【skill】优秀skill的判断标准

优秀的 skill 不是把 prompt 写长，而是把一个重复工作拆成稳定、可触发、可执行、可验证、可维护的工作系统。

SKILL.md 负责“调度和约束”，references/ 负责“知识和细节”，scripts/ 负责“确定性执行”，examples/ 负责“校准质量”

Skill 是什么

Skill 可以理解为“给 ChatGPT 的一份可复用工作手册”。它不是简单 prompt，而是一个小型能力包，通常包含：

• SKILL.md：入口文件，定义何时触发、怎么执行、输出什么。
• references/：可按需读取的长文档、规范、模板说明。
• scripts/：确定性脚本，用于计算、校验、转换、生成文件。
• assets/：模板、图片、样式文件等输出素材。
• agents/openai.yaml：展示名称、描述、图标等 UI 元数据。

Skill.md

优秀 skill 的 SKILL.md 应该短、硬、可执行。

它应该告诉模型：

• 任务目标是什么
• 必须遵循哪些步骤
• 什么时候读取哪个 reference
• 什么时候运行哪个 script
• 输出格式是什么
• 有哪些禁止事项
• 如何处理异常情况

它不应该塞满大量背景知识、长篇方法论、重复解释。长内容应该拆到 references/，让模型按需读取

一个好的结构如下：

skill-name/
├── SKILL.md
├── agents/
│   └── openai.yaml
├── references/
│   ├── scoring-rubric.md
│   ├── examples.md
│   └── edge-cases.md
├── scripts/
│   └── validate_output.py
└── assets/
    └── template.xlsx

　

有边界和失败处理

优秀 skill 一定会告诉模型：

• 信息不足时怎么办
• 文件缺失时怎么办
• 用户需求冲突时怎么办
• 是否允许假设
• 是否需要先问澄清问题
• 是否可以联网
• 是否能调用外部工具
• 安全边界是什么

有评估样例

如果这个 skill 是“agent eval”类，尤其应该有 examples 和 rubrics。

一个好的 skill eval 包通常会包含：

• 测试任务
• 输入样例
• 期望输出
• 评分维度
• 失败案例
• 是否调用了正确工具
• 是否遵守格式
• 是否完成目标

近期一篇关于 agentic skills 评估的论文提出，skill 作者应构造真实任务，并用 instruction-following 与 goal-completion rubrics 来评估 skill 的效用；他们在 500 个真实 skills 上生成了 1,000 个任务进行评估。

这点很关键：优秀 skill 不是写完就算好，而是能被测试证明它有用。

判断一个 Skill 是否优秀的检查清单

维度	好 Skill 的表现
触发	一眼知道什么时候用、什么时候不用
范围	聚焦一个可复用任务，不贪大
输入	明确支持哪些输入
输出	有固定结构或质量标准
流程	步骤清晰，可执行
工具	明确何时用脚本、文件、连接器
资源	长资料拆到 references，按需加载
约束	明确禁止猜测、编造、越权
异常	信息缺失、格式错误时有处理方式
评估	有样例、rubric、失败案例

• 常见上传限制是 skill zip 不超过 25 MB
• description 是模型判断是否调用 skill 的关键，建议约 100 words 左右

• 建议把 SKILL.md 控制在 500 行以内。

  原因不是“不能超过”，而是它会进入上下文窗口。太长会造成：

  • 触发后占用大量上下文
  • 模型忽略关键规则
  • 后续对话空间变小
  • 执行不稳定
  • 维护困难

  经验上，SKILL.md 最好像“导航 + 核心流程”，不要像百科全书。