skill-creation

作者分享了一种实用的方法，通过为智能体创建交互技能来学习AI评估，鼓励实践和实验的学习方式。

一位用户分享了他们用来训练 AI 模仿个人写作风格的详细提示词，专注于电子邮件和社交媒体等通信的终稿编辑。

这篇文章介绍了一个名为Dao-Skill的元Skill设计器，它通过六个步骤帮助用户从混沌需求生成可运行、可验证的Agent Skills，比Codex自带的Skill-creator更强大。

Nous Research 的 Hermes Agent 引入了 /learn，这是一个命令，允许代理从文档、代码或指令中刻意创建技能，而无需先完成任务失败，将任何来源转化为可重复使用的技能。

本文提出了W2S框架，该框架利用Skill-IR中间表示从历史交互轨迹中自动为LLM智能体构建可执行技能，相比基线方法，行为重放一致性提升了10.5%。

MUSE-Autoskill提出了一个以技能为中心的智能体框架，使LLM智能体能够通过创建、记忆、管理、评估和优化的统一生命周期，持续创建、复用和精炼技能。在SkillsBench上的实验表明，生命周期管理的技能能够提升任务成功率、效率、复用率以及跨智能体迁移能力。

作者发布了“Skill Factory”，这是一个用于 OpenClaw 的元技能，提供了一套结构化的工作流，用于创建、迭代和发布技能，旨在提高透明度并简化构建过程。