工作流程技能怎么写？从7个精品项目中提炼的模式与最佳实践

楔子

今天分享的这篇文章，在阿里巴巴和蚂蚁集团内部的技术分享平台ATA上，热度远超想象。

可见大家在工作中，想把自己的复杂工作流程/SOP（标准操作程序）写成Skill时，会所遇到不知道怎么写，以及写完之后Skill运行不符合预期的情况。

在这篇文章中，青斧大佬分析了7个最顶尖的技能案例，并根据分析结果总结了5种工作流技能的设计模式。

经过作者青斧的授权，在这里把文章分享给大家，希望大家在构建自己的工作流程技能时，也能够收获一些启发~

还有什么？

大家其实可以让你的通用Agent（如Claude Code）根据本文文章的内容，快速Vibe出一个SOP智能分析工具，根据SOP文档，选择最适合的技能模式生成对应技能。

同时进行沙盘成绩，一步到位~

欢迎大家关注OceanBase社区公众号“老纪的技术唠嗑局”，在这里，我们将持续为大家更新与 [#AI](javascript:😉 和 [#Data](javascript:😉 相关的技术内容~

话不多说，正文开始。

本文基于对 7 个来自 OpenAI、Google Labs、obra、Trail of Bits、Dean Peters 等团队生产级技能的逐行分析，提炼出的可复用的五种技能设计模式、写作技巧和反面教训。

一、技能是什么

大家对技能基本都有所了解，这里只言简意赅地提两句。

Skill 是一个文件夹，核心是 SKILL.md 文件，使用 YAML frontmatter + Markdown 正文 的格式。当 LLM 判断需要某个 Skill 时，会调用 skill 工具加载它，SKILL.md 的全部内容会作为工具结果注入到对话上下文中，LLM 读到后自主决定怎么执行。

my-skill/

├── SKILL.md         
# 主文件（必须）

├── scripts/         
# 可执行脚本（可选）

├── references/      
# 详细参考文档（可选，按需加载）

├── resources/       
# 模板、清单等资源（可选）

└── examples/        
# 示例（可选）

关键机制：技能本质是“知识注入”——它不会动态生成新工具，而是把指令文本注入到LLM的上下文中，LLM使用已有的工具（bash、read、edit等）来执行这些指令。

技能文件结构

二、Frontmatter：决定技能是否被加载的“门面”

2.1 必填字段

|
字段
|
作用
|
效果
|
| --- | --- | --- |
| name |
唯一标识符，小写连字符
| test-driven-development |
| description | 最关键
——LLM通过决定是否加载
|
见下方对比
|

2.2 写法决定加载率说明

# 好的 description — 包含触发短语和关键词

description:
Deploy
applications
and
websites
to
Vercel.
Use
when
the
user

requests
deployment
actions
like
"deploy my app"
,
"push this live"
,

or
"create a preview deployment"
.


# 好的 description — 定义时序位置

description:
Use
when
implementing
any
feature
or
bugfix,
before
writing

implementation
code


# 差的 description — 太模糊

description:
Helps
with
deployment
stuff

核心原则：

引用触发脚本：把用户可能说的话写进去（“部署我的应用程序”、“推送此活动”）
定义尺寸：说明“在什么之前/之后”使用（“编写实现代码之前”）
包含产品关键词：如果覆盖大平台，把所有产品名上市来

2.3 可选扩展字段

从7个技能中观察到的扩展字段：

|
字段
|
来源
|
作用
|
| --- | --- | --- |
| references |
OpenCode Cloudflare
|
声明最重要的参考文档
|
| allowed-tools |
Google Labs缝合环
|
需要声明的工具权限
|
| type |
迪恩·彼得斯发现过程
|
声明技能类型（工作流程/组件）
|
| best_for |
迪恩·彼得斯发现过程
|
最适合的场景列表
|
| scenarios |
迪恩·彼得斯发现过程
|
具体的触发场景示例
|
| estimated_time |
迪恩·彼得斯发现过程
|
股票支付时间
|

三、5种核心设计模式

5种核心设计模式

模式1：线性流程

适用：场景部署、安装、迁移等具有明确的步骤操作。

代表：openai/skills — vercel-deploy [1]（77行）

结构：

# 标题

## Prerequisites（前置条件）

## Quick Start（主流程：Step 1 → 2 → 3）

## Fallback（降级方案）

## Troubleshooting（故障排除）

关键技巧：

|
技巧
|
效果
|
为什么有效
|
| --- | --- | --- |
|
安全默认值
|
“始终部署为预览版，而非生产环境”
|
防止法学硕士进行危险操作
|
|
具体命令
|
每步给出可直接执行的 bash 命令
|
LLM 不需要猜测
|
|
超时提示
|
“使用 10 分钟（600000 毫秒）超时”
|
防止LLM因超时中断
|
|
降级方案
|
CLI 失败有后备脚本
|
提供B计划
|
|
负面指令
|
不要使用 curl 命令验证已部署的 URL。
|
明确禁止不该做的事
|

