@tom_doerr: 搜索本地数据库和网络,以找出构建 AI 代理技能的专家最佳实践。https://github.com/…
摘要
Skill-from-masters 是一个开源工具,它在生成 AI 代理技能之前,搜索本地数据库和网络以找出专家最佳实践,帮助用户融入领域专家的成熟方法论。
查看缓存全文
缓存时间: 2026/07/28 14:27
搜索本地数据库和网络,为您构建 AI 技能提供专家级最佳实践。
https://t.co/iuX0Brk3An https://t.co/fmSYR12asP
GBSOSS/skill-from-masters
来源:https://github.com/GBSOSS/skill-from-masters
Skill From Masters
站在巨人的肩膀上 — 创建基于来自领域专家的成熟方法论的 AI 技能。
一项技能,帮助您在生成任何新技能之前发现并整合来自公认大师的框架、原则和最佳实践。适用于 Claude Code、Codex 和其他 AI 代理平台。
许可证:MIT (https://opensource.org/licenses/MIT)
为什么需要这项技能?
创建技能的难点不在于格式,而在于知晓做事情的最佳方式。
大多数专业领域都有大师花费数十年时间弄明白什么可行:
- 乔布斯在产品、招聘和营销方面
- 贝佐斯在写作(6页备忘录)和决策方面
- 芒格在心智模型方面
- 克里斯·沃斯在谈判方面
这项技能在您编写一行代码之前就呈现他们的方法论,从而使您的技能从第一天起就体现世界级的专业知识。
工作原理
1. 您:“我想创建一个用于用户访谈的技能”
2. skill-from-masters:
├── 检查本地方法论数据库
├── 搜索网络寻找更多专家
├── 查找优秀输出的黄金范例
├── 识别要避免的常见错误
└── 跨来源交叉验证
3. 呈现专家:
- Rob Fitzpatrick(《妈妈测试》)
- Steve Portigal(《访谈用户》)
- Nielsen Norman Group 最佳实践
4. 您选择要整合哪些方法论
5. 从主要来源提取可操作的原则
6. 交由 skill-creator 生成最终技能
主要功能
| 功能 | 描述 |
|---|---|
| 3层搜索 | 本地数据库 → 网络搜索专家 → 深入主要来源 |
| 黄金范例 | 查找卓越输出来界定质量标准 |
| 反模式 | 搜索常见错误以编码“不要这样做” |
| 交叉验证 | 比较多位专家以找到共识并标记分歧 |
| 质量清单 | 在生成前验证完整性 |
方法论数据库
该技能包含一个涵盖15+领域的精选数据库:
| 领域 | 示例专家 |
|---|---|
| 写作 | Barbara Minto、William Zinsser、Amazon 6页备忘录 |
| 产品 | Marty Cagan、Teresa Torres、Gibson Biddle |
| 销售 | Neil Rackham(SPIN)、挑战式销售、MEDDIC |
| 招聘 | Laszlo Bock、Geoff Smart、Lou Adler |
| 用户研究 | Rob Fitzpatrick、Steve Portigal、JTBD |
| 工程 | Martin Fowler、Robert Martin、Kent Beck |
| 领导力 | Kim Scott、Ray Dalio、Andy Grove |
| 谈判 | Chris Voss、Fisher & Ury |
| 初创 | Eric Ries、Paul Graham、YC |
| 决策 | Jeff Bezos、Charlie Munger、Annie Duke |
另外还有一个**“口述传统”**部分,用于主要通过演讲和访谈分享经验的专家(Steve Jobs、Elon Musk、Jensen Huang、Patrick Collison 等)
安装
选项1:直接克隆(推荐)
# 导航到您的技能目录
cd ~/.claude/skills # Claude Code
# 或您的平台技能路径
# 克隆此技能
git clone https://github.com/anthropics/skill-from-masters.git
选项2:手动安装
- 下载
skill-from-masters文件夹 - 将其放置到您的技能目录中
依赖项
此技能与 skill-creator 配合使用。请确保您的环境中已有 skill-creator。
使用方法
当您要求创建新技能时,该技能会自动激活。它在 skill-creator 之前运行,以确保您的技能建立在经过验证的方法论之上。
示例对话
您:“帮我创建一个用于编写产品需求文档的技能”
Skill-from-masters:
让我搜索关于 PRD 编写的最佳方法论。
[搜索:“PRD 最佳实践专家”、“产品需求文档方法论”]
我找到了几个强大的框架:
产品管理:
- Marty Cagan:问题优先的 PRD,将问题空间与解决方案空间分离
- Teresa Torres:以结果为导向的需求
商业写作:
- Barbara Minto:金字塔原理——结论先行,MECE 结构
- Amazon:反向工作法,6页叙述格式
找到的黄金范例:
- Intercom 的公开 PRD 模板
- Linear 的产品规格格式
常见错误:
- 在定义问题之前就跳到解决方案
- 为工程师写作而不是为达成共识
- 缺少成功指标
哪些方法引起你的共鸣?还是说需要我进一步深入某个方向?
