1. 项目概述一个面向AI智能体的技能库最近在折腾各种AI智能体Agent工具像Claude、Antigravity、OpenClaw这些发现一个挺有意思的现象虽然这些工具本身很强大但很多时候我们想让它们完成一些特定任务时比如生成结构化的提示词、做SWOT分析、甚至计算巴西的CDI利率都需要反复输入复杂的指令。这就像每次开车去同一个地方都要重新设置导航一样效率不高。于是我动手整理了一个开源项目——marioluciofjr/skills。简单来说这是一个专门为各类AI智能体系统打造的“技能包”仓库。你可以把它理解为一个插件商店里面存放了各种预先编写好的、可以直接导入到Claude、Antigravity等工具里使用的功能模块。有了这些技能AI就能像安装了新APP一样瞬间获得处理特定任务的能力省去了你每次都要详细描述“怎么做”的麻烦。这个项目特别适合两类朋友一是经常使用Claude、Google Antigravity等AI智能体进行内容创作、数据分析或自动化流程的深度用户二是对AI智能体开发感兴趣想了解如何为其扩展自定义功能的开发者。无论你是想直接“开箱即用”提升效率还是想学习技能Skill的构建原理来自行开发这个仓库都能提供不错的起点和丰富的实例。2. 技能库的核心价值与设计思路2.1 为什么需要“技能”在AI智能体的语境下“技能”是一个核心概念。它不同于简单的提示词Prompt而是一个封装了特定能力、包含执行逻辑和必要上下文的完整功能单元。你可以把它想象成智能手机上的一个独立应用。一个“计算器”应用技能内部包含了加减乘除的算法、界面布局和用户交互逻辑你不需要知道它是怎么算的点开就能用。同理一个“生成Mermaid图表”的技能内部可能封装了将自然语言描述转换为Mermaid语法的规则、错误处理逻辑以及输出格式的模板。当你把这个技能加载到Claude中只需要说“帮我画一个系统架构图”Claude就能调用这个技能输出标准的Mermaid代码而不是仅仅给你一段文字描述。这个项目的核心价值就在于“标准化”和“可复用性”。它把一些常见但复杂的任务流程固化下来做成了即插即用的模块。这带来了几个明显的好处降低使用门槛用户无需记忆复杂的指令语法或参数直接调用技能名称即可。保证输出质量技能内部经过优化和测试能确保输出结果的结构化和一致性。促进生态共享开源的形式让开发者可以贡献自己的技能形成一个不断丰富的工具箱。2.2 项目结构解析模块化与清晰度打开项目的GitHub仓库你会发现它的结构非常清晰完全遵循了“一个技能一个文件夹”的原则。这种设计思路值得借鉴因为它极大地提升了可维护性和可发现性。skills/ ├── prompt-personagem/ # 角色提示词生成技能 ├── alt-text/ # 图片Alt文本生成技能 ├── prompt-estruturado/ # 结构化提示词生成技能 ├── analise-semiotica/ # 符号学分析技能 ├── calculadora-cdi/ # CDI利率计算器技能 ├── diagrama-mermaid/ # Mermaid图表生成技能 ├── analise-swot/ # SWOT分析技能 └── ... (其他技能文件夹)每个技能文件夹内部通常包含以下几个核心文件以prompt-estruturado为例skill.yaml这是技能的“身份证”和“说明书”是每个技能必须的核心文件。它采用YAML格式定义了技能的基本信息、触发方式、输入输出参数等元数据。prompt.md或main.py这是技能的“大脑”。对于基于提示词Prompt的技能通常是一个Markdown文件里面包含了详细的系统指令、少样本示例Few-shot Examples和输出格式要求。对于需要执行代码的技能则可能是一个Python脚本.py文件。README.md技能的详细使用文档解释这个技能是做什么的、怎么用、有什么参数。其他资源文件如图标、示例数据、配置文件等。这种结构化的设计使得每个技能都是自包含的、独立的方便单独下载、测试和集成到不同的AI智能体平台中。项目README中提供的DownGit链接正是利用了这种结构让用户可以精准下载单个技能的ZIP包而不必克隆整个仓库。实操心得在设计自己的技能时强烈建议遵循这种“一个技能一个文件夹”的约定。这不仅能让你自己的项目井井有条更重要的是它符合主流AI智能体平台如Claude、Antigravity对技能包的识别规范能实现无缝导入。3. 核心技能详解与使用场景这个仓库里包含了十多个技能覆盖了从内容创作到数据分析的多个场景。我们挑几个有代表性的深入看看它们能解决什么问题以及是怎么设计的。3.1 结构化提示词生成 (prompt-estruturado)这是我认为最实用的技能之一。很多人在使用大模型时提示词写得过于随意导致输出结果不稳定。这个技能的作用就是引导你或AI本身生成一个高质量、结构化的提示词。它的核心逻辑是提供一个填空模板。当你调用这个技能时它会要求你提供几个关键信息角色你希望AI扮演什么例如资深SEO专家、经验丰富的Python程序员任务你要AI完成的具体目标是什么例如为一篇关于云计算的博客撰写引言上下文相关的背景信息。例如目标读者是技术主管文章风格需专业但易懂约束必须遵守的规则或限制。例如字数在300字以内避免使用术语“数字化转型”输出格式你希望得到什么形式的结果。例如Markdown格式的段落包含三个要点技能内部预设的提示词模板会将这些零散的信息组织成一个符合“角色-任务-上下文-约束-格式”框架的完整、清晰的指令。这能显著提升AI理解你意图的准确度从而得到更符合预期的输出。使用场景任何需要AI进行复杂内容生成的任务之前都可以先用这个技能打磨你的指令。特别适合文案创作、报告撰写、代码生成等场景。3.2 Mermaid图表生成 (diagrama-mermaid)Mermaid是一种用文本描述生成图表的标记语言非常适合在文档中嵌入流程图、时序图、类图等。但对于不熟悉其语法的人来说手写Mermaid代码是个门槛。