create-skill

name	create-skill
description	帮助用户创建有效的自定义技能，通过具体用例收集需求并生成 SKILL.md
trigger	用户要求创建技能、新建 skill、帮我写一个技能、我想有个技能能帮我做 X、怎么创建技能

创建自定义技能

本技能帮助用户创建有效的自定义技能。

关于技能

技能是模块化的指令包，通过提供专业化的操作流程、工具调用指令和领域知识，将通用 AI 转变为特定任务的专家。技能就像特定领域的"入职指南"——将程序性知识注入 AI，使其具备模型本身无法完全掌握的实操能力。

技能提供什么

1. 专业工作流 — 特定领域的多步骤操作规程
2. 工具集成 — 指示 AI 调用系统 API 或 MCP 工具
3. 领域知识 — 业务逻辑、配置规则、排查经验
4. 配套资源 — 脚本、参考文档和模板

技能目录结构

每个技能由必需的 SKILL.md 文件和可选的配套资源组成：

skill-name/
├── SKILL.md          ← 必需
│   ├── YAML 元数据（必需）
│   │   ├── name:（必需）
│   │   ├── description:（必需）
│   │   └── trigger:（可选）
│   └── Markdown 指令内容（必需）
└── 配套资源（可选）
    ├── scripts/          — 可执行脚本（Python/Bash 等）
    ├── references/       — 按需加载的参考文档
    └── assets/           — 输出中使用的文件（模板、图标等）

SKILL.md（必需）

元数据质量：name 和 description 决定了 AI 何时使用该技能。描述要具体说明技能做什么、何时使用。使用第三人称（如"该技能用于..."）。

触发条件：trigger 用自然语言描述技能的适用场景，帮助 AI 判断用户请求是否匹配。多个条件用中文逗号分隔，覆盖用户可能的不同说法，但不要过于宽泛。

配套资源（可选）

脚本 (scripts/)

需要确定性执行或反复重写的可执行代码。

• 适用场景：相同代码每次都要重写、需要确定性结果的任务
• 示例：scripts/export_csv.py 数据导出脚本
• 优势：省 token、结果确定、可直接执行无需读入上下文

参考资料 (references/)

AI 在执行过程中按需读取的文档。

• 适用场景：数据库 Schema、API 文档、领域知识、公司政策
• 示例：references/api_docs.md API 规格文档
• 最佳实践：大文件（>5000 字）在 SKILL.md 中提供 grep 搜索模式，让 AI 精准定位而非全量读取
• 避免重复：信息只放在 SKILL.md 或 references 中一处，不要两处都有。核心操作指令放 SKILL.md，详细参考资料放 references

输出资源 (assets/)

不需要读入上下文、只在输出中使用的文件。

• 适用场景：模板、图片、样板代码、字体
• 示例：assets/report_template.md 报告模板
• 优势：将输出资源与文档分离，AI 无需加载即可使用

渐进加载设计

技能采用三级加载机制，按需占用上下文：

层级	内容	何时加载	大小
第一层	元数据（名称 + 描述 + 触发条件）	始终在系统提示词中	~100 字
第二层	SKILL.md 正文（指令内容）	技能触发时	<5000 字
第三层	配套资源（脚本、参考文档）	AI 按需读取	不限

脚本可以直接执行而无需读入上下文，因此第三层不受限制。

技能分类

分类	存放位置	说明
系统	skills/system/	内置技能，不可删除和编辑
预设	skills/preset/	预装技能，可删除但不可编辑
用户	~/.protocol-proxy/skills/	用户自定义技能，可自由编辑和删除

通过智控助手面板创建的技能属于用户分类。

创建流程

要创建一个技能，按顺序执行以下步骤，除非有明确理由跳过某步。

第一步：通过具体用例理解技能

仅当技能的使用场景已经非常清晰时才跳过此步。即使在迭代已有技能时，此步仍有价值。

要创建有效的技能，需要清楚理解技能将如何被使用的具体用例。这些用例可以来自用户的直接描述，也可以由 AI 生成后由用户验证。

例如，创建一个"日志分析"技能时，相关问题包括：

• "这个技能主要分析哪类日志？错误日志、请求日志、还是都包括？"
• "能举几个你会怎么使用这个技能的例子吗？"
• "我能想到用户会说'最近有什么报错'或者'帮我分析一下日志趋势'。你还能想到其他说法吗？"
• "什么情况下用户说的话应该触发这个技能？"

为避免让用户应接不暇，不要一次问太多问题。先问最重要的，按需追问。

当对技能要支持的功能有了清晰认知时，结束此步。

第二步：规划可复用的技能内容

要将具体用例转化为有效的技能，对每个用例进行分析：

1. 从零开始执行这个用例需要哪些步骤
2. 重复执行这些工作流时，哪些脚本、参考文档和模板会有帮助

示例：创建 pdf-editor 技能处理"帮我旋转这个 PDF"：

1. 旋转 PDF 每次都要重写相同的代码
2. 在 scripts/rotate_pdf.py 中存储旋转脚本会有帮助

示例：创建 frontend-webapp-builder 技能处理"帮我建个 todo 应用"：

1. 写前端应用每次都需要相同的样板代码
2. 在 assets/hello-world/ 中存储样板项目会有帮助

示例：创建 big-query 技能处理"今天有多少用户登录"：

1. 查询 BigQuery 每次都要重新发现表结构和关系
2. 在 references/schema.md 中记录表结构会有帮助

通过分析每个用例，确定要包含的可复用资源清单：脚本、参考文档和模板。

第三步：创建技能

此时开始实际创建技能。

如果是新建技能，在智控助手中通过技能面板创建：

1. 点击输入框右侧「⚡」按钮打开技能面板
2. 点击「+」按钮创建新技能
3. 填写名称、描述、触发条件和指令内容
4. 点击「保存」

创建后可在技能面板中点击技能名称进行编辑。通过面板创建的技能属于用户分类。

如果需要包含配套资源（scripts/references/assets），需要手动在 ~/.protocol-proxy/skills/<skill-name>/ 目录下创建对应子目录和文件。

