⚡

技能创建器Skill skill-creator

本技能是用于创建和更新Codex AI代理技能的指南，提供专业工作流程、工具集成和资源管理，帮助用户设计高效技能。关键词：技能创建、AI代理、工作流设计、工具集成、Codex扩展、技能开发、人工智能应用、智能体技能

AI智能体 0 次安装 0 次浏览 更新于 3/9/2026

name: skill-creator 描述: 创建有效技能的指南。当用户想要创建新技能（或更新现有技能）以扩展Codex的能力，通过专业知识、工作流程或工具集成时，应使用此技能。 元数据: 简短描述: 创建或更新技能

技能创建器

此技能提供创建有效技能的指导。

关于技能

技能是模块化、自包含的文件夹，通过提供专业知识、工作流程和工具来扩展Codex的能力。将它们视为特定领域或任务的“入门指南”——它们将Codex从通用代理转变为具备过程知识的专业化代理，这些知识是任何模型都无法完全拥有的。

技能提供什么

  1. 专业化工作流程 - 针对特定领域的多步骤程序
  2. 工具集成 - 用于处理特定文件格式或API的说明
  3. 领域专业知识 - 公司特定知识、模式、业务逻辑
  4. 捆绑资源 - 用于复杂和重复任务的脚本、参考和资产

核心原则

简洁是关键

上下文窗口是公共资源。技能与Codex所需的一切共享上下文窗口：系统提示、对话历史、其他技能的元数据以及实际用户请求。

默认假设：Codex已经非常智能。 仅添加Codex尚不具备的上下文。质疑每一条信息：“Codex真的需要这个解释吗？”和“这段落是否证明其令牌成本合理？”

优先使用简洁示例而非冗长解释。

设置适当的自由度

匹配具体性级别与任务的脆弱性和可变性：

高自由度（基于文本的指令）：当多种方法有效、决策依赖上下文或启发式指导方法时使用。

中等自由度（伪代码或带参数的脚本）：当存在首选模式、可接受一些变化或配置影响行为时使用。

低自由度（特定脚本，少量参数）：当操作脆弱易错、一致性至关重要或必须遵循特定序列时使用。

将Codex视为探索路径：狭窄桥梁有悬崖需要具体护栏（低自由度），而开阔田野允许多条路线（高自由度）。

技能结构

每个技能由必需的SKILL.md文件和可选捆绑资源组成：

技能名称/
├── SKILL.md（必需）
│   ├── YAML frontmatter元数据（必需）
│   │   ├── name:（必需）
│   │   └── description:（必需）
│   └── Markdown指令（必需）
├── agents/（推荐）
│   └── openai.yaml - 用于技能列表和芯片的UI元数据
└── 捆绑资源（可选）
    ├── scripts/          - 可执行代码（Python/Bash等）
    ├── references/       - 文档，旨在根据需要加载到上下文中
    └── assets/           - 用于输出的文件（模板、图标、字体等）

SKILL.md（必需）

每个SKILL.md包含：

  • Frontmatter（YAML）：包含name和description字段。这些是Codex读取以确定技能使用时的唯一字段，因此描述技能是什么以及何时应使用非常重要，需清晰全面。
  • 正文（Markdown）：使用技能的指令和指导。仅在技能触发后加载（如果有）。

Agents元数据（推荐）

  • 面向UI的元数据，用于技能列表和芯片
  • 生成值前阅读references/openai_yaml.md并遵循其描述和约束
  • 创建：通过阅读技能生成面向人类的display_name、short_description和default_prompt
  • 确定性生成：通过将值作为--interface key=value传递给scripts/generate_openai_yaml.py或scripts/init_skill.py
  • 更新时：验证agents/openai.yaml是否仍与SKILL.md匹配；如果过时则重新生成
  • 仅当明确提供时才包含其他可选接口字段（图标、品牌颜色）
  • 有关字段定义和示例，请参阅references/openai_yaml.md

