上周直播的時(shí)候，發(fā)現(xiàn)Anthropic的skills倉庫居然有更新了。

　　點(diǎn)進(jìn)去一看，然后居然發(fā)現(xiàn)了一個(gè)超級(jí)剛需的Skills迎來了更新。

　　就是這個(gè)，甚至可以說是整個(gè)Skills生態(tài)的基石。

　　Skill-creator。

　　可以說，現(xiàn)在小龍蝦的能力能這么強(qiáng)，有一半的原因都要?dú)w功于Skills，而這些Skills能被創(chuàng)造出來，幾乎都要?dú)w功于這個(gè)母Skills，Skill-creator。

　　我相信，任何一個(gè)看過我們過去關(guān)于Skills的文章，或者玩過Skills的朋友，都絕對不可能對這個(gè)Skill-creator陌生。

　　簡單總結(jié)就是，這是Anthropic官方出的Skills生成器。

　　你可以用嘴描述出你的需求，然后直接用Skill-creator，幫你做成一個(gè)Skill。

　　如果有不了解的，可以去看一下我們過去的這一篇文章：自認(rèn)為寫的還是比較詳細(xì)的。

　　這周終于有時(shí)間，詳細(xì)翻了一下這次更新的Skill-creator的文檔，然后發(fā)現(xiàn)，這次真的可以說，是史詩級(jí)更新也不為過，強(qiáng)了太多太多了。

　　所以我覺得，值得寫一篇文章，來給大家聊聊，這次Skill-creator更新的新特性和新功能。

　　真的，所有的skills，都值得重新優(yōu)化一遍。

　　非常簡單的說，這次他們一口加了4個(gè)全新的能力，分別是：

　　1. 評(píng)估系統(tǒng)，跑完直接告訴你這個(gè)skill到底行不行。

　　2. 基準(zhǔn)測試，把通過率、耗時(shí)、token用量，全都量化。

　　3. 多代理并行測試，每個(gè)測試在干凈的環(huán)境里獨(dú)立跑，支持A/B盲評(píng)，結(jié)果不互相污染。

　　4. 描述調(diào)優(yōu)，可以自動(dòng)幫你改skill描述，該觸發(fā)的觸發(fā)，不該觸發(fā)的就別亂觸發(fā)。

　　之前的Skill-creator其實(shí)一直有個(gè)痛點(diǎn)，就是你生成完的Skills，其實(shí)是個(gè)黑盒，你完全不知道，這個(gè)Skills到底好不好用，它的質(zhì)量怎么樣，它的觸發(fā)機(jī)制合不合理。

　　用我們現(xiàn)代經(jīng)常提的工業(yè)化體系來說，就是缺少了一個(gè)很重要的東西，評(píng)估機(jī)制。

　　評(píng)估太重要了，一個(gè)好的評(píng)估，是真的可以引領(lǐng)方向的。

　　而現(xiàn)在，新版的Skill-creator，直接把整個(gè)評(píng)估體系，全都補(bǔ)上了。

　　我極力推薦大家，一定要更新到最新版。

　　更新方式也究極無敵簡單，你直接把這段話，發(fā)給你的Agent就行，無論是Claude code、OpenClaw、OpenCode等等等等：

　　https://github.com/anthropics/skills/tree/main/skills/skill-creator，這個(gè)skills更新了，幫我更新到最新版本

　　對，就這么一句話。

　　然后你的Agent，就會(huì)自己去更新了。

　　很快，就更新完了。

　　我用一個(gè)案例，來給大家演示一下新版Skill-creator的能力。

　　在之前有一篇文章中，我把Github上的yt-dlp做成了一個(gè)Skill，能從YouTube、B站等各種視頻網(wǎng)站下載視頻。

　　但其實(shí)我們后來發(fā)現(xiàn)，光能下載視頻還不夠。

　　我還希望拿到視頻鏈接之后，能直接生成文字版的講稿。

　　而且如果是英文或其他語言的視頻，最好能直接給我中英雙語的講稿文檔。

　　所以正好，借著這個(gè)機(jī)會(huì)，我就用skill-creator又搓了一個(gè)新skill。

　　提示詞很簡單。

　　我想創(chuàng)建一個(gè)skill，我希望能夠?qū)崿F(xiàn)我給了一個(gè)視頻鏈接，它能夠把文字版的講稿發(fā)給我，如果是別的語言，最好是把原語言版和中文版的講稿文檔給我。

