前端进阶之旅前端进阶之旅
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
  • AI 助手随时提问,即时解析
  • AI 模拟面试模拟真实面试 + 报告
  • AI 知识地图串起全站知识点
  • AI 定制路线按你的简历现排
AI 热点
旧版
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
  • AI 助手随时提问,即时解析
  • AI 模拟面试模拟真实面试 + 报告
  • AI 知识地图串起全站知识点
  • AI 定制路线按你的简历现排
AI 热点
旧版
返回 AI 情报前线
All News · 全部资讯9915
  • 用 Bedrock Agent 编排云安全修复
  • Orion-1 面向网络防御,试补通用模型限制
  • 用 JumpStart 完成模型部署与性能测试
  • GPT-4 系列部分 API 据报将停用
  • 工厂智能排产应先建约束模型
  • 法律 RAG 的核心是有据回答与可靠拒答
  • Agent 如何调用工具:从函数接口到 MCP
  • 给 AI 功能算清每月 API 账单
  • 用可验证进度训练长任务 Agent
  • Agent 数据架构怎么选:五种方案对照
  • 终端编程助手实测:正确率之外的差异
  • curl 安全更新揭示 AI 漏洞研究成效
  • 视频编辑智能体如何准确操作时间线
  • Fish Audio 新语音模型开放权重,部署门槛仍高
  • n8n 节点改名后,副作用策略为何失效
  • Gemini 4 Argon 迁移需查参数兼容与计费
  • 智能体审批如何防止越权与重复执行
  • XBOW 披露 AI 辅助 Chrome 漏洞研究
  • Liquid AI 推出面向本地智能体的 MoE
  • 让编程 Agent 从源码开始排查故障
  • 把团队交付流程写成 Agent 技能
  • 多步 Agent 提分,未必是规划有效
  • Vercel沙箱挑战揭示内核隔离风险
  • AI实验室如何让万级代理持续运行
  • Gemini 4 Argon正式可用,评测跟进
  • Gemini 4 Argon 据报支持百万输出
  • TokenRouter 通过逐词元路由提升推理吞吐
  • 用结构化证据账本改善长视频推理
  • 小模型运行 Anatomy:检查通过却产出简陋
  • 多家 LLM 接口容错的限流处理经验
  • 给 AI 测试提示补上意图与行为清单
  • Agent 决策之外,还需可靠工作流
  • DeepMind 与新加坡探索端侧反诈模型
  • Vercel免费接入Nemotron长上下文模型
  • AI Studio应用可私密部署到安卓
  • AI重构通过测试,仍可能破坏接口契约
  • 智能体注册测试需明确邮件领取规则
  • 日合并三万次,Anthropic 重构版本管理
  • Meta新Agent模型支持百万上下文
  • 用 ONNX 在浏览器本地分离音乐音轨
  • Agent 安全测试为何漏掉工具泄密
  • LLM 插件接入 Argon,选型需看任务总成本
  • polyweave 为 Claude Code 扩展游戏素材检查
  • 工具越多越易选错:Agent工具集瘦身实践
  • Liquid开放24B推理模型,面向本地Agent
  • AWS 开源 2B 决策模型,专做选项判断
  • AI 代码审查太吵,会让真问题被忽略
  • Gemini 视频转仿真演示打通机器人训练
  • RAG 检索不准,先评测嵌入模型
  • 面壁开源 MiniCPM-V 4.7,主打手机多模态
  • 实测 agent-hooks:演示不等于兼容认证
  • 已加载 51 / 9915
8.0
热点
AI SCORE
编程提效2026-10-14 15:18

把团队交付流程写成 Agent 技能

dev.to · AI#智能体技能#工作流#交付检查
Editor brief · 编辑速览

文章用 SKILL.md、模板、清单和脚本将重复工作整理为编程 Agent 可执行的技能。SEO 审计示例展示了触发描述、操作步骤和只报告不修改的权限边界。

文章思维导图
Knowledge map
拖拽缩放
Full translation

完整中文译文

昨天晚上,我给自己的 coding agent 安装了十个新 skill。它们出自 Sonner toast 库背后的开发者 Emil Kowalski,教 Agent 如何做好设计工程:什么时候根本不该加动画、该用哪些缓动曲线,以及如何用最糟糕的数据对 UI 做压力测试。整个安装过程大约花了五分钟,大部分时间都用来阅读安全扫描结果。今天,Agent 写出的动画和移动端布局明显更好了。没有人改过模型。带来变化的,只是一个装着 Markdown 文件的文件夹。

Skill 到底是什么

Skill 是一个目录,里面有一个 SKILL.md 文件,还可以放一些辅助文件:模板、检查清单、小脚本。这个文件就是普通的 Markdown。下面是一个精简的真实示例:

---
name: seo-audit
description: "Audit a client site before delivery. Use when asked to"
  "check the site", "run an audit", or before handing a project over.
---
## Workflow
1. Crawl the site, collect titles/descriptions/headings
2. Check structured data and canonical tags
3. Report as a table: severity, page, fix
## Hard rules
- Report only. Do not fix anything until asked.

