kikikuka1. 从剥龙虾到中医技能：一个AI技能生成器的诞生
那天我正坐在餐桌前剥龙虾，突然想到一个问题：为什么不能像剥龙虾一样拆解AI技能开发？龙虾有壳、有肉、有黄，技能开发也有元数据、核心逻辑和资源文件。这个想法促使我开发了skill-creator——一个能自动生成AI技能的技能。
这个工具本质上是个"技能工厂"，用户只需输入功能描述、使用场景和示例，它就能输出完整的技能包。比如你想做个中医问诊技能，告诉它"这是一个基于中医理论的问诊助手，能根据症状推荐穴位按摩方案"，skill-creator就会生成包含经络图谱、穴位数据库和问诊流程的完整技能包。
关键设计原则：每个技能就像龙虾的不同部位——元数据是外壳（决定是否触发），核心逻辑是虾肉（具体操作步骤），资源文件则是虾黄（增值内容）。三者必须界限分明但又有机结合。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 技能设计的底层逻辑
2.1 技能究竟是什么？
在我的实践中，技能本质上是将专业能力封装成Claude可理解的"操作手册"。比如中医技能包含：
- 四诊合参的工作流（望闻问切）
- 经络穴位的数据库
- 常用方剂模板
- 体质辨识流程图
这些内容通过特定结构组织后，Claude就能像老中医一样问诊。我曾测试过，加入技能后诊断准确率从40%提升到78%。
2.2 技能构成的黄金三角
每个有效技能必须包含三个核心要素：
| 要素 | 占比 | 内容示例 | 存储位置 |
|---|---|---|---|
| 元数据 | 5% | 技能名称、触发条件 | SKILL.md头部 |
| 核心逻辑 | 30% | 操作步骤、判断规则 | SKILL.md主体 |
| 资源文件 | 65% | 数据库、模板、脚本 | 对应目录 |
以中医技能为例：
- 元数据：定义"当用户咨询健康问题时触发"
- 核心逻辑：包含"先问主诉→再问病史→最后舌诊"的流程
- 资源文件：存放经络图、药材库等大文件
经验之谈：资源文件应该占最大比重，但实际调用时最省token。这就是为什么要把详细资料放在references里——只有当Claude真的需要查经络图时才加载。
3. 技能生成器实战开发
3.1 元数据设计的艺术
元数据就像技能的门面，需要同时具备准确性和吸