适用判断：如果你的技能可以用“先做A，再做B，最后做C”描述，就用线性模型。

线性流程模式

模式2：决策树+阶梯加载

适用包括：大型平台选型、产品导航、问题诊断。

代表：openai/skills — cloudflare-deploy [2]（224行）

结构：

# 标题

## Authentication（认证前置）

## Quick Decision Trees（决策树）

### "I need to run code"（按用户意图分类）

### "I need to store data"

### "I need AI/ML"

## Product Index（产品索引表）

关键技巧：

|
技巧
|
效果
|
为什么有效
|
| --- | --- | --- |
|
用户意图分类
|
“我需要运行代码” 而不是 “计算产品”
|
使用语言用户技术术语
|
|
树形导航
| ├─ 边缘无服务器函数 → workers/ |
LLM 快速定位正确产品
|
|
渐进式披露
|
主文件 7KB，参考文献/ 展开到几十万字
|
不浪费上下文窗口
|
|
产品指数表
|
产品 → 参考的映射表
|
构造的快速查找
|

适用判断：如果你的技能覆盖的知识域有10+个分支，且每个分支都有大量详细文档，就用决策树模式。

决策树模式

进阶：同一个知识域可以拆成两个技能——

导航型（cloudflare）：只做选型，不涉及操作
操作型（cloudflare-deploy）：包含认证、命令、故障排除

模式3：循环迭代

适用场景：TDD、代码审查、设计评审等需要反复执行的流程。

代表：obra/superpowers — 测试驱动开发[3]（371行）

结构：

# 标题

## The Iron Law（铁律——不可违反的核心原则）

## Red-Green-Refactor（循环体）

### RED — 写失败的测试

### Verify RED — 验证确实失败

### GREEN — 写最少的代码

### Verify GREEN — 验证确实通过

### REFACTOR — 清理

### Repeat（回到 RED）

## Common Rationalizations（借口反驳表）

## Verification Checklist（退出条件）

关键技巧：

|
技巧
|
效果
|
为什么有效
|
| --- | --- | --- |
|
强硬语气
|
删除它，重新开始。
|
LLM倾向“灵活变通”，强硬语气提高服从率
|
|
好/坏对比
|
使用 <Good> 和 <Bad> 标签概括代码示例
|
对比教学效果最好
|
|
借口反驳表
|
预判LLM可能的12种偷懒借口并逐一反驳
|
堵死所有逃生路径
|
|
验证清单
|
8 项清单作为循环退出条件
|
确保质量达标才能结束
|
|
人体兜底
|
“问问你的人类伙伴”
|
空闲时兼职人
|

适用判断：如果你的技能需要LLM反复执行“做→验证→改进”的循环，就用迭代模式。

循环迭代模式

模式4：接力棒循环（跨会话持久化）

适用：场景多次迭代的长期项目，需要跨多个会话持续工作。

代表：google-labs-code/stitch-skills —stitch-loop [4]（203行）

结构：

# 标题

## Overview（接力棒模式概述）

## The Baton System（接力棒文件规范）

## Execution Protocol（6 步执行协议）

### Step 1: Read the Baton（读接力棒）

### Step 2: Consult Context Files（查阅上下文）

### Step 3: Generate（执行任务）

### Step 4: Integrate（集成结果）

### Step 5: Update Documentation（更新文档）

### Step 6: Prepare the Next Baton ⚠️（写下一个接力棒——关键！）

## File Structure Reference（文件协议）

## Orchestration Options（编排方式）

关键技巧：

|
技巧
|
效果
|
为什么有效
|
| --- | --- | --- |
|
文件即状态
| next-prompt.md
作为接力棒
|
LLM不必记得“模仿哪了”
|
|
续命机制
|
步骤 6 标记为 Critical + MUST
|
忘记写接力棒循环就断了
|
|
文件协议
|
每份文件都有明确的职责
|
LLM按协议读写文件
|
|
编排关联
|
CI/CD、人在回路、Agent链驱动驱动
|
相同的技能配备多种自动化环境
|

适用判断：如果你的技能需要跨多个会话持续工作，或者需要多个代理协作，就用接力棒模式。

接力棒循环模式

与模式3的区别：

|
维度
|
循环迭代（TDD）
|
接力棒循环（Stitch Loop）
|
| --- | --- | --- |
|
状态存储
|
LLM对话上下文
|
外部文件系统
|
|
跨会话
|
❌
|
✅
|
|
循环退出
|
清单全部打勾
|
路线图清空
|
|
适用时长
|
单次会话（分钟~小时）
|
长期项目（天~周）
|