　　它會(huì)先問你幾個(gè)問題，確認(rèn)需求細(xì)節(jié)，然后開始幫你設(shè)計(jì)整個(gè)skill。

　　大概3到5分鐘，這個(gè)Skill就設(shè)計(jì)完了。

　　我拿一個(gè)OpenClaw創(chuàng)始人的YouTube訪談視頻來試一下。

　　就給了一個(gè)YouTube的鏈接。

　　五分鐘后，中文版的講稿就出來了。

　　但是，其實(shí)有個(gè)問題。。。

　　這一大坨文字堆在一起，字又小又?jǐn)D。

　　根本沒法看。

　　這時(shí)候你就可以繼續(xù)對話，讓它給你優(yōu)化，幫你改進(jìn)這個(gè)skill。

　　新版的Skill-creator，在改進(jìn)的能力上，也有一些提升。

　　改進(jìn)之后的效果：

　　幾乎完美。

　　排版清晰，段落分明，這才像個(gè)文檔該有的樣子。

　　但這還沒完。

　　但這個(gè)時(shí)候，一個(gè)頭疼的問題就來了，我害怕我的skills觸發(fā)會(huì)打架。

　　因?yàn)槲椰F(xiàn)在有兩個(gè)skill都跟視頻鏈接相關(guān)。

　　一個(gè)是yt-dlp，負(fù)責(zé)下載視頻到本地。

　　一個(gè)是剛做的講稿生成，負(fù)責(zé)把視頻轉(zhuǎn)成文字。

　　兩個(gè)skill的觸發(fā)條件都是給一個(gè)視頻鏈接，我害怕他們會(huì)打架，就是出現(xiàn)該觸發(fā)的不觸發(fā)，不該觸發(fā)的亂觸發(fā)。

