日常工作总结的 Skill 5 条优化经验
Skill的创建很容易，难的是把Skill在日常工作中高频使用，这就有赖于基于使用反馈的不断优化了，以下5条是个人经验之谈。
1. Description先定义任务边界和触发条件
Skill 首先要解决“何时应由我处理、何时不应由我处理、和相邻 Skill 怎么分工”。描述应覆盖我们真实启动用语、输入类型和排除场景；存在多个子skill时，用路由表明确唯一主责，避免一个入口同时维护多套完整流程。
2. 复杂 Skill 的主入口应是编排层，不是知识仓库
随着skill复杂度加重，SKILL.md要只保留核心不变量、唯一流程、停止条件和引用路由，控制文档总行数，详细业务知识进入 references，确定性操作脚本进入 scripts，回归样本进入 tests。
3. 共享规则集中维护，领域差异只保留可观察例外
多 Skill 体系适合采用“路由与优先级 + 共享协议 + 专家规则”的三层结构。任务契约、证据边界、输出协议等跨领域规则只维护一份；专家 Skill 仅补业务规则和能够被判断的例外，不复制共享条款，也不使用“视情况而定”绕开上位约束。
4. 按失败类型选择规则形态，不靠增加提醒解决问题
在skill进入实际应用时，总会有一些问题点出现，我自己常见的是这四类。Agent 明知规则仍会跳过：使用硬门禁、禁止项和明确回退； 输出结构不稳定：使用明确输出约定，规定字段和顺序； 经常漏项：把必填项放入结构化模板或 schema； 规则依条件变化：用可观察条件触发，不写宽泛例外。
但也要注意，不要打补丁式的优化skill，要从发现的问题中找结构性、规则性方面的问题；
5. 结论和动作都要受证据上限约束
Skill 不应只输出“看起来合理”的判断，而应明确当前输入最多支持到哪一层：事实、信号、假设、建议、可执行动作。一旦材料支撑不足时降低结论强度、缩小范围或停在“需补信息/继续观察”，这样可以尽可能产生幻觉，利于人和AI的协作。
