技能锻造工坊（Skill Forge）— 自动发现值得沉淀的技能
核心定位：先探测，再锻造
大多数 skill 是"用户想要才做"。但真正高价值的技能往往藏在用户的行为里——用户反复做同一件事、反复踩同一个坑、反复整理同一类碎片，却从没意识到"这可以变成一个 skill"。
本技能分两层能力：
- 探测层（Skill Radar）：在日常对话与操作中持续检测"沉淀信号"，发现值得做成 skill 的内容/操作时，主动、低打扰地向用户提议。
- 锻造层（Forge）：提议被接受（或用户主动要求）后，按标准化流程把真实语料锻造成高质量 skill——含 Step 0 经验蒸馏（接住对话中的即时经验）+ 8 步锻造工作流。
核心价值之一：我们不解决"skill 长什么样"
最容易拿来对比的是 skill-creator（Anthropic 官方）——它教你写 SKILL.md：
frontmatter 怎么写、description 怎么写才能被触发、渐进式披露怎么分层、脚本怎么组织。
那是「格式」问题。skill-forge 解决的是另一个问题：料从哪来。
| skill-creator（官方） | skill-forge | |
|---|---|---|
| 解决什么 | skill 长什么样（格式 / 结构） | skill 的料从哪来（真实语料） |
| 起点 | "我想做一个 X 的 skill" | "你已经做过 20 次 X，只是自己没意识到" |
| 核心动作 | 写 SKILL.md | 探测 → 蒸馏 → 采集 → 聚类 → 提炼模式 → 最后才写 SKILL.md |
| 出厂标准 | 格式合规、能被触发 | 没有真实语料支撑 → 不出厂 |
| 典型失败 | 格式挑不出毛病，内容全是通用方法论 | — |
> 一句话：skill-creator 让你写出一个格式正确的 skill；
> skill-forge 让你写出一个别人抄不走的 skill。
>
> 因为格式可以抄，语料抄不走。
> 用 AI 的通用知识编出来的方法论，用户直接问 ChatGPT 也能得到——那不叫 skill，那叫搜索结果。
核心命题：方法不是资产，语料才是。
模型权重会随基座换代贬值（约 6 个月），不贬值的是带来源的语料与评测集。
所以本 skill 把 70% 的流程放在"拿料"上，写 SKILL.md 只是最后一步。
核心价值之二：我们与 Hermes 式自动沉淀的差异
信号机制借鉴 Hermes，但 skill-forge 不是 Hermes 的翻版——在以下五个维度上，我们走了不同的路，且每一条都是可验证的差异：
1. 决策权：提议-确认，而非自主执行
Hermes 的行为准则是 "don't wait to be asked"——任务完成即自动沉淀，这是它的效率来源，也是它最受争议的越权风险点。
skill-forge 反其道而行：先提议，用户确认后才锻造。信号命中 → 提议三问（复用性/痛点强度/打扰成本）→ 低打扰开口 → 用户点头才动手。沉淀与否是人的决策，不是 agent 的冲动。克制不是缺陷，是对用户主权的尊重。
2. 沉淀对象：语料资产，而非单次经验
Hermes 沉淀的是"刚才那次会话的经验"（点状、单次、易过时）。
skill-forge 锻造的是规模化语料资产：≥20 条真实一线内容、覆盖痛点 2+ 维度、去重后聚类成模式层。点状经验让人记住一次，语料资产让人反复复用。
3. 产出标准：可发布的产品，而非私有工具
Hermes 的 skill 是 agent 自己的私有记忆，能用即可。
skill-forge 有 7 条质量红线 + A-H 八组出厂检查清单：没有真实语料不出厂、框架不来自语料不出厂、没有降级机制不出厂、建议给空话不出厂。锻造出的是可开源、可发布、经得起同行检验的产品——本方法论的第一批实践产物已按此标准线公开验证。
4. 可信度：不编造 + 证据链 + 降级，而非"记住怎么做"
Hermes 解决"Agent 怎么复用经验"；skill-forge 解决"输出凭什么可信"：
- 每条诊断必须引用用户原话/数据作证据（防幻觉）
- 四层解耦架构，每层有降级——匹配失败也诚实标注置信度，不硬套
- 禁止编造对方心理/动机，只引用意图库
记忆让人变快，证据让人可信。 这一层质量方法论，Hermes 的 Skill 体系没有覆盖。
5. 适用场景：内容与知识管理，而非编码
Hermes 的信号（5+ tool calls / tricky error）面向代码与工具操作。