　　那就可以使用Skill-creator的評(píng)估體系了，讓它來幫你，進(jìn)行優(yōu)化skill描述。

　　它受會(huì)先讀取你當(dāng)前skill的描述，然后告訴你接下來要做四件事：

　　自動(dòng)生成兩組查詢，應(yīng)觸發(fā)的10條和不應(yīng)觸發(fā)的10條。

　　設(shè)計(jì)得很有意思。

　　故意把邊界情況都擺進(jìn)去，逼模型在模糊地帶做判斷。

　　然后，直接生成了一個(gè)網(wǎng)頁，讓你確認(rèn)，特別牛逼。

　　真的，我用到的時(shí)候都驚呆了。

　　所有查詢排在界面里，每一條右邊有個(gè)開關(guān)，標(biāo)著是否應(yīng)該觸發(fā)。

　　你可以逐條看一遍，覺得哪條判斷不對，直接關(guān)就行。

　　打個(gè)比方，第三條這種情況，我不想讓它再觸發(fā)了，我就直接讓它關(guān)掉就行。

　　然后還有不應(yīng)該觸發(fā)的10條，我看了一遍，沒啥問題。

　　所有的都確認(rèn)之后，這時(shí)候，你點(diǎn)導(dǎo)出評(píng)估集，就完事啦。

　　確認(rèn)完樣本之后，優(yōu)化循環(huán)會(huì)在后臺(tái)啟動(dòng)，最多跑5輪迭代。

　　每一輪做三件事來幫你進(jìn)行測試和評(píng)估，整個(gè)過程大約需要10-20分鐘。

　　它害會(huì)定期匯報(bào)進(jìn)度。

　　跑完之后就是你就能看到一個(gè)巨型表格。

　　每一列是一個(gè)查詢樣本，每一行是一個(gè)迭代版本的描述。

　　綠色勾對勾表示觸發(fā)成功，紅色叉×表示沒觸發(fā)。

　　藍(lán)色列是測試集，其余是訓(xùn)練集。

　　它把樣本分成60%訓(xùn)練集和40%測試集，在訓(xùn)練集上迭代優(yōu)化，最終用測試集上的表現(xiàn)來選，防止過擬合。

　　跑完之后，最優(yōu)的描述會(huì)自動(dòng)寫回你的SKILL.md，全程不用你動(dòng)手。

　　Anthropic官方在自己6個(gè)文檔類skill上測了一下，5個(gè)觸發(fā)率都有提升。

　　僅僅就用新版的skill-creator優(yōu)化了一下，真的很牛逼。

　　通過這一步，能大大提升你的Skills的觸發(fā)準(zhǔn)確率。

　　但觸發(fā)對了，并不等于OK。

　　所以，你的Skill裝上并且能穩(wěn)定觸發(fā)之后，到底在實(shí)際任務(wù)上表現(xiàn)如何，這個(gè)能力，也還要評(píng)估一下。

　　我就繼續(xù)拿這個(gè)剛做好的skill來跑一遍，帶你大家看看整個(gè)過程。

　　直接對剛剛那個(gè)skill進(jìn)行一下評(píng)估。

　　它會(huì)先把你的skill文件完整讀一遍，搞清楚這個(gè)skill的核心流程是什么。

　　然后它會(huì)問你：你更想測哪個(gè)方面？

　　我選了全面評(píng)估。

　　它根據(jù)skill的功能，自動(dòng)設(shè)計(jì)了三類測試場景，同時(shí)設(shè)計(jì)了量化驗(yàn)收標(biāo)準(zhǔn)。

　　確認(rèn)方案之后，它一次性啟動(dòng)了4個(gè)獨(dú)立子代理，同時(shí)跑。

　　這次4個(gè)并行的Agent來進(jìn)行測試，就很香了。

　　以前其實(shí)你也可以做一些簡單的評(píng)估，但是，最大的問題，就是會(huì)按順序跑，一個(gè)跑完再跑下一個(gè)。

　　但是大家都知道，上下文管理有多重要，前一個(gè)任務(wù)積累的上下文，會(huì)污染后一個(gè)的結(jié)果。

　　你以為是skill的功勞，但，其實(shí)完全是對話歷史幫了忙。

　　這次的評(píng)估，就對味了很多。

　　每個(gè)代理都在完全干凈的環(huán)境里獨(dú)立運(yùn)行，有自己的token 計(jì)數(shù)和時(shí)間指標(biāo)。

　　互相之間零交叉。

　　結(jié)果更快，數(shù)據(jù)更干凈。

　　等待的時(shí)候，它也順手就把量化評(píng)分腳本也準(zhǔn)備好了。

　　等測試結(jié)果回來之后，就直接自動(dòng)檢查格式是否符合要求，很多小細(xì)節(jié)全都在里面。

　　測試跑完，瀏覽器會(huì)里彈出評(píng)估查看頁面，有兩個(gè)標(biāo)簽頁。

　　輸出標(biāo)簽頁，可以直接看每個(gè)測試用例的輸出。

　　下面還有一個(gè)反饋框，你可以直接標(biāo)注哪里不對、哪里需要改進(jìn)。

　　這些反饋會(huì)被存起來，下次改進(jìn)skill的時(shí)候直接用。

　　另一個(gè)是基準(zhǔn)測試標(biāo)簽頁，可以看有skill vs 無skill。

　　通過量化對比，一目了然。

　　數(shù)據(jù)這塊，也是極度量化。

　　有skill的通過率100%，無skill基線9%，差值91.5%。

　　費(fèi)用上，有skill每次大約4000token，無skill1750token，差了2250。

　　但這是skill帶來的額外消耗，對比產(chǎn)出的結(jié)果，值得。

　　但評(píng)估的價(jià)值遠(yuǎn)不止于此。

　　Anthropic官方也舉了個(gè)例子。

　　他們有個(gè)PDF skill，之前在處理表格時(shí)會(huì)出錯(cuò)。

　　Claude需要把文字精確的放在特定坐標(biāo)上，但因?yàn)闆]有明確的字段做引導(dǎo)，經(jīng)常放歪。

　　這個(gè)問題在評(píng)估過程中被發(fā)現(xiàn)，再進(jìn)行修復(fù)改進(jìn)定位邏輯后，問題就解決了。

　　也就是說，找到問題之后不用從頭來過。

　　評(píng)估結(jié)果會(huì)存在本地，下次你用skill-creator改進(jìn)這個(gè)skill的時(shí)候，它會(huì)把上次標(biāo)注的問題直接帶進(jìn)去，針對那里改。