第四步：编辑技能

编辑技能时，记住这个技能是为另一个 AI 实例使用的。重点包含对 AI 有益且非显而易见的信息。考虑哪些程序性知识、领域细节或可复用资源能帮助另一个 AI 实例更有效地执行任务。

先处理配套资源

从第一步规划的可复用资源开始：scripts/、references/ 和 assets/ 文件。注意这一步可能需要用户提供输入。例如，创建 brand-guidelines 技能时，用户可能需要提供品牌素材存到 assets/，或文档存到 references/。

同时，删除技能中不需要的示例文件和目录。

更新 SKILL.md

写作风格：整个技能使用祈使语气（动词开头的指令），不用第二人称。使用客观的指令式语言（如"要完成 X，执行 Y"而不是"你应该做 X"或"如果需要 X 的话"）。这保证了 AI 消费时的一致性和清晰度。

要完成 SKILL.md，回答以下问题：

1. 技能的目的是什么？用几句话概括。
2. 何时应该使用这个技能？
3. 实际使用中，AI 应该如何使用这个技能？上面开发的所有可复用资源都应被引用，让 AI 知道如何使用它们。

可用工具参考

在技能中可以指示 AI 调用以下工具。MCP 工具也可以在技能中引用，AI 会自动调用。

系统查询（只读）

工具	用途
get_system_status	获取系统状态概览
check_health	系统健康检查
get_providers	获取所有供应商
get_provider	获取单个供应商详情
get_proxies	获取所有代理
get_proxy	获取单个代理详情
get_key_health	获取密钥健康状态
get_usage_stats	获取用量统计
get_recent_requests	获取最近请求日志（支持按代理/状态/模型过滤）
get_system_logs	获取系统日志
get_settings	获取系统设置
get_config_history	获取配置版本历史
test_provider_keys	测试供应商密钥连通性
get_provider_models	获取供应商可用模型列表

文件操作

工具	用途	权限
read_file	读取文件内容	只读
list_directory	列出目录内容	只读
search_files	按 glob 模式搜索文件	只读
grep_search	按正则搜索文件内容	只读
write_file	写入文件	需审批
edit_file	精确替换文件内容	需审批
execute_command	执行系统命令	需审批

供应商管理

工具	用途
create_provider	创建供应商
update_provider	更新供应商配置
delete_provider	删除供应商

代理管理

工具	用途
create_proxy	创建并启动代理
update_proxy	更新代理配置
delete_proxy	删除代理
start_proxy	启动代理
stop_proxy	停止代理
start_all_proxies	启动所有代理
stop_all_proxies	停止所有代理

MCP 服务管理

工具	用途
get_mcp_servers	列出 MCP 服务及状态
add_mcp_server	添加 MCP 服务
update_mcp_server	更新 MCP 服务
delete_mcp_server	删除 MCP 服务
connect_mcp_server	连接 MCP 服务
disconnect_mcp_server	断开 MCP 服务
get_mcp_tools	列出已连接 MCP 服务的工具

技能管理

工具	用途
get_skills	列出所有技能
create_skill	创建新技能
update_skill	更新技能
delete_skill	删除技能
invoke_skill	调用技能获取指令

记忆系统

工具	用途
get_memory	查看所有记忆（含人设）
save_memory	保存记忆条目
read_memory	读取二级记忆条目详情
edit_memory	编辑或删除记忆条目
search_memory	按关键词搜索记忆条目
update_soul	更新智能体人设（SOUL.md）

配置管理

工具	用途
export_config	导出系统配置
import_config	导入配置（合并/覆盖）
rollback_config	回滚到历史配置版本
reconstruct_config	通过回溯差异链重建指定配置版本
get_config_diff	比较两个配置版本之间的差异
update_settings	更新系统设置
trigger_key_health_check	手动触发密钥健康检查

多智能体委派

工具	用途
delegate_task	委派子任务给子代理并行执行
list_agents	列出所有可用的代理身份
list_tasks	列出子任务（可按状态筛选）
get_task	获取子任务详情
stop_task	终止运行中的子任务
message_task	向已完成或失败的子任务追加消息

会话管理

工具	用途
list_conversations	列出所有历史会话
delete_conversation	删除指定会话
clear_conversation	清空会话消息历史

执行策略

工具	用途
get_exec_policy	获取当前执行策略概览
test_exec_policy	测试命令在当前策略下的决策结果

第五步：验证技能

技能创建完成后，需要验证其是否按预期工作：

1. 手动触发：输入 /技能名，检查 AI 是否按指令执行、输出是否符合模板
2. 自动触发：用自然语言提问（不带 /），测试触发条件是否精准匹配
3. 边界测试：用模糊或略有偏差的问题测试，确认不会误触发

如果验证失败，回到第四步修改 SKILL.md，然后再次验证。

第六步：迭代优化

用户测试技能后可能会要求改进。通常这发生在刚使用完技能之后，此时对技能的表现有最新鲜的感受。

迭代流程：

1. 用技能处理实际任务
2. 观察 AI 在哪里卡住或输出不符预期
3. 确定 SKILL.md 或配套资源需要如何更新
4. 实施修改并再次测试