菜单
Skill 创作标准化模板与最佳实践 - 从零创建高质量 Skill 的完整指南
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
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-guide |
| description | Skill 创作标准化模板与最佳实践 - 从零创建高质量 Skill 的完整指南 |
| priority | P1 |
| triggers | ["用户说\"创建一个 Skill\"","用户说\"保存为 Skill\"","用户说\"把这个流程变成 Skill\""] |
| auto_load | false |
Skill = 可复用的流程 + 已知陷阱 + 验证步骤
一个好的 Skill 应该：
---
name: skill-name
description: 一句话描述这个 Skill 做什么（不超过80字符）
priority: P0|P1|P2|P3
triggers:
- 触发条件1
- 触发条件2
- 触发条件3
auto_load: true|false
---
# Skill 标题
## 核心目标
（1-2句话说明这个 Skill 解决什么问题）
## 标准流程
### 步骤 1: [标题]
- 具体操作
- 关键参数
- 预期输出
### 步骤 2: [标题]
...
## 关键参数
| 参数 | 说明 | 默认值 |
|------|------|--------|
| param1 | 用途 | default |
## 已知陷阱
### ⚠️ 陷阱1：[标题]
- **表现**：错误的样子
- **原因**：为什么会出现
- **解决**：正确的做法
## 验证清单
- [ ] 检查项1
- [ ] 检查项2
- [ ] 检查项3
## 相关技能
- `related-skill-1`
- `related-skill-2`
| 字段 | 必填 | 说明 |
|---|---|---|
name | ✅ | Skill 标识符，小写+连字符，如 market-data-fetch |
description | ✅ | 一句话描述，不超过80字符 |
priority | ✅ | P0（最高）到 P3（最低） |
triggers | ✅ | 触发条件列表，用于自动匹配 |
auto_load | ✅ | 是否在会话开始时自动加载 |
| 优先级 | 含义 | 示例 |
|---|---|---|
| P0 | 强制执行，不可绕过 | 时间锚定宪法 |
| P1 | 核心流程，建议加载 | 市场分析流程 |
| P2 | 辅助流程，按需加载 | 报告生成 |
| P3 | 可选增强 | 格式美化 |
## 已知陷阱
### ⚠️ 数据源返回空值
- **表现**：web_search 返回 "No results found"
- **原因**：搜索关键词缺少日期或时间节点
- **解决**：构建关键词时必须包含 "YYYY年MM月DD日" 格式
## 验证清单
- [ ] 数据时间戳匹配当前市场状态
- [ ] 至少3个独立数据源
- [ ] 所有数据已标注来源和可信度
## 流程
1. 获取数据
2. 分析数据
3. 输出结果
问题：
何时创建 Skill：
必须包含：
建议包含：
# 安装后测试
hermes skills install <skill-name>
hermes -s <skill-name> # 显式加载测试
# 检查 Skill 质量
skill_view(name="<skill-name>")
场景：每次获取股价都需要重复相同的验证流程
创建：
---
name: stock-price-fetch
description: 获取股票价格并进行时间戳验证
priority: P1
triggers:
- 用户问股价
- 用户问行情
- 用户问涨跌
auto_load: false
---
# 股票价格获取流程
## 核心目标
获取指定股票的实时价格，并验证数据时间戳的准确性。
## 标准流程
### 步骤 1: 确认股票代码
- 检查代码格式（A股：000001.SZ，美股：AAPL.US）
- 确认市场（A股/美股/港股）
### 步骤 2: 构建搜索关键词
- A股："{股票名} 股价 YYYY年MM月DD日"
- 美股："{股票代码} stock price {YYYY-MM-DD}"
### 步骤 3: 获取数据
- 优先使用 AkShare API（A股）
- 备选 web_search
### 步骤 4: 验证时间戳
- 检查数据日期是否匹配当前日期
- 不匹配则重新获取
## 已知陷阱
### ⚠️ 用昨天的收盘数据凑数
- **表现**：盘前获取到昨天的收盘价
- **原因**：今日数据尚未更新
- **解决**：明确告知用户"这是昨日收盘数据"
## 验证清单
- [ ] 股票代码格式正确
- [ ] 数据时间戳已验证
- [ ] 数据来源已标注
# 统计总数
find skills -name 'SKILL.md' -type f | wc -l
# 查找大文件（>400行，优先优化）
find skills -name 'SKILL.md' -type f -exec wc -l {} \; | awk '$1 > 400 {print $1, $2}' | sort -rn
# 查找缺少排除条款的 Skills
grep -L 'Do NOT use' skills/*/SKILL.md skills/*/*/SKILL.md
# 查找缺少 Known Gotchas 的 Skills
grep -L 'Known Gotchas' skills/*/SKILL.md skills/*/*/SKILL.md
# 按类别统计
find skills -name 'SKILL.md' -type f -exec dirname {} \; | sed 's|skills/||' | cut -d'/' -f1 | sort | uniq -c | sort -rn
优先级矩阵：
| 优先级 | 标准 | 示例 |
|---|---|---|
| P0 | 基础设施 + 大文件 + 高频依赖 | stock-data-acquisition, hermes-agent |
| P1 | 核心功能 + 中等文件 | supervisor-mode, global-constraints |
| P2 | 辅助功能 + 小文件 | huashu-design, grid-trading-system |
决策规则：
必须添加：
排除条款（Do NOT use for）：
description: |
核心功能描述。
Use when: 触发词1, 触发词2, 触发词3.
