办公小浣熊 Skill 创建师
📖 技能介绍
name: office-raccoon-skill-creator display_name: 办公小浣熊 Skill 创建师 description: 面向办公小浣熊的 SkillHub 技能创建、架构判断、上架资产生成、质量评分、YAML 修复、干净打包与新手引导的一体化技能。 version: 1.2.0 author: office-raccoon license: MIT category: productivity tags: - skillhub - skill-creator - office-raccoon - expert-team - quality-gate - quickstart
办公小浣熊 Skill 创建师
一句话定位
办公小浣熊 Skill 创建师用于把一个业务能力、工作流或专家经验，转化为可安装、可审计、可上架的 SkillHub 技能包。V1.2 强化了专家团式能力建设方法，新增架构判断、上架页生成、质量评分、YAML 自动修复和干净打包能力。
何时使用
当用户提出以下需求时使用本技能：
- 创建一个新的 SkillHub 技能包。
- 把业务流程、专家经验、SOP 或咨询方法沉淀为技能。
- 判断某个能力应该做成单技能、技能组、专家团队还是混合管线。
- 为已有技能包补齐
SKILL.md、README、模板、示例、参考资料、测试和报告。 - 生成 SkillHub 上架页、发布说明、质量评分报告。
- 修复 YAML front matter，避免注册元数据解析失败。
- 打包上传 ZIP，并剔除高风险文件、隐藏文件、缓存、日志和开发辅助文件。
不应使用的场景
- 只是一次性写提示词，不需要形成可安装技能。
- 只是普通文档写作、数据分析或代码开发，且不需要 SkillHub 交付。
- 用户要求生成违法、侵权、隐私泄露或不合规内容。
- 用户只要求讨论产品方向，尚未决定沉淀为技能；此时应先做澄清或架构建议。
北极星目标
每次执行都围绕一个目标：
把用户的能力建设需求，交付为结构完整、边界清楚、质量可检、可安装、可上架的 SkillHub 技能包。
如果中途发现目标偏移，应回到以下问题：
- 用户真正要沉淀的能力是什么？
- 这个能力适合单技能、技能组、专家团队还是混合管线？
- 交付物是否能被安装、调用、测试和上架？
- 是否存在 YAML、结构、质量、安全或打包风险？
V1.2 核心能力
1. 自动判断技能架构
根据任务复杂度、输入输出数量、领域跨度、角色分工、质量门禁和复用频率，判断推荐架构：
- 单技能：边界清晰、流程稳定、输入输出简单。
- 技能组：多个相关能力可独立调用，但共享主题、模板或资源。
- 专家团队：需要多角色判断、证据审计、冲突消解、质量复核。
- 混合管线：既有自动化脚本，也有专家判断和人工确认节点。
输出必须包含：推荐架构、理由、风险、最小可行版本、后续演进路线。
2. 自动生成 SkillHub 上架页
为技能包生成可直接用于 SkillHub 的上架文案，包括：
- 技能名称与一句话价值主张。
- 适用人群和典型场景。
- 能力清单和非目标边界。
- 输入输出示例。
- 安全、隐私和合规说明。
- 安装后快速开始。
- 版本说明与质量评分摘要。
3. 自动生成质量评分报告
使用 TRACE + SkillHub 上架门禁组合评估：
- Trust 可信度：来源、边界、安全、隐私、非目标。
- Reliability 稳定性：结构、模板、错误处理、测试、可复验。
- Adaptability 适配性：场景覆盖、输入差异、配置与扩展。
- Conversion 转化落地：README、示例、上架页、安装说明、可交付性。
- Effectiveness 效果达成：是否解决真实任务，输出是否可直接使用。
评分应给出总分、等级、阻断项、优化建议和是否建议上架。
4. 自动修复 YAML front matter
对 SKILL.md 的 YAML front matter 做安全修复：
- 缺失
---包裹时自动补齐。 - 缺少必填字段时根据包名和内容推断补齐。
- 字段值包含英文冒号、井号、特殊字符时自动加引号。
- 中文展示名保留在
display_name，name使用英文 slug。 - 修复前生成备份或写入修复报告。
不可自动确定的信息应标记为 TODO，不得编造作者、授权或能力承诺。
5. 自动剔除高风险或无关文件
打包上传前采用白名单优先策略：
- 允许根文件：
SKILL.md、README.md、package.json。 - 允许目录：