这个技能充当了一个“翻译官”。你只需要用自然语言描述你想要图表比如“画一个用户登录网站的流程图包括输入用户名密码、验证、成功跳转主页和失败提示错误几个步骤。” 技能内部封装了将这类描述转化为标准Mermaid语法的逻辑和示例。它的实现关键在于“少样本学习”。在技能的prompt.md文件中通常会包含多个“自然语言描述 - Mermaid代码”的配对示例。当AI加载这个技能后它就学会了这种转换模式。这比单纯告诉AI“请用Mermaid画图”要有效得多因为技能提供了具体的、可模仿的范例。使用场景撰写技术文档、设计系统架构、规划业务流程时快速生成可视化图表代码直接嵌入到Markdown或文档工具中。3.3 SWOT分析 (analise-swot)SWOT分析是商业和战略规划中常用的工具。这个技能将这一分析框架标准化、流程化。你向AI提供一家公司、一个产品或一个项目的基本信息然后调用SWOT分析技能。AI会基于技能内嵌的分析框架和提问逻辑引导性地帮你梳理出优势内部的有利条件。劣势内部的不利条件。机会外部的有利因素。威胁外部的不利因素。最终技能会输出一个结构清晰的表格或列表有时还会附带简要的分析建议。这相当于让AI扮演了一个商业分析顾问的角色确保了分析过程的全面性和结构化避免了手动分析时可能出现的遗漏或逻辑混乱。使用场景产品经理进行竞品分析、创业者评估商业计划、项目经理评估项目风险时快速获得一个结构化的分析草案。3.4 CDI计算器 (calculadora-cdi)这个技能展示了AI技能如何与专业领域知识结合。CDI是巴西金融市场的基准利率相关计算涉及特定公式和日期惯例。对于不熟悉巴西金融规则的用户手动计算非常容易出错。这个技能将计算逻辑封装起来。你只需要提供本金、利率周期、起止日期等基本参数技能就能调用内部预设的公式可能是通过一段内联的Python逻辑或精确的提示词描述准确计算出利息、累计因子或最终金额。这揭示了一个重要方向垂直领域技能。未来会有越来越多针对法律、医疗、金融、科研等特定领域的技能出现它们封装了领域内的专业知识和计算逻辑让通用AI具备了解决专业问题的能力。4. 如何在主流AI智能体中安装与使用技能技能再好也得装得上、用得了。这个项目贴心地提供了在Claude和Antigravity这两个主流平台上安装技能的详细指南。我们来一步步拆解并补充一些关键的实操细节。4.1 在Claude中安装技能图形化操作Claude目前提供了相对友好的图形界面来管理技能。根据项目指南步骤如下获取技能包在项目README的“Estrutura do projeto”部分找到你想要的技能点击对应的DownGit链接。这会生成一个该技能文件夹的ZIP压缩包下载到本地。进入Claude技能管理在Claude的Web界面或桌面应用中找到“Personalizar”自定义或类似设置图标点击进入。然后寻找“Habilidades”技能或“Criar novas habilidades”创建新技能的选项。上传技能点击“添加新技能”或类似按钮选择“上传一个技能”Upload a skill选项。在弹出的文件选择器中找到并选中你刚刚下载的ZIP文件。验证与启用上传后Claude通常会解析这个技能包并显示技能的名称、描述和触发方式。确认无误后启用该技能。注意事项网络环境由于Claude的服务特性确保你的网络连接稳定。整个操作过程在浏览器中完成对本地环境无特殊要求。技能冲突如果你从不同来源上传了同名技能可能会产生冲突。建议在安装前检查一下Claude现有技能列表。权限问题技能中的skill.yaml文件定义了技能所需的权限如是否可访问网络、读写文件等。首次启用时Claude可能会请求你的确认请根据技能的可信度审慎授权。使用技巧技能安装成功后如何在对话中调用呢这取决于技能的定义。通常有两种方式显式调用有些技能有明确的触发词或命令比如你可以说“请使用SWOT分析技能来分析一下特斯拉公司。”隐式触发更智能的技能会被Claude自动识别场景并调用。例如当你提到“画个流程图”时Claude可能会自动启用Mermaid图表技能来响应。具体调用方式需要查看每个技能的README.md或skill.yaml中的描述。4.2 在Antigravity中安装技能命令行操作Antigravity作为Google DeepMind推出的AI智能体IDE更偏向开发者支持通过命令行进行技能管理。项目提供了一个非常实用的自动化提示Prompt来指导安装。其核心命令是npx skills add https://github.com/marioluciofjr/skills --skill NOME_DA_SKILL --agent antigravity --yes你需要将NOME_DA_SKILL替换为具体的技能文件夹名例如prompt-estruturado。项目提供的长提示Prompt本质上是一个给Antigravity Agent的详细指令清单让它自动执行以下操作定位Antigravity的安装目录通常是.gemini\antigravity。执行上述npx skills add命令从GitHub拉取指定技能。检查安装是否成功提示◇ Installation complete。整理技能文件将其移动到统一的skills目录下并清理临时文件。实操心得与避坑指南环境准备确保你的系统已经安装了Node.js和npm或yarn、pnpm因为npx是Node.js的包执行工具。这是命令能运行的前提。路径确认Antigravity的默认安装路径可能因操作系统而异。在Windows上通常是C:\Users\[你的用户名]\.gemini\antigravity在macOS/Linux上是~/.gemini/antigravity。如果提示中的路径不对Agent可能会报错。你可以先手动检查这个目录是否存在。网络问题npx命令会从网络下载技能包如果遇到GitHub访问缓慢或超时可以尝试配置命令行代理或使用国内镜像源注意此处仅讨论技术层面的网络配置优化不涉及任何违规内容。