　　改完再跑一遍評(píng)估，看有沒有提升。

　　測試、發(fā)現(xiàn)、修、再測，這個(gè)循環(huán)是完整的。

　　Anthropic把軟件開發(fā)的一些嚴(yán)謹(jǐn)做法，比如測試、基準(zhǔn)、迭代改進(jìn)等等，這次引入Skills的創(chuàng)作流程。

　　真的，牛逼太多了。

　　這絕對對于所有人來說，都是一個(gè)史詩級(jí)增強(qiáng)。

　　你要知道，小龍蝦為什么那么強(qiáng)，能做那么多的事，其實(shí)真不是因?yàn)樗旧碛卸嗯１?，純粹是因?yàn)?，它身上掛的SKills，太多了，那都是一個(gè)一個(gè)的技能包。

　　可以說，Skills，就是整個(gè)Agent未來大繁榮生態(tài)的基石，而我自己，也一直極力的看好和強(qiáng)力推廣各種各樣的Skills。

　　所以，我極度建議，大家把Skill-creator更新到最新版，然后把你自己所有的Skills，都進(jìn)行優(yōu)化和評(píng)估一遍。

　　當(dāng)然，你得先分清楚，你寫的Skills是哪種。

　　因?yàn)楸举|(zhì)上，Skills其實(shí)分兩種。

　　第一種是能力提升型。

　　就是教Claude做它本來不擅長的事。

　　比如官方的前端設(shè)計(jì)skill、文檔創(chuàng)建skill，里面寫了大量技巧，是你光靠Prompt根本拿不到的效果。

　　我們大多數(shù)人自己搓的skill，基本也都是這類。

　　第二種官方叫編碼偏好型。

　　就是告訴Claude按你的規(guī)矩來。

　　Claude本身每一步都能做，但你的skill把這些步驟按你團(tuán)隊(duì)的流程串起來了。

　　比如一個(gè)會(huì)議紀(jì)要整理skill，按你們公司固定的格式，自動(dòng)把錄音轉(zhuǎn)成帶行動(dòng)項(xiàng)的文檔。

　　或者一個(gè)周報(bào)生成skill，從各個(gè)平臺(tái)里拉數(shù)據(jù)，按你要的格式排好。

　　你可以把這種，理解成一個(gè)Workflow，就是一個(gè)工作流。

　　對這兩種類型，評(píng)估的方向會(huì)稍微不太一樣。

　　對于能力提升型，測的是模型更新之后這個(gè)skill還有沒有存在的必要。

　　用A/B測試對比，有skill和沒skill各跑一次。

　　結(jié)果如果差不多，這個(gè)skill就可以退休了。

　　編碼偏好型測的是另一件事，它有沒有老老實(shí)實(shí)按你的流程走？

　　有沒有漏步驟？有沒有自作主張改了順序？有沒有忘了你特別說過的某個(gè)要求？

　　所以會(huì)稍稍有一些區(qū)別，這個(gè)大家在自己評(píng)估的時(shí)候，可以注意一下。

　　回頭想想，以前造完一個(gè)skill，其實(shí)也就是自我感覺良好。

　　但說實(shí)話，全是黑盒，根本不知道該怎么評(píng)估。

　　現(xiàn)在就舒服多了。

　　評(píng)估跑一遍，數(shù)據(jù)擺出來，好不好用，一眼就見真章。

　　所有的Skills，真的都值得重新優(yōu)化和評(píng)估一遍。

　　Skills生態(tài)。

　　感覺又要迎來一波大繁榮了。

　　以上，既然看到這里了，如果覺得不錯(cuò)，隨手點(diǎn)個(gè)贊、在看、轉(zhuǎn)發(fā)三連吧，如果想第一時(shí)間收到推送，也可以給我個(gè)星標(biāo)?～謝謝你看我的文章，我們，下次再見。

　　>/ 作者：卡茲克、可達(dá)

　　>/ 投稿或爆料，請聯(lián)系郵箱：wzglyay@virxact.com