references/、templates/、examples/、scripts/、tests/、reports/。 - 默认排除：
.git、.DS_Store、__pycache__、日志、缓存、临时文件、独立LICENSE、.gitignore、云同步配置、密钥、token、环境变量文件。 - ZIP 根层必须直接包含
SKILL.md，不得被外层目录包裹。
标准工作流
阶段 1：需求澄清
收集以下信息：
- 能力名称和目标用户。
- 真实使用场景。
- 输入、输出和成功标准。
- 是否需要脚本、模板、参考资料、示例和测试。
- 是否涉及隐私、账号、接口、外部系统或高风险操作。
阶段 2：架构决策
使用架构判断模块输出：
- 推荐架构：单技能 / 技能组 / 专家团队 / 混合管线。
- 选择理由。
- 最小可行版本范围。
- 后续扩展路径。
- 需要的文件结构。
阶段 3：技能包生成
生成完整技能包，而不是只生成 SKILL.md。默认包含：
SKILL.md
README.md
package.json
references/
templates/
examples/
scripts/
tests/
reports/
复杂技能可增加子技能目录，但上传 ZIP 根层仍必须包含包级 SKILL.md。
阶段 4：质量门禁
执行以下检查：
- YAML front matter 可解析。
- 根入口存在且字段完整。
- README 与 SKILL.md 口径一致。
- 示例能覆盖至少一个真实输入输出。
- 安全、隐私、非目标边界明确。
- 质量评分报告达到上架线。
- ZIP 根层结构正确且无高风险文件。
阶段 5：打包与交付
生成：
- 完整技能包目录。
- 干净上传 ZIP。
- SkillHub 上架页。
- 质量评分报告。
- 发布说明。
- 如有必要，生成交接提示词。
输出规范
默认输出：
- 推荐架构和理由。
- 技能包文件结构。
- 生成或修改的文件清单。
- 校验结果和评分。
- ZIP 路径。
- 是否建议上架。
- 后续优化建议。
质量标准
SKILL.md必须有可解析 YAML front matter。description等含英文冒号或特殊字符的字段必须加引号。name使用英文 slug，display_name可用中文。- 不使用外层目录包裹上传 ZIP。
- 不把旧版本残缺内容误放入新版本。
- 更新迭代时必须复制完整旧版功能，再在独立新目录中升级。
- 验证脚本作为质量校验工具，不应成为普通用户安装技能的强制步骤。
安全与隐私
- 不输出完整 API Key、Token、Cookie、密码、身份证、手机号等敏感信息。
- 打包默认排除
.env、密钥文件、云同步配置、日志和缓存。 - 对涉及外部系统、账号授权、文件删除、上传发布等动作，明确提示风险。
- 用户拒绝危险操作时立即停止，不用等价命令绕过。
非目标
- 不承诺自动接入真实 SkillHub API。
- 不替代人工最终上架审核。
- 不为违法、侵权、隐私泄露或不合规用途生成技能。
- 不在未读取原始材料时声称已完整审阅。
推荐脚本
scripts/decide_architecture.py：判断单技能 / 技能组 / 专家团队 / 混合管线。scripts/repair_frontmatter.py：修复SKILL.mdYAML front matter。scripts/validate_generated_skill.py：通用生成包校验。scripts/generate_listing.py：生成 SkillHub 上架页。scripts/score_quality.py：生成质量评分报告。scripts/clean_package.py：生成干净上传 ZIP。
示例任务
用户：我想把客户投诉处理 SOP 做成一个 SkillHub 技能。
助手应输出：
- 判断它适合单技能还是专家团队。
- 生成技能蓝图。
- 生成完整技能包。
- 修复和验证 YAML front matter。
- 生成上架页和质量报告。
- 生成干净上传 ZIP。
🤖 AI 评测
这个 Skill 质量不错，属于办公小浣熊里功能比较齐全的工具包。它把创建技能涉及的复杂流程拆解得很清楚，新手看文档也能上手，不像有些 Skill 只有干巴巴的说明。做得好的地方是：有快速指南、有 FAQ 解答常见问题、有反模式提醒避免踩坑，还有脚本帮你自动检查质量、生成上架页面。不足之处是：部分文档有内容缺失、测试样例比较简单，另外有一个质量报告的版本号还是旧的，可能是打包时没更新。对于想认真做一个合格 Skill 的人来说，这个工具包值得使用。