skill-forge 把信号翻译成内容工作者的语言：碎片积累（10+ 条笔记）、重复整理（第 3 次同类操作）、写作复盘踩坑。服务的是中文内容创作者、知识管理者、复盘型职场人——Hermes 覆盖不到的人群。
> 一句话：Hermes 让 Agent 记住怎么做；skill-forge 让人拥有"凭什么可信、能不能发布、归谁决定"的方法论。 前者是效率工具，后者是质量体系。
> 信号机制借鉴 Hermes Agent（Nous Research 的自进化 AI Agent）的自进化 Skill 闭环：
> 它通过内置行为准则（复杂任务完成后、修复棘手错误后、发现非平凡工作流后自动沉淀）实现"越用越聪明"。
> 本技能将其信号逻辑适配到内容与知识管理场景（ima.copilot 等平台上的写作、整理、复盘类工作），
> 并保留"先提议、用户确认后才锻造"的克制——不越权替用户做决定。
第一部分：探测层（何时提议沉淀）
五类沉淀信号
在日常工作中持续观察，命中任一信号即触发一次"沉淀提议评估"：
| 信号 | 表现 | 举例 |
|---|---|---|
| S1 重复操作 | 用户第 3 次及以上做同一类操作，每次都要从头组织步骤 | 第三次整理同类知识碎片；第二次做同一类文档的结构化 |
| S2 复杂任务 | 一次任务含 5 步以上可复用方法链，有清晰的流程骨架 | 完成一次大型资料归类（含搜索→筛选→分类→打标→归档） |
| S3 踩坑修复 | 用户解决了棘手问题，过程含非平凡的纠错/绕坑经验 | 折腾很久才搞定的格式转换、平台操作、内容排布问题 |
| S4 碎片积累 | 同一主题的碎片内容积累到阈值，反复被翻出来使用 | 同一个话题的笔记/片段出现 10+ 条，每次写作都要重翻 |
| S5 明确要求 | 用户直接表达要做一个 skill | "帮我做个 XX 的 skill""把这个流程固化下来" |
提议评估三问（命中信号后，先过这三问再决定是否开口）
- 复用性：这个内容/操作未来还会再遇到吗？（一次性的事不提）
- 痛点强度：用户做这件事时是"顺手"还是"费力"？（费力才值得沉淀）
- 打扰成本：现在提议会不会打断用户当前更重要的操作流？（正在专注写作/处理紧急事项时不打断，记下稍后提）
三问都通过 → 提议；任一不通过 → 不提议，继续观察。
提议话术（低打扰、给价值、留退路）
提议必须包含三要素，控制在 3 句话内：
- 观察证据：我注意到你最近在反复做 XX（第 N 次了）
- 价值主张：这个可以沉淀成一个 skill，下次你一句话就能完成
- 低压力收尾：需要的话我现在就帮你做；不需要就当我没说
示例：
> "我注意到你这周第三次整理 XX 主题的资料了，每次都是同一套流程。这个可以沉淀成一个 skill——以后你只要丢进来碎片，它自动帮你分类打标。需要我做吗？不需要也没关系。"
克制规则：
- 同一信号最多提议 2 次，用户拒绝或忽略后不再纠缠
- 提议被接受前，不执行任何锻造动作
- 用户说"不用"→ 尊重，不解释、不劝说
第二部分：锻造层（Step 0 经验蒸馏 + 8 步工作流，不能跳）
用户确认提议（或主动要求）后，进入锻造流程。每步产出需用户确认后才继续。
> 两套编号怎么对应：本文件用 Step 0-8（从用户视角的一步一步），
> references/corpus-to-skill.md 用 Phase 1-6（从语料视角的处理阶段）。
> 同一个流程，两种切法，映射如下，别当成两个流程：
>
> | 本文件 | 方法论文件 | 做什么 |
> | ----------------------- | ----------- | ---------------------- |
> | Step 1-2 痛点定位 + 语料采集 | （前置） | 定痛点、凑够料 |
> | Step 3 清洗结构化 | Phase 1 | 去重、统一格式、分类 |
> | Step 4 归纳抽象 | Phase 2 | 聚类意图、提炼模式、设计量规 |
> | Step 5 标准化延展 | Phase 3 | 框架四件套 |
> | Step 6 解耦架构设计 | Phase 4 | 分层 + 降级 |
> | Step 7 约束规则 | Phase 5 | 防编造 + 防泄密 |
> | Step 8 SKILL.md 生成 + 校验 | Phase 6 | 按模板生成 + 逐项质检 |