Frontmatter 提供了匹配任务所需的信息:name 会成为聊天中的 /seo-audit 命令,而 Agent 会读取 description,判断这个 skill 是否适合当前任务。正文则是操作流程。巧妙之处在哪里?加载方式。会话开始时,我的 Agent 只保留我那 53 个 skill 的名称和一句话描述,合计只占几 KB 的上下文。只有任务匹配,或者我明确调用时,才会加载某个 skill 的全文。所以,你完全可以保留几十个 skill:不用的那些几乎没有成本。

显式调用,用斜杠命令:/seo-audit https://client-site.ru。Agent 会逐步执行流程,并传入参数。当流程本身很重要时,我会采用这种方式。隐式调用,则靠描述匹配:我用自然语言写下“在把这个网站交给客户之前检查一下”,Agent 就会将请求与各个 skill 的描述进行比较,加载合适的那个。这也是为什么 description 字段最值得你花时间打磨。优秀的 skill 作者甚至会专门添加一个 Triggers 章节,列出应该触发这个 skill 的确切措辞。

在我的配置里,skill 分为三层:

  • ~/.agents/skills/<name>/SKILL.md 存放个人 skill,在每个项目中都可用。我的工作方式就放在这里:发布流水线、审查流程、安全关卡。
  • 仓库里的 skills 文件夹存放团队 skill,并提交到 git。新员工拿到的是可执行的流程,而不是一篇没人打开的 wiki 页面。
  • Plugin 缓存存放 marketplace 的技能包。它们适合通用需求;凡是与我的公司具体工作方式有关的内容,都应该放在前两层。

一条真实的流水线:一个命令,六个平台

我最复杂的 skill,就是负责发布你正在读的这篇文章的那个。我输入 /smm-crosspost 并附上一个文件,或者直接说“给我们的博客写一篇文章”,Agent 就会:

  1. 用英文撰写文章,再改编成俄语和哈萨克语,并在三个版本之间添加相互链接;
  2. 按品牌风格生成一张 1200x630 的封面;
  3. 将所有内容放入网站,补齐结构化数据(TechArticle、FAQPage、HowTo、hreflang);
  4. 停下来,把所有内容展示给我审批;
  5. 在我回复“ok”后:部署,检查文章是否已经上线,并执行内部质量审查;
  6. 为六个社交平台分别改编文案,每个平台都有自己的格式、语气和篇幅限制;
  7. 对草稿执行一轮 human-lint 检查,把每一份文案及其评分展示给我;
  8. 再次等待我明确回复“ok”。只有这时,它才会发布。

第 4 步和第 8 步是写进 skill 的硬性关卡。没有我的确认,Agent 就不能发布任何内容,因为 Markdown 里就是这么规定的,而它会遵守。这一点常被低估:约束 Agent 行为的规则,与工作流程写在同一份纯文本里,而且确实有效。

安全关卡

Skill 是一组 Agent 会遵循的指令。安装一个未经你审查的 skill,就像运行陌生人仓库里的脚本。“Ignore previous instructions” 完全可以藏进一份看起来很有帮助的检查清单。我的安全关卡本身也是一个 skill:

git clone --depth 1 https://github.com/author/some-skills /tmp/check
skillspector scan /tmp/check --no-llm   # NVIDIA's scanner, fully local
# then: read every flagged line by hand

这里得说说误报,因为这件事很重要。本周,扫描器给那个无害的设计 skill 仓库报出了 CRITICAL:29 项发现,最高严重级别,建议“不要安装”。人工审查后发现,每一项都是误报。它误判了一条防御性指令:这条指令要求 Agent 忽略仓库文件中试图引导其行为的内容,因为引用文本里出现了“ignore previous instructions”;它还误判了作者为在 Markdown 模板中嵌套代码围栏而使用的零宽字符,以及特意放进测试数据中的一个 ZWJ emoji。真正的威胁是零。这里的教训不是“忽略扫描器”,而是:扫描器负责筛选,人负责判断。读完被标记的 29 行,我花了大约十分钟。安装一个被恶意污染的 skill,代价会大得多。

现成的 skill,承载的是别人的经验。你自己的固定工作流程更有价值,而且没人会替你写出来。下面是我给客户的方法:

  1. 选一项你每周都会重复的任务:发布内容、写周报、交付前审查、部署。
  2. 按你手动操作时的实际做法,准确写下每一步,包括你会在哪些地方再次核查。
  3. 加上硬性规则:哪些事绝对不能做,哪些事需要人工审批,应该在哪里停下来。
  4. 为 Agent 写 description,而不是为自己写:说明这个 skill 做什么,以及哪些措辞应该触发它。

从小处开始。一份能让你每周省下一小时的百行 skill,胜过一份永远写不完的千行完美 skill。


本文在 AI 辅助下完成起草和改编,并由作者在发布前审阅。

最初发表于 automata.sale 的文章《如何使用 Zcode skills 和命令》。

标签:aiagents、automation、webdev、productivity

如需进一步采取措施,你可以考虑屏蔽此人和/或举报滥用行为。

Original source

本文由 AI 翻译整理自 dev.to · AI,原文版权归原作者所有。

阅读英文原文
上一篇
让编程 Agent 从源码开始排查故障
下一篇
多步 Agent 提分,未必是规划有效