开源技能让代码文档有据可查

Starlight Forge 是一套面向编程智能体的开源 Agent Skill，用来约束代码文档的生成过程。作者把仓库调查、证据整理、页面规划和本地校验串成工作流，支持输出 Markdown 或 Astro + Starlight 文档站。它关注的问题很具体：文档写得流畅，却可能把项目命令、路由和架构讲错。

目前能确认什么

它不是 npm 包、托管服务或独立 CLI，而是由指令、参考资料、模板和小型本地校验工具组成，需要配合支持 Agent Skills 格式的编程智能体使用。

工作流先确认仓库范围，再建立「证据映射」：重要描述应能对应到源码路径、配置、测试，或者明确标注的推断。随后规划页面与输出位置，生成文档，检查链接、事实描述、命令和导航，最后报告哪些通过、失败或尚未检查。

这种安排有实际原因。package.json 中声明了什么脚本，可以作为命令说明的依据；目录叫 services，却不能单凭名字断定项目采用了某种架构。测试能补充行为线索，但也不能证明所有运行场景。

已有人工文档会被保留，确需覆盖时才询问。仓库调查也有边界，会避开依赖目录、构建产物及疑似敏感文件等内容。

我的判断

它更有价值的地方，是让文档中的关键说法能够被维护者追查。

对程序员来说，审查一份带源码依据的开发指南，比逐句猜测 AI 有没有编造更容易。增量更新也有明确方向：围绕源码变化检查受影响页面，而不是把整个文档目录重新生成。

但「有校验流程」还不能等同于「内容已经验证正确」。现有节选没有讲清命令检查是否实际执行、事实校验覆盖到什么程度，也没有展示不同智能体遵循这套流程的稳定性。这些仍需完整原文或官方文档确认。判断它是否可靠，要看最终报告能否把证据和未检查项具体列出来。