返回技能列表

update-skill-content

pjt222
更新于 Yesterday
2 次查看
17
2
17
在 GitHub 上查看
api

关于

This skill updates an existing SKILL.md file to improve its accuracy, completeness, and clarity. It handles version bumps, refines procedures, expands pitfalls, and synchronizes related skills. Use it when procedures reference outdated tools, the pitfalls section is thin, cross-references are broken, or feedback indicates unclear instructions.

快速安装

Claude Code

推荐
主要方式
npx skills add pjt222/agent-almanac -a claude-code
插件命令备选方式
/plugin add https://github.com/pjt222/agent-almanac
Git 克隆备选方式
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/update-skill-content

在 Claude Code 中复制并粘贴此命令以安装该技能

技能文档

更術之內

精現有 SKILL.md:精步、補陷以實敗、合相關之術、升其版。其用於術已過格式之驗,然內有缺、引陳、或步未全者。

用時

  • 術之步引陳具、API、或版號
  • 陷之段薄(少於三)或缺實敗
  • 相關之段之引斷或缺要連
  • 步缺具碼之例或令糊
  • 新術已入庫,現有術宜引之
  • 已得反饋謂術之步不清或未全

  • 必要:欲更之 SKILL.md 之徑
  • 可選:所專之段(如 "procedure"、"pitfalls"、"related-skills")
  • 可選:更之源(變更記、事報、用反饋)
  • 可選:是否升版(默:是,小升)

第一步:讀現術而評其質

讀全 SKILL.md,每段察其全與正。

各段之評準:

  • 用時:觸是否具、可行?(期 3-5 條)
  • :類、默、必/選是否清分?
  • :每步有具碼、Expected、On failure 乎?
  • :列項是否客觀可試?(期 5+ 條)
  • :陷是否具,含症與解?(期 3-6)
  • :所引之術存乎?顯然之相關術缺乎?

得:諸段需改之圖明,特定缺已識。

敗則:術不可讀(徑訛),驗其徑。SKILL.md 之 YAML 額損者,先以 review-skill-format 修額而後改內。

第二步:察陳引

掃步求版引、具名、URL、API 模或已變者。

陳之常徵:

  • 特定版號(如 v1.24R 4.3.0Node 18
  • 已遷或已過期之 URL
  • 已變之 CLI 旗或命法
  • 已重名或已棄之包名
  • 已演之設文式
# Check for version-specific references
grep -nE '[vV][0-9]+\.[0-9]+' skills/<skill-name>/SKILL.md

# Check for URLs
grep -nE 'https?://' skills/<skill-name>/SKILL.md

得:可能陳之引列,含行號。每引已驗為當前或標待更。

敗則:引多不可手察者,定先後:步之碼塊先(最易致時敗),次陷(或引舊變通),再述文。

第三步:更步以求正

每需改之步:

  1. 驗碼塊仍正行或合當前佳法
  2. 補缺之語以述步之故
  3. 確具命用真徑、真旗、真出
  4. 更 Expected 以合當前具行
  5. 更 On failure 以合當前訛辭與解

更碼塊時,存原結構:

  • 步之數一致
  • ### Step N: Title 之式
  • 勿重序,除非原序誤

得:諸步含當前可行之碼。Expected/On failure 反當前實行。

敗則:碼塊正否未確者,加注:<!-- TODO: Verify this command against current version -->。勿移可行碼以未試之代之。

第四步:補陷之段

察陷之段,缺則補。

陷之質準:

  • 各陷有粗名與具述
  • 述含(何敗)與(如何避或復)
  • 陷取於實敗,非假慮
  • 3-6 為目標之數

新陷之源:

  • 步有複雜 On failure 者(其多為陷)
  • 警相同具或模之相關術
  • 用之常報

得:3-6 陷,各有具症與解。無泛陷如「慎之」「徹試」。

敗則:唯 1-2 陷可識者,於基本之術可。中高之術少於三者,示作者未盡探敗模——標待後補。

第五步:合相關之術之段

驗相關之段中諸引皆有效,補缺之連。

  1. 每引之術,驗其存:
    # Check if referenced skill exists
    test -d skills/referenced-skill-name && echo "EXISTS" || echo "NOT FOUND"
    