您:“我喜欢 Amazon 的方法,结合 Cagan 的问题优先思维。”
Skill-from-masters: [获取 Amazon 方法论的主要来源,提取原则,然后通过 skill-creator 生成技能]
技能
本仓库包含以下技能:
| 技能 | 描述 |
|---|---|
| skill-from-masters | 基于领域专家的成熟方法论创建新技能。 |
| search-skill | 从可信市场搜索现有技能。 |
| skill-from-github | 学习高质量 GitHub 项目,并基于该知识创建技能。 |
skill-from-masters
当您想要基于专家方法论创建新技能时:
- 3层搜索:本地数据库 → 网络专家 → 主要来源
- 查找黄金范例和反模式
- 跨多位专家交叉验证
- 交给 skill-creator 进行最终生成
示例:
您:“帮我创建一个用于用户访谈的技能”
→ 找到:Rob Fitzpatrick(《妈妈测试》)、Steve Portigal、Nielsen Norman Group
→ 您选择要整合哪些方法论
→ 生成包含这些原则的技能
search-skill
当您想要查找现有技能而不是创建新技能时:
- 仅搜索5个可信来源(无随机互联网结果)
- 基于优先级层级:官方 → 精选 → 聚合器
- 过滤低质量结果(星标<10、过时、无 SKILL.md)
- 对可疑代码模式的安全性检查
示例:
您:“我需要一个用于前端设计、自动测试和代码审查的技能”
→ 搜索:anthropics/skills、ComposioHQ、travisvn、skills.sh、skillsmp.com
→ 返回:frontend-design(官方)、webapp-testing(官方)、code-review-excellence(26k星标)
skill-from-github
当您想要从 GitHub 项目学习并将该知识转化为技能时:
- 搜索 GitHub 以查找优质项目(星标>100、积极维护)
- 呈现选项并等待您的确认
- 深入选定的项目(README、源代码、示例)
- 总结所学内容,然后通过 skill-creator 创建技能
示例:
您:“我想将图像转换为 ASCII 艺术”
→ 搜索 GitHub,找到:ascii-image-converter(3.1k星标)、RASCII(224星标)
→ 您选择 ascii-image-converter
→ 学习:亮度到字符映射、宽高比处理、色彩技术
→ 创建编码该知识的技能(不仅仅是包装工具)
**关键区别:**此技能编码来自项目的知识,因此即使未安装原始工具,该技能也能工作。
文件结构
skill-from-masters/
├── skill-from-masters/
│ ├── SKILL.md # 核心技能:从专家方法论创建
│ └── references/
│ ├── methodology-database.md # 精选的专家框架
│ └── skill-taxonomy.md # 11 种技能类型分类
├── skills/
│ ├── search-skill/
│ │ └── SKILL.md # 从可信来源搜索现有技能
│ └── skill-from-github/
│ └── SKILL.md # 从 GitHub 项目学习
├── README.md
├── LICENSE
└── .gitignore
质量清单
在最终确定任何技能之前,此技能会验证:
- 搜索范围超出本地数据库
- 找到主要来源,而不仅仅是总结
- 找到输出的黄金范例
- 识别要避免的常见错误
- 跨多位专家交叉验证
- 编码了具体、可操作的步骤(而非模糊的原则)
贡献
欢迎贡献!特别是:
- 向方法论数据库添加新的领域和专家
- 改善框架描述并附上来源链接
- 分享使用此方法创建的技能示例
请:
- Fork 本仓库
- 创建功能分支
- 提交 Pull Request
许可证
MIT 许可证 — 自由使用、修改和分发。
理念: 质量不是写出来的,而是选出来的。
相似文章
@tom_doerr: 从 200,000 项技能构建代理 https://github.com/ynulihao/AgentSkillOS…
AgentSkillOS 是一个开源框架,使开发者能够从超过 200,000 项可用技能中检索和编排流水线来构建 AI 代理。
@tom_doerr:利用23,000个AI代理技能自动化实证研究 https://github.com/brycewang-stanford/Auto-Empirical-Research-…
Auto-Empirical-Research-Skills (AERS) 是一个开源工具包,利用23,000多个AI代理技能自动化整个实证研究流程,从数据清洗到可提交的草稿。
@tom_doerr: 为AI编码智能体封装高级工程师工作流程 https://github.com/addyosmani/agent-skills…
一个GitHub仓库,为AI编码智能体打包生产级工程技能,将高级工程师工作流程和质量门控编码为斜杠命令(如/spec、/plan、/build等),并包含Claude Code、Cursor及其他工具的设置说明。
@free_ai_guides: https://x.com/free_ai_guides/status/2071666929451094227
一份全面指南,解释如何为AI编码代理创建可复用的技能,涵盖被OpenAI Codex和GitHub Copilot等主流工具采用的SKILL.md标准,基准数据显示,精选技能可以将通过率提升16个百分点。
@op7418: https://x.com/op7418/status/2065232309310427565
This article discusses the concept of Skills in the AI agent ecosystem, arguing that Skills are more than prompts—they are packaged capabilities that externalize human expertise into reusable workflow units. The author shares design principles and case studies from building popular Skills.