权限问题在Windows系统上移动或删除系统目录下的文件如.agents文件夹可能需要管理员权限。如果Agent执行失败可以尝试以管理员身份运行Antigravity或终端。更手动但可控的方法如果你不放心完全自动化也可以手动操作打开终端命令行进入Antigravity的安装目录cd ~/.gemini/antigravity(Linux/macOS) 或cd C:\Users\[你的用户名]\.gemini\antigravity(Windows)。直接运行安装命令例如npx skills add https://github.com/marioluciofjr/skills --skill prompt-estruturado --agent antigravity --yes。安装完成后技能文件通常会出现在.agents/skills/或项目提示中指定的skills/目录下。你可以在Antigravity IDE中刷新或重新扫描技能目录来加载它。5. 技能开发入门从使用到创造如果你不满足于只是使用别人写的技能想自己动手为Claude或Antigravity创建一个那么了解技能的基本构成是第一步。虽然不同平台对技能的规范略有差异但核心思想相通。5.1 技能的核心文件skill.yaml这是技能的“元数据”文件采用YAML格式定义了技能如何与AI智能体交互。一个最基础的skill.yaml可能长这样name: gerador-de-titulos # 技能名称唯一标识 description: Gera títulos criativos e atraentes para artigos de blog. # 技能描述 version: 1.0.0 # 版本号 author: Seu Nome # 作者 # 输入参数定义告诉AI用户需要提供什么信息 inputs: - name: topico # 参数名 description: O tópico principal do artigo. # 参数描述 type: string # 参数类型字符串 required: true # 是否必填 - name: tom description: O tom desejado (ex: profissional, descontraído, urgente). type: string required: false # 可选参数 default: profissional # 默认值 # 输出定义告诉AI技能会输出什么 outputs: - name: titulos description: Uma lista de 5 títulos sugeridos. type: array # 输出类型为数组 # 执行指令技能的核心逻辑在哪里 run: # 如果是基于提示词的技能指向一个.md文件 prompt: ./prompt.md # 如果是基于代码的技能可以指向一个.py文件并指定解释器 # code: ./main.py # runtime: python关键字段解析inputs这是你与技能交互的“接口”。定义清晰、具体的输入参数能极大提升技能的易用性。尽量为每个参数提供description和default值。run指定技能的“大脑”。prompt方式更常见它指向一个包含详细系统指令和示例的Markdown文件。code方式则赋予技能执行Python等代码的能力更强大但也更复杂。5.2 技能的“大脑”prompt.md或代码文件对于大多数技能prompt.md是其灵魂。这个文件里写的是给AI看的“剧本”告诉它当这个技能被调用时应该如何思考、如何行动。一个有效的prompt.md通常包含以下部分系统角色设定明确告诉AI在本次任务中扮演什么角色。任务目标清晰定义技能要完成的具体工作。思考过程可选但推荐引导AI分步骤思考例如“首先理解用户输入的主题其次分析该主题的关键词然后结合不同标题公式进行创作...”。少样本示例提供2-3个完整的“用户输入 - 技能输出”的例子。这是让AI学会技能模式的关键。输出格式约束严格规定输出的格式如“请以JSON格式输出包含titulos字段该字段是一个字符串数组。”示例片段 (prompt.md)# 角色 你是一个资深的内容营销专家尤其擅长创作高点击率的文章标题。 # 任务 根据用户提供的文章主题和期望的语调生成5个吸引人的文章标题。 # 思考步骤 1. 仔细分析用户提供的topico主题核心关键词。 2. 根据tom语调参数决定标题的语言风格如正式、亲切、悬念式等。 3. 应用经典的标题公式如“如何体”、“数字列表体”、“疑问体”、“颠覆认知体”等。 4. 确保每个标题都独特、相关并包含核心关键词。 # 示例 用户输入: {topico: aprender Python em 30 dias, tom: motivacional} 输出: {titulos: [De Iniciante a Programador em Python: Seu Guia de 30 Dias, 5 Projetos Práticos para Dominar Python em um Mês, Aprenda Python Rápido: Um Plano de Estudos Intensivo de 30 Dias, Desmistificando o Python: Sua Jornada de um Mês para a Automação, 30 Dias, 30 Desafios: Transforme sua Carreira com Python]} 用户输入: {topico: segurança cibernética para pequenas empresas, tom: profissional} 输出: {titulos: [Proteção Essencial: Um Guia de Segurança Cibernética para PMEs, Os 7 Pilares da Segurança Digital para sua Pequena Empresa, Como Evitar Ataques Cibernéticos: Estratégias Acessíveis para Negócios Locais, Orçamento Limitado? Implemente Estas 5 Medidas de Segurança Críticas Agora, A Auditoria de Segurança que Toda Pequena Empresa Deve Fazer]} # 输出格式 你必须严格以以下JSON格式输出且仅包含此JSON对象 { titulos: [标题1, 标题2, 标题3, 标题4, 标题5] } 现在请处理用户的请求。