skill-template

skill-template 是为开发者与 AI 工程师量身打造的基础架构蓝图，用于在“上下文工程代理技能”(Agent Skills for Context Engineering) 生态系统中构建自定义功能。该模板旨在通过强制执行一致的技能定义结构来降低认知负荷，从而直接优化语言模型处理、检索与执行专业任务的方式。通过遵循此模板，您可以确保代理技能在 Claude Code、Cursor 及其他代理环境中保持可发现性、可解释性与可维护性。此模板强制执行“渐进式揭露”(progressive disclosure) 原则，确保仅将必要的上下文注入模型的注意力窗口，从而减少性能衰减并最大化 Token 使用效率。

• 包含标准化的标头元数据，用于版本管控、作者注记与更新历程追踪，以管理技能演进。

• 集成启动触发条件，协助系统识别何时调用技能，防止模型幻觉或执行不相关的工具。

• 明确的核心概念定义，专注于高信号的心理模型，同时预设模型具备基础智慧以减少 Token 浪费。

• 实作指导、反模式与错误处理的模块化章节，确保开发者能清楚记录“执行内容”与“执行方法”。

• 内置“常见陷阱”(Gotchas) 章节，用以捕捉非明显的失败模式，通过经验学习增强代理推理的稳健性。

• 跨技能整合文件，用于构建复杂的多代理编排与阶层式架构。

• 当扩充上下文工程函数库时，请使用此模板以确保您的贡献符合专案的设计哲学。

• 将 SKILL.md 主体保持在 500 行以内，将详尽文件移至 references/ 资料夹，以保持 LLM 提示词上下文的简洁与专注。

• 严格遵守第三人称指令风格，以确保与系统提示词注入机制的相容性。

• 在定义指南时，优先考虑可操作、可验证的标准，以便代理能进行自我评估。

• 在范例章节中务必包含明确的输入/输出对，为模型的任务执行提供强有力的少样本学习 (few-shot learning) 锚点。