  2. 求引此術之術(其宜互連):
    # Find skills that reference this skill
    grep -rl "skill-name" skills/*/SKILL.md
    
  3. 依域與標察顯然相關之術
  4. 用式:- \skill-id` — 一行述其關係`

得:諸引之術皆存於盤。雙向互引在位。無孤連。

敗則:引之術不存者,去之或注為計後出之術。多術引此而未列於相關者,加最相關之 2-3。

第六步:升額之版

依語義版升 metadata.version

  • 補升(1.0 至 1.1):訛字修、小清、URL 更
  • 小升(1.0 至 2.0):新步、重內加、結構變
  • :術用簡化二段版(major.minor)

亦更額中日期之段(若有)。

得:版升合宜。變之大與更之範相符。

敗則:當前版不可解者,設為 "1.1" 並注版史之缺。

  • 諸步含當前可行之碼或具令
  • 無陳版引、URL、棄具名遺
  • 每步有 Expected:On failure:
  • 陷段有 3-6 具陷,含症與解
  • 諸相關引皆指存術
  • 緊密相關之術有雙向互引
  • 額版已升合宜
  • 更後行數仍 ≤ 500
  • 變後 SKILL.md 仍過 review-skill-format 之驗

  • 更碼而不試:改步之命而不驗其行,不如留舊命。不確時,加驗注勝未試之代。
  • 過補陷:加 10+ 陷稀其段。守 3-6 最有影者;邊例移至 references/ 檔。
  • 更時破引:重名或變域時,全術庫 grep 求舊名。用 grep -rl "old-name" skills/ 求諸現。
  • 忘升版:每內更,無論小大,皆宜升版。此使用者察術已變。
  • 範蔓入重構:內更改術之言。若覺重結構或抽至 references/,改用 refactor-skill-structure 之術。

  • review-skill-format — 內更前行格式驗以確基結構穩
  • refactor-skill-structure — 內更使術逾 500 行時,重構以讓位
  • evolve-skill — 較內更深之變(如造高級變體)
  • create-skill — 加新段或步時引典範式之規
  • repair-broken-references — 全術庫批量斷引修

GitHub 仓库

pjt222/agent-almanac
路径: i18n/wenyan/skills/update-skill-content
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

相关推荐技能

content-collections

Content Collections 是一个 TypeScript 优先的构建工具,可将本地 Markdown/MDX 文件转换为类型安全的数据集合。它专为构建博客、文档站和内容密集型 Vite+React 应用而设计,提供基于 Zod 的自动模式验证。该工具涵盖从 Vite 插件配置、MDX 编译到生产环境部署的完整工作流。

查看技能

polymarket

这个Claude Skill为开发者提供完整的Polymarket预测市场开发支持,涵盖API调用、交易执行和市场数据分析。关键特性包括实时WebSocket数据流,可监控实时交易、订单和市场动态。开发者可用它构建预测市场应用、实施交易策略并集成实时市场预测功能。

查看技能

creating-opencode-plugins

该Skill帮助开发者创建OpenCode插件,用于接入命令、文件、LSP等25+种事件。它提供了插件结构、事件API规范和JavaScript/TypeScript实现模式,适合需要拦截操作、扩展功能或自定义事件处理的场景。开发者可通过它快速构建响应式模块来增强OpenCode AI助手的能力。

查看技能

sglang

SGLang是一个专为LLM设计的高性能推理框架,特别适用于需要结构化输出的场景。它通过RadixAttention前缀缓存技术,在处理JSON、正则表达式、工具调用等具有重复前缀的复杂工作流时,能实现极速生成。如果你正在构建智能体或多轮对话系统,并追求远超vLLM的推理性能,SGLang是理想选择。

查看技能