5.3 本地测试与调试技巧在将技能上传到Claude或Antigravity之前强烈建议先在本地进行测试和调试。使用文本编辑器或IDE用VSCode、Sublime Text等编辑器创建和编辑你的skill.yaml和prompt.md文件。利用YAML和Markdown的语法高亮和校验插件可以减少格式错误。模拟对话测试你可以手动扮演AI和用户。复制prompt.md中的全部内容粘贴到Claude的Web界面新建一个对话然后在最后附上你的测试输入如用户输入: {topico: teste}观察AI的回复是否符合预期。这是检验提示词效果最直接的方法。使用本地测试工具一些AI开发框架或命令行工具允许你加载本地的技能文件进行测试。例如你可以搭建一个简单的脚本使用OpenAI API或Anthropic API并将你的prompt.md内容作为系统消息发送来验证技能逻辑。迭代优化根据测试结果反复修改prompt.md中的指令、示例和格式约束。通常需要几轮迭代才能让技能稳定可靠。重点关注AI是否理解了任务、是否遵循了格式、输出的质量是否达标。6. 进阶探讨技能生态与最佳实践6.1 技能的分发与共享marioluciofjr/skills项目采用GitHub仓库的形式分发这是一种非常高效和开放的方式。对于技能开发者来说这意味着版本控制你可以使用Git来管理技能的迭代更新用户可以通过关注仓库或Release来获取最新版本。协作开发通过GitHub的Issues、Pull Requests功能可以收集用户反馈接受社区贡献。易于集成像DownGit这样的服务使得用户无需Git知识就能下载单个技能降低了使用门槛。除了自建仓库也可以考虑将技能提交到官方的或第三方的技能市场如skills.sh项目链接中已提及以获得更大的曝光度。6.2 设计高质量技能的准则根据这个开源项目和我的实践经验总结出几条设计技能的最佳实践单一职责原则一个技能只做好一件事。不要设计一个“万能文案生成器”而是拆分成“标题生成器”、“摘要生成器”、“广告语生成器”等多个精细化的技能。这样更专注效果也更好。输入明确输出结构化在skill.yaml中清晰定义所有输入参数及其类型、是否必填、默认值。输出务必要求结构化格式如JSON、特定Markdown表格方便后续程序化处理。提供丰富的少样本示例在prompt.md中2-3个高质量、覆盖不同场景的示例远比一段冗长的描述性指令更有效。示例是AI学习的主要途径。包含详尽的文档每个技能文件夹内的README.md非常重要。它应该说明技能的用途、输入输出格式的详细解释、使用示例以及任何已知的限制或依赖。考虑错误处理在提示词中预判用户可能提供的无效输入并指导AI如何友好地回应或要求澄清。例如“如果用户未提供topico参数请礼貌地提示用户输入文章主题。”6.3 常见问题与排查在安装和使用技能时你可能会遇到以下问题问题1在Claude上传ZIP后技能没有出现或无法启用。排查首先检查ZIP包的结构。正确的结构应该是解压后直接看到skill.yaml等文件而不是外层还有一个同名的文件夹包裹着。错误的打包方式是常见原因。解决确保你打包的是技能文件夹内的内容而不是文件夹本身。在Mac上可以选中文件夹内的所有文件右键“压缩”在Windows上进入技能文件夹全选文件右键“发送到” - “压缩(zipped)文件夹”。问题2技能被启用但AI似乎没有调用它或者输出不符合预期。排查检查技能的触发方式。有些技能需要你明确说出“使用XX技能”而有些是自动触发的。查看技能的skill.yaml或README.md确认。解决在对话中更明确地指令。如果输出格式不对很可能是prompt.md中的输出格式约束不够严格需要你强化指令例如使用“你必须”、“只能”、“严格遵循”等词语并提供一个无可挑剔的示例。问题3在Antigravity中使用npx命令安装失败提示网络错误或命令未找到。排查命令未找到检查Node.js和npm是否已正确安装并加入系统PATH。在终端输入node --version和npm --version确认。网络错误可能是网络连接问题或者npx在首次运行时下载包超时。解决对于Node.js问题去官网重新下载安装。对于网络问题可以尝试设置npm镜像源例如使用淘宝镜像或者稍后重试。命令如npm config set registry https://registry.npmmirror.com。问题4自己开发的技能效果不稳定有时好有时坏。排查这通常是由于提示词prompt.md不够精确或示例覆盖度不足导致的。大模型具有随机性模糊的指令会导致输出波动。解决回归到“少样本示例”的设计上。确保你的示例能代表各种典型的输入情况。在指令中将复杂的任务分解成清晰的步骤思考链并严格限定输出格式。进行多轮测试用不同的边缘案例如空输入、极端值、模糊描述来测试技能的鲁棒性并据此优化提示词。这个开源技能库就像打开了一扇窗让我们看到了AI智能体应用生态的一种可行路径。通过将复杂任务封装成可复用的技能我们不仅能提升自己使用AI的效率还能为整个社区贡献价值。从使用现成技能到理解其原理再到动手创造自己的技能这个过程本身就是一次深刻的学习。