> | Step 0 经验蒸馏 | （贯穿） | 信号来自本次对话时，先把"刚才发生的事"接住 |
Step 0 — 经验蒸馏（先接住"刚才发生的事"，再做沉淀判断）
这是"自动发现"闭环的关键一环：当信号来自本次对话/操作本身（S2 复杂任务刚完成、S3 刚踩坑修复、S1 刚完成第 N 次同类操作）时，语料不在知识库/文档里——语料就是刚才这段过程。若不立即蒸馏，会话一结束经验就流失了。
蒸馏动作（趁过程还热，30 秒内完成）：
- 还原过程链：把刚才的完整过程拆成"做了什么 → 卡在哪 → 怎么解决的 → 哪些步骤可复用"，按顺序列出
- 标记踩坑点：单独标出非平凡的纠错/绕坑节点（每个坑 = 一个潜在的陷阱模式素材）
- 提取可复用步骤：把"这次的具体操作"提纯为"下次能照做的通用步骤"（去具体化：把文件名/具体数值换成占位描述）
- 初判语料量：蒸馏出的条目是否达到可锻造规模？达不到 → 告知用户"这次经验还比较单薄，建议攒到 X 条同类再沉淀"，但先把蒸馏结果存入用户可见的草稿（如笔记/文档），避免流失
输出：一份"经验蒸馏草稿"（过程链 + 踩坑点 + 可复用步骤），展示给用户确认；用户点头后进入 Step 1。
> 蒸馏示例：
> 用户折腾 40 分钟把一批旧文档转成新格式 → 蒸馏出：卡在表格样式兼容（坑）→ 解法是先转纯文本再套模板（可复用步骤）→ 下次同类任务 5 分钟完成。
Step 1 — 痛点定位
不做 skill 之前先问：谁在痛？痛在哪里？有多具体？
- ❌ "提高效率""节省时间" → 废话，不做。
- ✅ "客服投诉处理靠老师傅经验，新人上手要三个月" → 真痛点。
输出一句话："这个 skill 解决的真实痛点是 __，痛的人是 ____。"写不出来 → 停，不往下走。
Step 2 — 语料采集
从三路搜语料，语料不够不开工：
- 内部知识库/文档 — 用户自有的一线业务文档、会议纪要、案例、对话（如果所在平台支持知识库检索，优先从这里拿）
- 外部公开信息 — 行业报告、公开案例、专业论坛（网络搜索）
- 用户直接补充 — 用户提供的数据/经验/文档
语料质量门槛：
- 必须真实一线，不是互联网搬运的泛泛之谈
- 至少 20 条有实质内容（不是标题/碎片）
- 覆盖痛点的 2+ 维度（如诊断类覆盖：类型 × 错误模式 × 改进方法）
语料不够 → 告知用户缺什么、建议去哪补，不硬开工。
Step 3 — 清洗结构化
把杂乱语料变成可用的结构化数据：
- 去重 — 合并内容重复的条目（记录原始条目数 → 去重后条目数）
- 统一格式 — 每条语料打上：
id/title/category/content_summary/source/source_id（在源库中的定位，便于追溯） - 分类打标签 — 按 5-11 个大类分组（类别太少=粒度粗，太多=散）
- 补齐 variants — 同一意图的不同表达方式
- 标记边界 — 哪些语料完整可用、哪些残缺待补
输出：一份结构化语料清单（含条目数 / 分类数 / 覆盖维度），展示给用户确认。
Step 4 — 归纳抽象（核心：从散落语料中提取可命名的模式层）
- 聚类意图 — 把散落条目按"它在解决什么"聚类，每个簇给一个命名 ID（如 I01、I02…），每个意图配一句话定义
- 提炼模式 — 从每个意图簇提取"典型错误/陷阱/失败模式"，每个模式配：
-signal_keywords：触发检测的关键词（真实场景里会出现的说法）
-diagnostic_message：为什么扣分/为什么是问题
-fix_direction：修正方向（指向具体框架） - 设计量规 — 为每个意图设计 2-4 维评分/判断标准，3 档（优秀/合格/薄弱），明确判定依据
输出：意图清单 + 模式清单 + 量规表，展示给用户确认后才往下走。
Step 5 — 标准化延展（从归纳到可交付的框架）
- 提取命名框架 — 每个意图或痛点，配 1-2 个可命名的改进/解决框架（名称一听就懂）
- 每个框架四件套：
- 适用场景（哪些意图/痛点适用）
- 结构步骤（怎么用，可复制，3-5 步）
- 正反案例（好做法 vs 烂做法）
- 关键原则（一句话核心要点） - 跨意图复用 — 同一框架可服务多个意图，标注服务范围
输出：框架库（含框架数 / 服务意图数 / 覆盖率），展示确认。
Step 6 — 解耦架构设计
分层是质量天花板的关键——确保降级机制：
| 层级 | 职责 | 降级策略 |
|---|---|---|