Do NOT use for:
- 不适用场景1（原因）
- 不适用场景2（替代方案）
Known Gotchas（实际失败案例）：
## ⚠️ Known Gotchas
### 类别名称
- **问题标题**: 简短描述
```python
# 错误示例
❌ 错误代码
# 正确示例
✅ 正确代码
触发词（keywords + triggers）：
keywords:
- 关键词1
- 关键词2
triggers:
- 触发词1
- 触发词2
Gotchas 编写原则：
MAJOR.MINOR.PATCH
- MAJOR: 架构重构、功能大改
- MINOR: 新增排除条款、Gotchas、触发词
- PATCH: 小修复、文档更新
示例：
v2.0.0 → v2.1.0（新增 Gotchas）v2.1.0 → v2.1.1（修复拼写错误）# 统计优化成果
git add -A
git commit -m "feat: 完成 Top N 核心 Skills 优化
✅ 已完成 N/M：
1. skill-name-1 (v1.0.0 → 1.1.0)
- 排除条款：...
- Known Gotchas：X条
...
优化成果：
- ✅ N 个核心 Skills 全部添加排除条款
- ✅ N 个核心 Skills 全部添加 Known Gotchas
- ✅ 总计 X+ 条 Known Gotchas
预期收益：
- 触发准确率提升 30%+
- 失败预防提升 40%+
- Token 节省 ~10K/会话"
背景：
优化目标：Top 5 高频核心 Skills
优化结果：
| Skill | 版本升级 | 排除条款 | Known Gotchas |
|---|---|---|---|
github-repo-management | 1.1.0 → 1.2.0 | ✅ | 14 条 |
humanizer | 2.5.1 → 2.5.2 | ✅ | 15 条 |
grid-trading-monitor | 1.0.0 → 1.1.0 | ✅ | 16 条 |
stock-analysis-framework | 2.0.0 → 2.1.0 | ✅ | 20+ 条 |
hermes-agent | 2.1.0 → 2.2.0 | ✅ | 20+ 条 |
总计：85+ Known Gotchas，Git 已推送
经验教训：
# 查看现有 Skill
skill_view(name="skill-name")
# 更新 Skill
skill_manage(action="patch", name="skill-name", old_string="...", new_string="...")
# 完整重写（谨慎使用）
skill_manage(action="edit", name="skill-name", content="...")
# 添加参考文件
skill_manage(action="write_file", name="skill-name", file_path="references/topic.md", file_content="...")
当 Skill 涉及以下内容时，应该创建独立的 references 文件：
示例：
wechat-article-learning/references/wechat-extraction-techniques.md
hermes-agent - Hermes Agent 完整指南time-anchor-constitution - 时间锚定宪法（P0）hierarchical-memory-system - 分层记忆系统skill-authoring-quality - Skill 创作质量标准（Done When + 上下文发现）references/known-gotchas-best-practices.md - Known Gotchas 编写最佳实践（必读）references/batch-optimization-case-study-2026-05-05.md - 批量优化实战案例（本次会话完整记录）核心思想：从"我猜我做完了"变成"我能确认我做完了"
每个 Skill 应该包含 Done When 章节，定义明确的完成判据：
示例：
## ✅ Done When 完成判据
### 必检项（全部满足才算完成）
- [ ] **时间锚定已验证**
- 当前时间已获取
- 市场状态已判断
- **验证方法**：`datetime.now()` 返回正确值
- [ ] **数据来源已标注**
- 数据源已确定
- 时间戳已标注
- **验证方法**：输出包含「来源: 时间戳」
### 失败处理
| 失败场景 | 处理路径 | 用户提示 |
|---------|---------|---------|
| 数据源失败 | 切换备用源 | ⚠️ 主源失败，已切换 |
### 自检代码示例
```python
def verify_done_when():
# 具体验证逻辑
return True
**参考**：`skill-authoring-quality` Skill 包含完整的 Done When 设计方法论。
---
### 上下文发现机制
**核心思想**：自动发现相关上下文，减少显式引用
当 Skill 涉及多个数据源或复杂上下文时，可以配置**触发词**：
```yaml
# 在 ~/.hermes/context_triggers.yaml 中配置
triggers:
- pattern: '\d{6}\.(SH|SZ)'
type: regex
actions:
- mempalace_search
- skill_load: stock-data-acquisition
priority: high
效果：
参考：skill-authoring-quality/references/context-discovery-technical-details.md 包含完整技术实现。