AI智能体技能库开发指南：从原理到实践
1. 项目概述一个面向AI智能体的技能库最近在折腾各种AI智能体Agent工具像Claude、Antigravity、OpenClaw这些发现一个挺有意思的现象虽然这些工具本身很强大但很多时候我们想让它们完成一些特定任务时比如生成结构化的提示词、做SWOT分析、甚至计算巴西的CDI利率都需要反复输入复杂的指令。这就像每次开车去同一个地方都要重新设置导航一样效率不高。于是我动手整理了一个开源项目——marioluciofjr/skills。简单来说这是一个专门为各类AI智能体系统打造的“技能包”仓库。你可以把它理解为一个插件商店里面存放了各种预先编写好的、可以直接导入到Claude、Antigravity等工具里使用的功能模块。有了这些技能AI就能像安装了新APP一样瞬间获得处理特定任务的能力省去了你每次都要详细描述“怎么做”的麻烦。这个项目特别适合两类朋友一是经常使用Claude、Google Antigravity等AI智能体进行内容创作、数据分析或自动化流程的深度用户二是对AI智能体开发感兴趣想了解如何为其扩展自定义功能的开发者。无论你是想直接“开箱即用”提升效率还是想学习技能Skill的构建原理来自行开发这个仓库都能提供不错的起点和丰富的实例。2. 技能库的核心价值与设计思路2.1 为什么需要“技能”在AI智能体的语境下“技能”是一个核心概念。它不同于简单的提示词Prompt而是一个封装了特定能力、包含执行逻辑和必要上下文的完整功能单元。你可以把它想象成智能手机上的一个独立应用。一个“计算器”应用技能内部包含了加减乘除的算法、界面布局和用户交互逻辑你不需要知道它是怎么算的点开就能用。同理一个“生成Mermaid图表”的技能内部可能封装了将自然语言描述转换为Mermaid语法的规则、错误处理逻辑以及输出格式的模板。当你把这个技能加载到Claude中只需要说“帮我画一个系统架构图”Claude就能调用这个技能输出标准的Mermaid代码而不是仅仅给你一段文字描述。这个项目的核心价值就在于“标准化”和“可复用性”。它把一些常见但复杂的任务流程固化下来做成了即插即用的模块。这带来了几个明显的好处降低使用门槛用户无需记忆复杂的指令语法或参数直接调用技能名称即可。保证输出质量技能内部经过优化和测试能确保输出结果的结构化和一致性。促进生态共享开源的形式让开发者可以贡献自己的技能形成一个不断丰富的工具箱。2.2 项目结构解析模块化与清晰度打开项目的GitHub仓库你会发现它的结构非常清晰完全遵循了“一个技能一个文件夹”的原则。这种设计思路值得借鉴因为它极大地提升了可维护性和可发现性。skills/ ├── prompt-personagem/ # 角色提示词生成技能 ├── alt-text/ # 图片Alt文本生成技能 ├── prompt-estruturado/ # 结构化提示词生成技能 ├── analise-semiotica/ # 符号学分析技能 ├── calculadora-cdi/ # CDI利率计算器技能 ├── diagrama-mermaid/ # Mermaid图表生成技能 ├── analise-swot/ # SWOT分析技能 └── ... (其他技能文件夹)每个技能文件夹内部通常包含以下几个核心文件以prompt-estruturado为例skill.yaml这是技能的“身份证”和“说明书”是每个技能必须的核心文件。它采用YAML格式定义了技能的基本信息、触发方式、输入输出参数等元数据。prompt.md或main.py这是技能的“大脑”。对于基于提示词Prompt的技能通常是一个Markdown文件里面包含了详细的系统指令、少样本示例Few-shot Examples和输出格式要求。对于需要执行代码的技能则可能是一个Python脚本.py文件。README.md技能的详细使用文档解释这个技能是做什么的、怎么用、有什么参数。其他资源文件如图标、示例数据、配置文件等。这种结构化的设计使得每个技能都是自包含的、独立的方便单独下载、测试和集成到不同的AI智能体平台中。项目README中提供的DownGit链接正是利用了这种结构让用户可以精准下载单个技能的ZIP包而不必克隆整个仓库。实操心得在设计自己的技能时强烈建议遵循这种“一个技能一个文件夹”的约定。这不仅能让你自己的项目井井有条更重要的是它符合主流AI智能体平台如Claude、Antigravity对技能包的识别规范能实现无缝导入。3. 核心技能详解与使用场景这个仓库里包含了十多个技能覆盖了从内容创作到数据分析的多个场景。我们挑几个有代表性的深入看看它们能解决什么问题以及是怎么设计的。3.1 结构化提示词生成 (prompt-estruturado)这是我认为最实用的技能之一。很多人在使用大模型时提示词写得过于随意导致输出结果不稳定。这个技能的作用就是引导你或AI本身生成一个高质量、结构化的提示词。它的核心逻辑是提供一个填空模板。当你调用这个技能时它会要求你提供几个关键信息角色你希望AI扮演什么例如资深SEO专家、经验丰富的Python程序员任务你要AI完成的具体目标是什么例如为一篇关于云计算的博客撰写引言上下文相关的背景信息。例如目标读者是技术主管文章风格需专业但易懂约束必须遵守的规则或限制。例如字数在300字以内避免使用术语“数字化转型”输出格式你希望得到什么形式的结果。例如Markdown格式的段落包含三个要点技能内部预设的提示词模板会将这些零散的信息组织成一个符合“角色-任务-上下文-约束-格式”框架的完整、清晰的指令。这能显著提升AI理解你意图的准确度从而得到更符合预期的输出。使用场景任何需要AI进行复杂内容生成的任务之前都可以先用这个技能打磨你的指令。特别适合文案创作、报告撰写、代码生成等场景。3.2 Mermaid图表生成 (diagrama-mermaid)Mermaid是一种用文本描述生成图表的标记语言非常适合在文档中嵌入流程图、时序图、类图等。但对于不熟悉其语法的人来说手写Mermaid代码是个门槛。