模式5：多阶段+检查点+技能编排

适用场景：复杂的多周流程，需要在关键节点做Go/No-Go决策。

代表：deanpeters/Product-Manager-Skills — discovery-process [5]（502行）

结构：

# 标题

## Key Concepts（核心概念 + 反模式）

## Phase 1: Frame the Problem（阶段 1）

### Activities（调用哪些子 Skill）

### Outputs（阶段产出）

### Decision Point 1（检查点：YES/NO + 时间影响）

## Phase 2-6...（重复相同结构）

## Complete Workflow（端到端时间线）

## Common Pitfalls（常见陷阱）

## References（引用的子 Skill 列表）

关键技巧：

|
技巧
|
效果
|
为什么有效
|
| --- | --- | --- |
|
统一阶段模板
|
每个阶段都有活动 → 输出 → 决策点
|
LLM 理解快速结构
|
|
决策检查点
|
"达到灌溉了吗？YES → 下一阶段，NO → +1 周"
|
防止盲目推进
|
|
技能编排
|
调度10+个子技能完成各个阶段
|
编排器模式，大技能调度小技能
|
|
时间影响
|
每个NO路径标注“+2-3天”、“+1周”
|
让我们了解用户延迟成本
|
|
相互协议分离
|
引用 workshop-facilitation 定义交互方式
|
关注点分离
|

适用判断：如果你的技能跨越多天/多周，有明确的阶段划分和Go/No-Go决策点，就用多阶段模式。

多级检查点模式

特殊模式：思维框架（控制LLM“怎么想”）

适用：安全审计、代码审查、架构分析等需要深度思考的场景。

代表：Trailofbits/skills —audit-context-building [6]（302行）

结构：

# 标题

## Purpose（定位：控制思维方式，不是控制行为）

## When to Use / When NOT to Use

## Rationalizations（借口反驳表）

## Phase 1: Initial Orientation（定向扫描）

## Phase 2: Ultra-Granular Function Analysis（逐行分析——核心）

### Per-Function Checklist（函数微分析清单）

### Cross-Function Flow Analysis（跨函数追踪）

### Output Requirements（输出格式 + 量化阈值）

### Completeness Checklist（完整性检查）

## Phase 3: Global System Understanding（全局理解）

## Stability Rules（反幻觉规则）

## Non-Goals（明确禁止做的事）

关键技巧：

|
技巧
|
效果
|
为什么有效
|
| --- | --- | --- |
|
思维工具
|
第一性原理、5个为什么、5个如何
|
给 LLM 分析框架具体命令
|
|
确定阈值
|
"每个函数最少 3 个不变量、5 个假设"
|
强制LLM达到足够的分析深度
|
|
非目标约束
|
“不要识别漏洞、不要提出修复”
|
克制LLM最尝试的事，先理解再判断
|
|
反幻觉规则
|
“永远不要为了迎合先前的假设而篡改证据”
|
防止LLM自我欺骗
|
|
子代理指导
|
当以及如何使用函数分析器代理
|
分而治之
|

适用判断：如果你的技能需要LLM进行深度分析而不是快速执行，需要控制的是“思维质量”而不是“操作步骤”，就用思维框架模式。

四、通用写作技巧

4.1 防止LLM偷懒的4种武器

防止LLM偷懒的4种武器

|
武器
|
原理
|
示例来源
|
| --- | --- | --- |
|
强硬语气
|
LLM对命令式语气的服从率更高
|
TDD：“删除它，重新开始。”
|
|
借口反驳表
|
预判LLM的自我合理化路径并堵死
|
TDD：12种借口+反驳；审核：6种借口
|
|
确定阈值
|
硬性给出的最低标准
|
审计：“最少3个不变量、5个假设”
|
|
负面指令
|
明确表示“不要做X”
|
vercel-deploy：“不要使用 curl 命令访问 URL”
|

4.2 教学的三种有效方式

|
方式
|
原理
|
示例来源
|
| --- | --- | --- |
|
好/坏对比
|
对比学习效果最好
|
TDD：<Good> vs <Bad> 代码示例
|
|
具体命令
|
LLM擅长执行具体指令
|
vercel-deploy：每步都有 bash 命令
|
|
完整示例
|
展示期望的输出格式
|
审计：引用 FUNCTION_MICRO_ANALYSIS_EXAMPLE.md
|

4.3 安全与边界的3条原则

|
原则
|
做法
|
示例来源
|
| --- | --- | --- |
|
安全默认值
|
默认选择最安全的选项
|
vercel-deploy：“始终以预览方式部署”
|
|
权限最小化
|
仅在必要时提升权限
|
vercel-deploy：“不要升级安装检查”
|
|
人体兜底
|
空闲时兼职人
|
TDD：“询问你的人类伙伴”
|