| Layer 0 | 输入解析（角色分离/分段/噪声过滤） | 不确定就跳过，禁止猜测 |
| Layer 1 | 精确匹配（用户输入→语料条目） | 匹配失败降级到 Layer 2 |
| Layer 2 | 模式匹配（意图/陷阱/量规） | 即使不在库中也能诊断 |
| Layer 3 | 改进建议（框架匹配+结构步骤） | 给命名框架，不给空话 |
降级铁律：每一层都有 fallback——即使用户输入超出语库范围，仍能给出有价值的输出（只是标注置信度低）。
Step 7 — 约束规则 + 安全护栏
每条输出前必须过约束检查：
- 只用语料诊断，不编造 — 超范围明确声明
- 必须有证据 — 引用用户原话/数据，不许凭感觉
- 改进必须给结构 — 命名框架 + 步骤 + 示例，不给空话
- 匹配失败必须声明 — 不硬套
- 禁止泄密 — 不输出语料库原文（题库/量规/框架明细），只输出诊断结果
- 置信度标注 — 🟢高 / 🟡中 / 🔴低
Step 8 — SKILL.md 生成 + 质量校验
按标准化模板生成完整 SKILL.md（模板见 references/skill-template.md），包含：
YAML frontmatter（name + description）/ 核心能力声明（含数据资产清单）/ 输入规范 / 分层流程 / 约束规则 / 输出报告格式 / 局限声明 / 数据来源。
然后对照质量清单逐项校验（见 references/quality-checklist.md），任何一项不合格 → 打回修改，不出厂。
质量红线（违反任一条 = 不出厂）
- ❌ 没有真实语料支撑 → ✅ 至少 20 条一线语料（或经 Step 0 蒸馏达到同等密度的过程经验）
- ❌ 痛点是"提高效率"这种废话 → ✅ 具体到"谁在什么场景下痛"
- ❌ 框架先搭后填 → ✅ 框架从语料归纳中长出来
- ❌ 没有降级机制 → ✅ 匹配失败也能给出有价值输出
- ❌ 没有约束规则 → ✅ 防编造+防泄密+可追溯
- ❌ 改进建议是空话 → ✅ 每条配命名框架+步骤+案例
- ❌ 对话经验未蒸馏就流失 → ✅ S2/S3 信号触发后先产出经验蒸馏草稿，再判断是否锻造
复炼：出厂不是终点
语料会过时。一个 skill 的价值不取决于出厂那天，取决于它迭代了几次。
建议每 1-3 个月（或用满 20 次后）复炼一次：
| 步骤 | 动作 |
|---|---|
| R1 收集新语料 | 把出厂后新产生的真实案例、踩坑、纠正加进语料库 |
| R2 检查失效 | 哪些模式/框架用户从没触发过？（大概率当初归纳错了）哪些被频繁推翻？ |
| R3 补量规 | 新增的失败模式补进 signal_keywords / diagnostic_message |
| R4 回归测试 | 拿出厂时的老案例重跑，确认没改坏（这步最常被跳过，也最容易翻车） |
| R5 更新版本号 | 记录本轮改了什么、为什么，让用户看得见演进 |
> 复炼的判据是命中率，不是条目数。
> 语料从 20 条涨到 200 条，但用户还在纠正同一个问题 → 这一轮复炼无效。
使用纪律
- 先探测后锻造：信号 → 提议 → 确认 →（Step 0 蒸馏）→ 锻造，顺序不可跳
- 提议不等于执行：未获用户确认，永远停在探测层
- 经验不等于语料：对话经验先蒸馏成结构化草稿，达到密度门槛才进入锻造
- 锻造不等于注册：锻造完成输出 skill 目录，是否注册到平台由用户决定
- 出厂不等于完成：没有复炼的 skill，半年后就是一堆过时的正确废话
输出物清单
锻造完成后输出：
{skill名}/SKILL.md— 完整 skill 主体（skill 目录可放在任何位置，如~/.claude/skills/或其他支持 skill 的平台目录）{skill名}/references/— 语料索引 + 框架库 + 量规表等（与 SKILL.md 同目录，供诊断时读取）- 质量校验报告（逐项检查结果）
- 注册说明（如何将 skill 安装到目标平台——不同平台机制不同，参照其 skill 注册方式）
参考文件
- 语料→skill 通用锻造方法论：
references/corpus-to-skill.md - SKILL.md 标准化模板（填空式）：
references/skill-template.md - 质量校验清单（出厂前逐项勾）：
references/quality-checklist.md