这个技能充当了一个“翻译官”。你只需要用自然语言描述你想要图表比如“画一个用户登录网站的流程图包括输入用户名密码、验证、成功跳转主页和失败提示错误几个步骤。” 技能内部封装了将这类描述转化为标准Mermaid语法的逻辑和示例。它的实现关键在于“少样本学习”。在技能的prompt.md文件中通常会包含多个“自然语言描述 - Mermaid代码”的配对示例。当AI加载这个技能后它就学会了这种转换模式。这比单纯告诉AI“请用Mermaid画图”要有效得多因为技能提供了具体的、可模仿的范例。使用场景撰写技术文档、设计系统架构、规划业务流程时快速生成可视化图表代码直接嵌入到Markdown或文档工具中。3.3 SWOT分析 (analise-swot)SWOT分析是商业和战略规划中常用的工具。这个技能将这一分析框架标准化、流程化。你向AI提供一家公司、一个产品或一个项目的基本信息然后调用SWOT分析技能。AI会基于技能内嵌的分析框架和提问逻辑引导性地帮你梳理出优势内部的有利条件。劣势内部的不利条件。机会外部的有利因素。威胁外部的不利因素。最终技能会输出一个结构清晰的表格或列表有时还会附带简要的分析建议。这相当于让AI扮演了一个商业分析顾问的角色确保了分析过程的全面性和结构化避免了手动分析时可能出现的遗漏或逻辑混乱。使用场景产品经理进行竞品分析、创业者评估商业计划、项目经理评估项目风险时快速获得一个结构化的分析草案。3.4 CDI计算器 (calculadora-cdi)这个技能展示了AI技能如何与专业领域知识结合。CDI是巴西金融市场的基准利率相关计算涉及特定公式和日期惯例。对于不熟悉巴西金融规则的用户手动计算非常容易出错。这个技能将计算逻辑封装起来。你只需要提供本金、利率周期、起止日期等基本参数技能就能调用内部预设的公式可能是通过一段内联的Python逻辑或精确的提示词描述准确计算出利息、累计因子或最终金额。这揭示了一个重要方向垂直领域技能。未来会有越来越多针对法律、医疗、金融、科研等特定领域的技能出现它们封装了领域内的专业知识和计算逻辑让通用AI具备了解决专业问题的能力。4. 如何在主流AI智能体中安装与使用技能技能再好也得装得上、用得了。这个项目贴心地提供了在Claude和Antigravity这两个主流平台上安装技能的详细指南。我们来一步步拆解并补充一些关键的实操细节。4.1 在Claude中安装技能图形化操作Claude目前提供了相对友好的图形界面来管理技能。根据项目指南步骤如下获取技能包在项目README的“Estrutura do projeto”部分找到你想要的技能点击对应的DownGit链接。这会生成一个该技能文件夹的ZIP压缩包下载到本地。进入Claude技能管理在Claude的Web界面或桌面应用中找到“Personalizar”自定义或类似设置图标点击进入。然后寻找“Habilidades”技能或“Criar novas habilidades”创建新技能的选项。上传技能点击“添加新技能”或类似按钮选择“上传一个技能”Upload a skill选项。在弹出的文件选择器中找到并选中你刚刚下载的ZIP文件。验证与启用上传后Claude通常会解析这个技能包并显示技能的名称、描述和触发方式。确认无误后启用该技能。注意事项网络环境由于Claude的服务特性确保你的网络连接稳定。整个操作过程在浏览器中完成对本地环境无特殊要求。技能冲突如果你从不同来源上传了同名技能可能会产生冲突。建议在安装前检查一下Claude现有技能列表。权限问题技能中的skill.yaml文件定义了技能所需的权限如是否可访问网络、读写文件等。首次启用时Claude可能会请求你的确认请根据技能的可信度审慎授权。使用技巧技能安装成功后如何在对话中调用呢这取决于技能的定义。通常有两种方式显式调用有些技能有明确的触发词或命令比如你可以说“请使用SWOT分析技能来分析一下特斯拉公司。”隐式触发更智能的技能会被Claude自动识别场景并调用。例如当你提到“画个流程图”时Claude可能会自动启用Mermaid图表技能来响应。具体调用方式需要查看每个技能的README.md或skill.yaml中的描述。4.2 在Antigravity中安装技能命令行操作Antigravity作为Google DeepMind推出的AI智能体IDE更偏向开发者支持通过命令行进行技能管理。项目提供了一个非常实用的自动化提示Prompt来指导安装。其核心命令是npx skills add https://github.com/marioluciofjr/skills --skill NOME_DA_SKILL --agent antigravity --yes你需要将NOME_DA_SKILL替换为具体的技能文件夹名例如prompt-estruturado。项目提供的长提示Prompt本质上是一个给Antigravity Agent的详细指令清单让它自动执行以下操作定位Antigravity的安装目录通常是.gemini\antigravity。执行上述npx skills add命令从GitHub拉取指定技能。检查安装是否成功提示◇ Installation complete。整理技能文件将其移动到统一的skills目录下并清理临时文件。实操心得与避坑指南环境准备确保你的系统已经安装了Node.js和npm或yarn、pnpm因为npx是Node.js的包执行工具。这是命令能运行的前提。路径确认Antigravity的默认安装路径可能因操作系统而异。在Windows上通常是C:\Users\[你的用户名]\.gemini\antigravity在macOS/Linux上是~/.gemini/antigravity。如果提示中的路径不对Agent可能会报错。你可以先手动检查这个目录是否存在。网络问题npx命令会从网络下载技能包如果遇到GitHub访问缓慢或超时可以尝试配置命令行代理或使用国内镜像源注意此处仅讨论技术层面的网络配置优化不涉及任何违规内容。