捆绑资源（可选）

脚本（scripts/）

用于需要确定性可靠性或重复重写任务的可执行代码（Python/Bash等）。

  • 何时包含：当相同代码被重复重写或需要确定性可靠性时
  • 示例：用于PDF旋转任务的scripts/rotate_pdf.py
  • 好处：令牌高效、确定性，可以在不加载到上下文的情况下执行
  • 注意：脚本可能仍需要Codex读取以进行修补或环境特定调整
参考（references/）

文档和参考材料，旨在根据需要加载到上下文中，以告知Codex的过程和思考。

  • 何时包含：用于Codex在工作时应参考的文档
  • 示例：用于金融模式的references/finance.md、用于公司NDA模板的references/mnda.md、用于公司政策的references/policies.md、用于API规范的references/api_docs.md
  • 用例：数据库模式、API文档、领域知识、公司政策、详细工作流程指南
  • 好处：保持SKILL.md精简，仅在Codex确定需要时加载
  • 最佳实践：如果文件较大（>10k字），在SKILL.md中包含grep搜索模式
  • 避免重复：信息应位于SKILL.md或参考文件中，而不是两者。除非确实是技能核心，否则更倾向于使用参考文件处理详细信息——这保持SKILL.md精简，同时使信息可发现而不占用上下文窗口。仅在SKILL.md中保留基本过程指令和工作流程指导；将详细参考材料、模式和示例移动到参考文件中。
资产（assets/）

不打算加载到上下文中的文件，而是在Codex产生的输出中使用。

  • 何时包含：当技能需要用于最终输出的文件时
  • 示例：用于品牌资产的assets/logo.png、用于PowerPoint模板的assets/slides.pptx、用于HTML/React样板代码的assets/frontend-template/、用于字体的assets/font.ttf
  • 用例：模板、图像、图标、样板代码、字体、被复制或修改的示例文档
  • 好处：将输出资源与文档分离，使Codex能够使用文件而无需加载到上下文中

技能中不应包含什么

技能应仅包含直接支持其功能的必要文件。请勿创建额外文档或辅助文件，包括：

技能应仅包含AI代理完成手头任务所需的信息。不应包含有关创建过程、设置和测试程序、面向用户的文档等的辅助上下文。创建额外文档文件只会增加混乱和困惑。

渐进式披露设计原则

技能使用三级加载系统以高效管理上下文：

  1. 元数据（名称 + 描述） - 始终在上下文中（约100字）
  2. SKILL.md正文 - 当技能触发时（<5k字）
  3. 捆绑资源 - 根据Codex需要（无限，因为脚本可以在不读取到上下文窗口的情况下执行）

渐进式披露模式

保持SKILL.md正文精简，最多500行，以最小化上下文膨胀。接近此限制时，将内容拆分到单独文件。拆分内容到其他文件时，从SKILL.md引用它们并清楚描述何时阅读，以确保技能读者知道它们存在以及何时使用它们。

关键原则：当技能支持多种变体、框架或选项时，仅在SKILL.md中保留核心工作流程和选择指导。将变体特定细节（模式、示例、配置）移动到单独的参考文件中。

模式1：带有参考的高级指南

# PDF处理

## 快速开始

使用pdfplumber提取文本：
[代码示例]

## 高级功能

- **表单填写**：参见[FORMS.md](FORMS.md)获取完整指南
- **API参考**：参见[REFERENCE.md](REFERENCE.md)获取所有方法
- **示例**：参见[EXAMPLES.md](EXAMPLES.md)获取常见模式

Codex仅在需要时加载FORMS.md、REFERENCE.md或EXAMPLES.md。

模式2：领域特定组织

对于具有多个领域的技能，按领域组织内容以避免加载无关上下文：

bigquery-skill/
├── SKILL.md（概述和导航）
└── reference/
    ├── finance.md（收入、计费指标）
    ├── sales.md（机会、管道）
    ├── product.md（API使用、功能）
    └── marketing.md（活动、归因）

当用户询问销售指标时，Codex仅读取sales.md。

类似地，对于支持多个框架或变体的技能，按变体组织：

cloud-deploy/
├── SKILL.md（工作流程 + 提供商选择）
└── references/
    ├── aws.md（AWS部署模式）
    ├── gcp.md（GCP部署模式）
    └── azure.md（Azure部署模式）