4.4 知识组织的3层架构

知识组织 3 层架构

第1层：Frontmatter（~100 tokens）→ LLM 扫描所有技能的描述，决定是否加载
第2层：SKILL.md正文（<5K tokens）→核心指令、决策树、流程步骤
第 3 层：references/ 和 resources/ （每秒加载）→ 详细文档、示例、清单，LLM 使用读取工具读取

代币预算参考：

|
体系
|
代币预算
|
内容
|
| --- | --- | --- |
|
前言
|
约100个代币
|
name + description
|
|
主文件
|
2K-5K tokens
|
核心指令
|
|
参考文档（单个）
|
1K-3K tokens
|
按需加载
|
|
总上下文占用
|
<10K tokens
|
主文件 + 1-2 个参考文档
|

五、模式选择决策树

模式选择决策树

你的 Skill 需要做什么？

│

├─ 执行一个有明确步骤的操作

│  └─ → 模式 1：线性流程

│

├─ 在大量选项中帮用户选择正确的方向

│  └─ → 模式 2：决策树 + 按需加载

│

├─ 在单次会话中反复执行
"做→验证→改进"

│  └─ → 模式 3：循环迭代

│

├─ 跨多个 session 持续推进一个长期项目

│  └─ → 模式 4：接力棒循环

│

├─ 跨越多天/多周，有阶段划分和 Go/No-Go 决策

│  └─ → 模式 5：多阶段 + 检查点

│

└─ 需要 LLM 进行深度分析而非快速执行

   └─ → 特殊模式：思维框架

六、快速上手模板

最小可用 Skill（线性模式）

---

name:
my-skill

description:
[一句话描述做什么
+
什么时候触发]

---


# Skill 名称


[一句话核心原则
+
安全默认值]


## Prerequisites


-
[前置条件
1
]

-
[前置条件
2
]


## Steps


### Step 1: [动作]


```bash

[具体命令]

Step 2: [动作]

[具体指令]

Step 3: [动作]

[具体指令]

Troubleshooting

|
Issue
|
Solution
|
| --- | --- |
|
[问题 1]
|
[解决方案]
|

### 循环迭代 Skill 模板


```yaml

---

name: my-loop-skill

description: [描述 + 触发时机]

---


# Skill 名称


## Core Principle


[不可违反的铁律]


## The Loop


### Phase A — [动作]


[具体指令]


### Verify A


[验证命令]


### Phase B — [动作]


[具体指令]


### Verify B


[验证命令]


### Repeat


回到 Phase A。


## Rationalizations


| Excuse | Reality |

|--------|---------|

| 
"[借口 1]"
 | [反驳] |


## Completion Checklist


- [ ] [条件 1]

- [ ] [条件 2]

七、参考资源

官方规范

Agent Skills 开放标准[7]
anthropics/skills — 官方模板[8]
anthropics/skills — 规范文档[9]

精选仓库

openai/skills[10] — OpenAI Codex 官方 Skill 目录
obra/superpowers[11] — 14 个工作流型 Skill
google-labs-code/stitch-skills[12] — 设计到代码的 Skill
deanpeters/Product-Manager-Skills[13] — 40+ 产品管理 Skill
trailofbits/skills[14] — 安全审计 Skill
openclaw/clawhub[15] — Skill 注册中心

精选列表

VoltAgent/awesome-agent-skills[16] — 500+ Skill 索引
travisvn/awesome-claude-skills[17] — 精选列表 + Skill vs MCP 对比

八、本文分析的 7 个 Skill 速查表

|
Skill
|
来源
|
模式
|
行数
|
一句话精髓
|
| --- | --- | --- | --- | --- | --- |
|
1
| vercel-deploy |
OpenAI
|
线性
|
77
|
最小但完整的 Skill 模板
|
|
2
| cloudflare-deploy |
OpenAI
|
线性 + 决策树
|
224
|
大平台的渐进式披露
|
|
3
| cloudflare |
OpenCode
|
纯决策树
|
211
|
导航型 vs 操作型的区别
|
|
4
| test-driven-development |
obra
|
循环迭代
|
371
|
堵死 LLM 偷懒的所有退路
|
|
5
| stitch-loop |
Google Labs
|
接力棒循环
|
203
|
文件即状态，跨 session 持久化
|
|
6
| discovery-process |
Dean Peters
|
多阶段 + 检查点
|
502
|
编排器模式，调度 10+ 子 Skill
|
|
7
| audit-context-building |
Trail of Bits
|
思维框架
|
302
|
控制 LLM "怎么想"而非"做什么"
|