权限问题在Windows系统上移动或删除系统目录下的文件如.agents文件夹可能需要管理员权限。如果Agent执行失败可以尝试以管理员身份运行Antigravity或终端。更手动但可控的方法如果你不放心完全自动化也可以手动操作打开终端命令行进入Antigravity的安装目录cd ~/.gemini/antigravity(Linux/macOS) 或cd C:\Users\[你的用户名]\.gemini\antigravity(Windows)。直接运行安装命令例如npx skills add https://github.com/marioluciofjr/skills --skill prompt-estruturado --agent antigravity --yes。安装完成后技能文件通常会出现在.agents/skills/或项目提示中指定的skills/目录下。你可以在Antigravity IDE中刷新或重新扫描技能目录来加载它。5. 技能开发入门从使用到创造如果你不满足于只是使用别人写的技能想自己动手为Claude或Antigravity创建一个那么了解技能的基本构成是第一步。虽然不同平台对技能的规范略有差异但核心思想相通。5.1 技能的核心文件skill.yaml这是技能的“元数据”文件采用YAML格式定义了技能如何与AI智能体交互。一个最基础的skill.yaml可能长这样name: gerador-de-titulos # 技能名称唯一标识 description: Gera títulos criativos e atraentes para artigos de blog. # 技能描述 version: 1.0.0 # 版本号 author: Seu Nome # 作者 # 输入参数定义告诉AI用户需要提供什么信息 inputs: - name: topico # 参数名 description: O tópico principal do artigo. # 参数描述 type: string # 参数类型字符串 required: true # 是否必填 - name: tom description: O tom desejado (ex: profissional, descontraído, urgente). type: string required: false # 可选参数 default: profissional # 默认值 # 输出定义告诉AI技能会输出什么 outputs: - name: titulos description: Uma lista de 5 títulos sugeridos. type: array # 输出类型为数组 # 执行指令技能的核心逻辑在哪里 run: # 如果是基于提示词的技能指向一个.md文件 prompt: ./prompt.md # 如果是基于代码的技能可以指向一个.py文件并指定解释器 # code: ./main.py # runtime: python关键字段解析inputs这是你与技能交互的“接口”。定义清晰、具体的输入参数能极大提升技能的易用性。尽量为每个参数提供description和default值。run指定技能的“大脑”。prompt方式更常见它指向一个包含详细系统指令和示例的Markdown文件。code方式则赋予技能执行Python等代码的能力更强大但也更复杂。5.2 技能的“大脑”prompt.md或代码文件对于大多数技能prompt.md是其灵魂。这个文件里写的是给AI看的“剧本”告诉它当这个技能被调用时应该如何思考、如何行动。一个有效的prompt.md通常包含以下部分系统角色设定明确告诉AI在本次任务中扮演什么角色。任务目标清晰定义技能要完成的具体工作。思考过程可选但推荐引导AI分步骤思考例如“首先理解用户输入的主题其次分析该主题的关键词然后结合不同标题公式进行创作...”。少样本示例提供2-3个完整的“用户输入 - 技能输出”的例子。这是让AI学会技能模式的关键。输出格式约束严格规定输出的格式如“请以JSON格式输出包含titulos字段该字段是一个字符串数组。”示例片段 (prompt.md)# 角色 你是一个资深的内容营销专家尤其擅长创作高点击率的文章标题。 # 任务 根据用户提供的文章主题和期望的语调生成5个吸引人的文章标题。 # 思考步骤 1. 仔细分析用户提供的topico主题核心关键词。 2. 根据tom语调参数决定标题的语言风格如正式、亲切、悬念式等。 3. 应用经典的标题公式如“如何体”、“数字列表体”、“疑问体”、“颠覆认知体”等。 4. 确保每个标题都独特、相关并包含核心关键词。 # 示例 用户输入: {topico: aprender Python em 30 dias, tom: motivacional} 输出: {titulos: [De Iniciante a Programador em Python: Seu Guia de 30 Dias, 5 Projetos Práticos para Dominar Python em um Mês, Aprenda Python Rápido: Um Plano de Estudos Intensivo de 30 Dias, Desmistificando o Python: Sua Jornada de um Mês para a Automação, 30 Dias, 30 Desafios: Transforme sua Carreira com Python]} 用户输入: {topico: segurança cibernética para pequenas empresas, tom: profissional} 输出: {titulos: [Proteção Essencial: Um Guia de Segurança Cibernética para PMEs, Os 7 Pilares da Segurança Digital para sua Pequena Empresa, Como Evitar Ataques Cibernéticos: Estratégias Acessíveis para Negócios Locais, Orçamento Limitado? Implemente Estas 5 Medidas de Segurança Críticas Agora, A Auditoria de Segurança que Toda Pequena Empresa Deve Fazer]} # 输出格式 你必须严格以以下JSON格式输出且仅包含此JSON对象 { titulos: [标题1, 标题2, 标题3, 标题4, 标题5] } 现在请处理用户的请求。