当用户选择AWS时，Codex仅读取aws.md。

模式3：条件细节

显示基本内容，链接到高级内容：

# DOCX处理

## 创建文档

使用docx-js创建新文档。参见[DOCX-JS.md](DOCX-JS.md)。

## 编辑文档

对于简单编辑，直接修改XML。

**对于跟踪更改**：参见[REDLINING.md](REDLINING.md)
**对于OOXML细节**：参见[OOXML.md](OOXML.md)

Codex仅在用户需要这些功能时读取REDLINING.md或OOXML.md。

重要指南：

  • 避免深度嵌套引用 - 保持引用从SKILL.md一级深度。所有参考文件应从SKILL.md直接链接。
  • 结构化较长参考文件 - 对于超过100行的文件，在顶部包含目录，以便Codex在预览时看到完整范围。

技能创建过程

技能创建涉及以下步骤：

  1. 通过具体示例理解技能
  2. 规划可重用技能内容（脚本、参考、资产）
  3. 初始化技能（运行init_skill.py）
  4. 编辑技能（实现资源和编写SKILL.md）
  5. 验证技能（运行quick_validate.py）
  6. 基于实际使用迭代

按顺序遵循这些步骤，仅当有明确理由不适用时跳过。

技能命名

  • 仅使用小写字母、数字和连字符；将用户提供的标题标准化为连字符大小写（例如，“Plan Mode” -> plan-mode）。
  • 生成名称时，生成一个不超过64个字符的名称（字母、数字、连字符）。
  • 优先使用短小、以动词引导的短语描述动作。
  • 当提高清晰度或触发时，按工具命名空间（例如，gh-address-comments、linear-address-issue）。
  • 技能文件夹名称与技能名称完全相同。

步骤1：通过具体示例理解技能

仅当技能使用模式已清晰理解时跳过此步骤。即使在处理现有技能时，它仍然有价值。

要创建有效技能，清楚地理解技能将如何使用的具体示例。这种理解可以来自直接用户示例或经用户反馈验证的生成示例。

例如，构建图像编辑器技能时，相关问题包括：

  • “图像编辑器技能应支持什么功能？编辑、旋转，还有其他吗？”
  • “你能给出一些此技能如何使用的示例吗？”
  • “我可以想象用户会问诸如‘从这张图像中去除红眼’或‘旋转这张图像’之类的事情。你想象此技能还有哪些其他使用方式？”
  • “用户说什么会触发此技能？”

为避免让用户不知所措，避免在单条消息中问太多问题。从最重要的问题开始，根据需要跟进以提高效果。

当对技能应支持的功能有清晰认识时，结束此步骤。

步骤2：规划可重用技能内容

要将具体示例转化为有效技能，分析每个示例：

  1. 考虑如何从零开始执行示例
  2. 识别执行这些工作流程重复时哪些脚本、参考和资产会有帮助

示例：构建处理“帮我旋转此PDF”等查询的pdf-editor技能时，分析显示：

  1. 旋转PDF每次需要重写相同代码
  2. 在技能中存储scripts/rotate_pdf.py脚本会有帮助

示例：设计用于“为我构建待办事项应用”或“为我构建跟踪步数的仪表板”等查询的frontend-webapp-builder技能时，分析显示：

  1. 编写前端Web应用每次需要相同样板HTML/React
  2. 在技能中存储包含样板HTML/React项目文件的assets/hello-world/模板会有帮助

示例：构建处理“今天有多少用户登录？”等查询的big-query技能时，分析显示：

  1. 查询BigQuery每次需要重新发现表模式和关系
  2. 在技能中存储记录表模式的references/schema.md文件会有帮助

要建立技能内容，分析每个具体示例以创建要包含的可重用资源列表：脚本、参考和资产。

步骤3：初始化技能

此时，是时候实际创建技能了。

仅当开发的技能已存在时跳过此步骤。在这种情况下，继续下一步。

从零创建新技能时，始终运行init_skill.py脚本。该脚本方便地生成一个新的模板技能目录，自动包含技能所需的一切，使技能创建过程更高效可靠。

用法：

scripts/init_skill.py <技能名称> --path <输出目录> [--resources scripts,references,assets] [--examples]

