flowchart TD
    A["输入<br/>workflow / prompt / transcript / docs / notes"] --> B["路由入口<br/>SKILL.md"]
    B --> C["方法层<br/>references/"]
    B --> D["作者流<br/>scripts/yao.py"]

    C --> C1["Skill Archetype"]
    C --> C2["Gate Selection"]
    C --> C3["Non-Skill Decision"]
    C --> C4["Operating Modes"]
    C --> C5["Governance"]
    C --> C6["Resource Boundaries"]

    D --> E["创建<br/>init / template"]
    D --> F["校验<br/>lint / boundary / governance"]
    D --> G["评测<br/>trigger / suites / judge / confusion"]
    D --> H["晋升<br/>promotion policy / candidate registry"]
    D --> I["打包<br/>neutral source -> target adapters"]
    D --> J["报告<br/>history / scorecards / context / portability"]

    E --> K["Skill Package"]
    F --> K
    G --> L["evals/"]
    H --> M["reports/"]
    I --> N["dist/ 或目标导出物"]

    K --> K1["SKILL.md"]
    K --> K2["agents/interface.yaml"]
    K --> K3["manifest.json"]
    K --> K4["可选 references / scripts / evals / reports"]

    L --> M

可以把这张图理解成 5 层：

输入层：把零散的操作材料作为 skill 的原始输入。
路由层：SKILL.md 保持轻量，优先定义边界、模式和输出契约。
方法层：方法文档决定这件事该不该 skill 化、该上哪些质量门。
作者流层：统一 CLI 把创建、校验、优化、晋升、报告和打包串成一条路径。
证据与产出层：最终产出不只是 skill 包，还包括 eval 结果、治理信号、portability 产物和迭代历史。

Quick Start

先描述你想沉淀成 skill 的 workflow、prompt 集合或重复任务。
使用 yao-meta-skill 以 scaffold、production 或 library 模式生成或改进 skill 包。
按需要运行 context_sizer.py、trigger_eval.py 和 cross_packager.py 来检查并导出结果。

Results

当前 make test 可通过
当前回归集下 trigger eval 为 0 误触发、0 漏触发
train / dev / holdout 三层评测均通过
openai、claude、generic 三个目标的 packaging contract 校验通过

当前优势

根据最近一轮加权评测，Yao 当前最强的优势主要集中在真正决定 meta-skill 质量的几个维度：

方法论完整性 9.8：已经形成正式的 skill engineering doctrine，覆盖 gate selection、non-skill decision、governance 和 resource boundary。
工程化工具链 9.8：初始化、校验、优化、报告、晋升检查、打包和 CI 已经串成一条完整工具链。
治理 / 维护 / 安全 9.8：重要 skill 可以声明生命周期、review cadence、maturity score、trust boundary 和 promotion evidence。
评测闭环 9.7：触发评测已经覆盖 train/dev/holdout、blind holdout、adversarial holdout、judge-backed blind eval、drift history 和 promotion gate。
跨环境复用 / 打包 9.6：源码保持中性，adapter、degradation rule 和 packaging contract 负责保留跨环境可移植语义。
触发与边界设计 9.5：route confusion、anti-pattern regression 和 promotion policy 把 trigger 质量变成可审计的路由问题。
上下文效率 9.4：入口文件保持紧凑，context budget 分层治理，quality density 也被量化跟踪。

整体方向很明确：入口尽量轻，评测尽量硬，治理成为 skill 质量的一部分。

为什么是 Yao

轻量：入口保持紧凑，context budget 明确分层，只有在真正值得时才增加额外结构。
严谨：trigger 质量会经过 family regression、blind holdout、adversarial holdout、route confusion、judge-backed blind eval 和 promotion gate 的联合检查。
可治理：重要 skill 被当成可维护资产处理，具备 lifecycle、maturity expectation、owner 和 review cadence。
可移植：源码元数据保持中性，adapter、degradation rule 和 packaging contract 负责保留跨环境可复用语义。

它能做什么

这个项目帮助你把 skill 从一次性 prompt，升级成可创建、可重构、可评估、可打包的长期能力包。

它的设计逻辑很简单：

识别用户请求背后真正重复发生的工作
划清 skill 边界，让一个包只做一个连贯的任务
优先优化触发 description，而不是先把正文写长
保持主 skill 文件精简，把细节移到 references 或 scripts
只在值得时加入质量门槛
只为真正需要的客户端导出兼容产物

为什么要做它

大多数团队的重要操作知识都散落在聊天记录、个人 prompt、口头习惯和未成文 workflow 中。这个项目的作用，是把这些隐性流程知识转成：

可发现的 skill 包
可重复的执行流程
更低上下文负担的指令
可复用的团队资产
可兼容分发的产物

仓库结构

yao-meta-skill/
├── SKILL.md
├── README.md
├── LICENSE
├── .gitignore
├── agents/
│   └── interface.yaml
├── references/
├── scripts/
└── templates/

核心组成

`SKILL.md`

主 skill 入口，定义触发面、工作模式、压缩后的工作流和输出契约。

`agents/interface.yaml`

中性的元数据单一来源。它保存显示信息和兼容性信息，不把源码树锁定到某一家厂商的专属路径。

`references/`

用于存放不应该塞进主 skill 文件的长文档，包括设计规则、评估方法、兼容策略和质量 rubric。

`scripts/`

让这个元 skill 具备工程化能力的辅助脚本：

trigger_eval.py：检查 trigger description 是否过宽或过弱
context_sizer.py：估算上下文体积，并在初始加载过大时给出警告
cross_packager.py：从中性的源码包生成客户端特定的导出产物

`templates/`

用于生成简单 skill 和更复杂 skill 的起步模板。

如何使用

1. 直接使用这个 skill

当你想做以下事情时，可以调用 yao-meta-skill：

创建新 skill
改进已有 skill
给 skill 增加 eval
把 workflow 变成可复用包
为更广泛的团队使用准备 skill

2. 生成一个新的 skill 包

典型流程是：

描述 workflow 或能力
识别触发语句和目标输出
选择 scaffold、production 或 library 模式
生成 skill 包
在需要时运行体积检查和触发检查
导出面向目标客户端的兼容产物

3. 导出兼容产物

示例：

python3 scripts/cross_packager.py ./yao-meta-skill --platform openai --platform claude --zip
python3 scripts/context_sizer.py ./yao-meta-skill
python3 scripts/trigger_eval.py --description "Create and improve agent skills..." --cases ./cases.json

优势

方法论优先，不是 prompt 优先：skill creation 被当成正式工程流程，而不是只写一段说明文字
天生面向触发优化：description 会经过 route confusion、blind holdout、adversarial family 和 promotion policy 的检查
入口轻量：SKILL.md 保持克制，references、scripts、evals 只在真正值得时加入
工具链完整：初始化、校验、优化、报告、打包、测试，都能走统一 CLI 和 CI 路径
治理化资产：重要 skill 可以带 owner、lifecycle、maturity expectation 和 review cadence
默认可移植：源码中立，兼容性通过 adapter 和 degradation rule 处理
证据密度高：route scorecard、regression history、context budget、portability score、promotion decision 都是公开产物，而不是隐藏实现

最适合谁

这个项目尤其适合：

agent 构建者
内部工具团队
正在从 prompt engineering 转向 skill engineering 的人
想构建可复用 skill 库的组织

许可证

MIT。见 LICENSE。

README.zh-CN.md Unescape Escape

Yao Meta Skill 中文介绍

架构图