5.3 本地测试与调试技巧在将技能上传到Claude或Antigravity之前强烈建议先在本地进行测试和调试。使用文本编辑器或IDE用VSCode、Sublime Text等编辑器创建和编辑你的skill.yaml和prompt.md文件。利用YAML和Markdown的语法高亮和校验插件可以减少格式错误。模拟对话测试你可以手动扮演AI和用户。复制prompt.md中的全部内容粘贴到Claude的Web界面新建一个对话然后在最后附上你的测试输入如用户输入: {topico: teste}观察AI的回复是否符合预期。这是检验提示词效果最直接的方法。使用本地测试工具一些AI开发框架或命令行工具允许你加载本地的技能文件进行测试。例如你可以搭建一个简单的脚本使用OpenAI API或Anthropic API并将你的prompt.md内容作为系统消息发送来验证技能逻辑。迭代优化根据测试结果反复修改prompt.md中的指令、示例和格式约束。通常需要几轮迭代才能让技能稳定可靠。重点关注AI是否理解了任务、是否遵循了格式、输出的质量是否达标。6. 进阶探讨技能生态与最佳实践6.1 技能的分发与共享marioluciofjr/skills项目采用GitHub仓库的形式分发这是一种非常高效和开放的方式。对于技能开发者来说这意味着版本控制你可以使用Git来管理技能的迭代更新用户可以通过关注仓库或Release来获取最新版本。协作开发通过GitHub的Issues、Pull Requests功能可以收集用户反馈接受社区贡献。易于集成像DownGit这样的服务使得用户无需Git知识就能下载单个技能降低了使用门槛。除了自建仓库也可以考虑将技能提交到官方的或第三方的技能市场如skills.sh项目链接中已提及以获得更大的曝光度。6.2 设计高质量技能的准则根据这个开源项目和我的实践经验总结出几条设计技能的最佳实践单一职责原则一个技能只做好一件事。不要设计一个“万能文案生成器”而是拆分成“标题生成器”、“摘要生成器”、“广告语生成器”等多个精细化的技能。这样更专注效果也更好。输入明确输出结构化在skill.yaml中清晰定义所有输入参数及其类型、是否必填、默认值。输出务必要求结构化格式如JSON、特定Markdown表格方便后续程序化处理。提供丰富的少样本示例在prompt.md中2-3个高质量、覆盖不同场景的示例远比一段冗长的描述性指令更有效。示例是AI学习的主要途径。包含详尽的文档每个技能文件夹内的README.md非常重要。它应该说明技能的用途、输入输出格式的详细解释、使用示例以及任何已知的限制或依赖。考虑错误处理在提示词中预判用户可能提供的无效输入并指导AI如何友好地回应或要求澄清。例如“如果用户未提供topico参数请礼貌地提示用户输入文章主题。”6.3 常见问题与排查在安装和使用技能时你可能会遇到以下问题问题1在Claude上传ZIP后技能没有出现或无法启用。排查首先检查ZIP包的结构。正确的结构应该是解压后直接看到skill.yaml等文件而不是外层还有一个同名的文件夹包裹着。错误的打包方式是常见原因。解决确保你打包的是技能文件夹内的内容而不是文件夹本身。在Mac上可以选中文件夹内的所有文件右键“压缩”在Windows上进入技能文件夹全选文件右键“发送到” - “压缩(zipped)文件夹”。问题2技能被启用但AI似乎没有调用它或者输出不符合预期。排查检查技能的触发方式。有些技能需要你明确说出“使用XX技能”而有些是自动触发的。查看技能的skill.yaml或README.md确认。解决在对话中更明确地指令。如果输出格式不对很可能是prompt.md中的输出格式约束不够严格需要你强化指令例如使用“你必须”、“只能”、“严格遵循”等词语并提供一个无可挑剔的示例。问题3在Antigravity中使用npx命令安装失败提示网络错误或命令未找到。排查命令未找到检查Node.js和npm是否已正确安装并加入系统PATH。在终端输入node --version和npm --version确认。网络错误可能是网络连接问题或者npx在首次运行时下载包超时。解决对于Node.js问题去官网重新下载安装。对于网络问题可以尝试设置npm镜像源例如使用淘宝镜像或者稍后重试。命令如npm config set registry https://registry.npmmirror.com。问题4自己开发的技能效果不稳定有时好有时坏。排查这通常是由于提示词prompt.md不够精确或示例覆盖度不足导致的。大模型具有随机性模糊的指令会导致输出波动。解决回归到“少样本示例”的设计上。确保你的示例能代表各种典型的输入情况。在指令中将复杂的任务分解成清晰的步骤思考链并严格限定输出格式。进行多轮测试用不同的边缘案例如空输入、极端值、模糊描述来测试技能的鲁棒性并据此优化提示词。这个开源技能库就像打开了一扇窗让我们看到了AI智能体应用生态的一种可行路径。通过将复杂任务封装成可复用的技能我们不仅能提升自己使用AI的效率还能为整个社区贡献价值。从使用现成技能到理解其原理再到动手创造自己的技能这个过程本身就是一次深刻的学习。