示例：

scripts/init_skill.py my-skill --path skills/public
scripts/init_skill.py my-skill --path skills/public --resources scripts,references
scripts/init_skill.py my-skill --path skills/public --resources scripts --examples

脚本：

  • 在指定路径创建技能目录
  • 使用适当的frontmatter和TODO占位符生成SKILL.md模板
  • 使用通过--interface key=value传递的代理生成display_name、short_description和default_prompt创建agents/openai.yaml
  • 可选地基于--resources创建资源目录
  • 当设置--examples时，可选添加示例文件

初始化后，根据需要自定义SKILL.md并添加资源。如果使用了--examples，替换或删除占位文件。

通过阅读技能生成display_name、short_description和default_prompt，然后将它们作为--interface key=value传递给init_skill.py或重新生成：

scripts/generate_openai_yaml.py <路径/到/技能文件夹> --interface key=value

仅当用户明确提供时才包含其他可选接口字段。有关完整字段描述和示例，请参阅references/openai_yaml.md。

步骤4：编辑技能

当编辑（新生成或现有）技能时，记住技能是为另一个Codex实例使用而创建的。包含对另一个Codex实例有益且不显而易见的信息。考虑哪些过程知识、领域特定细节或可重用资产会帮助另一个Codex实例更有效地执行这些任务。

学习经过验证的设计模式

根据技能需求参考这些有用指南：

  • 多步骤过程：参见references/workflows.md获取顺序工作流程和条件逻辑
  • 特定输出格式或质量标准：参见references/output-patterns.md获取模板和示例模式

这些文件包含有效技能设计的既定最佳实践。

从可重用技能内容开始

要开始实施，从上述识别的可重用资源开始：scripts/、references/和assets/文件。注意，此步骤可能需要用户输入。例如，实施brand-guidelines技能时，用户可能需要提供品牌资产或模板存储在assets/中，或文档存储在references/中。

添加的脚本必须通过实际运行来测试，以确保没有错误且输出符合预期。如果有许多类似脚本，只需测试代表性样本以确保所有工作，同时平衡完成时间。

如果使用了--examples，删除技能不需要的任何占位文件。仅创建实际需要的资源目录。

更新SKILL.md

编写指南：始终使用命令式或不定式形式。

Frontmatter

使用name和description编写YAML frontmatter：

  • name：技能名称
  • description：这是技能的主要触发机制，帮助Codex理解何时使用技能。
    • 包括技能做什么以及何时使用的具体触发器/上下文。
    • 在此包含所有“何时使用”信息——不要在正文中。正文仅在触发后加载，因此正文中的“何时使用此技能”部分对Codex无帮助。
    • 例如，docx技能的描述：“全面的文档创建、编辑和分析，支持跟踪更改、注释、格式保留和文本提取。当Codex需要处理专业文档（.docx文件）时使用： (1) 创建新文档， (2) 修改或编辑内容， (3) 处理跟踪更改， (4) 添加注释，或任何其他文档任务”

不要在YAML frontmatter中包含任何其他字段。

正文

编写使用技能及其捆绑资源的指令。

步骤5：验证技能

一旦技能开发完成，验证技能文件夹以早期捕捉基本问题：

scripts/quick_validate.py <路径/到/技能文件夹>

验证脚本检查YAML frontmatter格式、必需字段和命名规则。如果验证失败，修复报告的问题并再次运行命令。

步骤6：迭代

测试技能后，用户可能请求改进。通常这发生在使用技能后，对技能表现有新鲜上下文时。

迭代工作流程：

  1. 在实际任务中使用技能
  2. 注意困难或低效之处
  3. 识别SKILL.md或捆绑资源应如何更新
  4. 实施更改并再次测试