas, API docs, business rules, templates
Add assets if output files are needed:
- Templates, boilerplate, sample data

Skill structure:

skill-name/
├── SKILL.md (required)
├── scripts/ (optional)
│   ├── main_script.py
│   └── helpers.py
├── references/ (optional)
│   └── workflow_guide.md
└── assets/ (optional)
    └── template.xlsx

Step 4: Present and Validate (呈现确认)

After building:

Show the skill structure - List all files created
Show SKILL.md summary - Key sections and triggers
Test the skill - Run a sample execution if possible
Ask for feedback - Does this match what you need?
Iterate - Update based on feedback

Step 5: Finalize (完成)

Package the skill using scripts/package_skill.py from skill-creator
Update MEMORY.md with the new skill info
Notify user - Skill is ready for use

Fuzzy Matching Rules

When processing user input for names, paths, or identifiers:

Trim whitespace and normalize case
Strip punctuation from start/end
Allow partial matches for long strings (e.g., "孝感中心" matches "孝感中心医院东城院区")
Handle common typos for known values (e.g., "受理单" vs "受理单据")
When uncertain, ask - "您是指 X 还是 Y？"

Error Handling

If a step fails, report the error clearly
Do not silently skip failed steps
Ask user how to proceed
Keep a log of what was done for debugging

Resources

scripts/

scripts/init_skill.py - From skill-creator, initialize new skill
scripts/package_skill.py - From skill-creator, package skill to .skill
Add custom scripts as needed for the specific workflow

references/

references/workflow_guide.md - Detailed workflow patterns and examples
Add domain-specific references as needed

assets/

Add templates, boilerplate, or sample data as needed

cowhorse-skill

牛马Skill (CowHorseSkill)

Workflow

Step 1: Discovery (初始需求挖掘)

1.1 Goal Clarification (目标澄清)

1.2 Input Specification (输入规格)

1.3 Output Specification (输出规格)

1.4 Process Steps (流程步骤)

1.5 Constraints (约束条件)

Step 2: Confirmation (需求确认)

Step 3: Build (构建Skill)

Step 4: Present and Validate (呈现确认)

Step 5: Finalize (完成)

Fuzzy Matching Rules

Error Handling

Resources

scripts/

references/

assets/

牛马Skill (CowHorseSkill)

Workflow

Step 1: Discovery (初始需求挖掘)

1.1 Goal Clarification (目标澄清)

1.2 Input Specification (输入规格)

1.3 Output Specification (输出规格)

1.4 Process Steps (流程步骤)

1.5 Constraints (约束条件)

Step 2: Confirmation (需求确认)

Step 3: Build (构建Skill)

Step 4: Present and Validate (呈现确认)

Step 5: Finalize (完成)

Fuzzy Matching Rules

Error Handling

Resources

scripts/

references/

assets/