企业官网建设流程全解析

如何创建你自己的学术技能：Academic Forge skill-creator 逐步实战教程

【免费下载链接】AcademicForgeOne Forge, All Skills: A curated skill collection for academic writing and research. 点开即用，按需配置的一站式学术研究skills平台。项目地址: https://gitcode.com/gh_mirrors/ac/AcademicForge

Academic Forge 是面向 Claude Code / OpenCode / Codex 的学术技能选配平台，而它内置的skill-creator技能正是帮你"锻造"专属学术技能的利器：从需求梳理、草稿编写、自动测试到打包分享，全程由 AI 助手带着你一步步完成。本教程面向新手，不需要编程基础，跟着做 5 个步骤就能做出第一个可复用的学术技能。

skill-creator 是什么？为什么需要它？

Skill（技能）本质是一个文件夹 + 一份SKILL.md说明书，告诉 AI 助手"在什么场景下、按什么步骤、以什么格式完成任务"。比如"自动格式化参考文献""按期刊模板整理图表"这类重复性工作，都可以沉淀成技能，一次编写、无数次复用。

skill-creator 就是技能的技能——它内置了一套完整的工作流：

明确意图 → 写草稿 → 跑测试 → 人工评审 → 迭代改进 → 优化触发描述 → 打包交付

它还会自动帮你做量化评测（有技能 vs 无技能的对跑对比），并用浏览器评审面板展示结果，让你直观看到"我的技能到底有没有让 AI 做得更好"。核心文档见 skills/claude-science/skill-creator/SKILL.md。

准备工作：一分钟装好 skill-creator

只需 clone 仓库并让安装脚本把技能放进你的项目：

cd your-project git clone https://gitcode.com/gh_mirrors/ac/AcademicForge ./AcademicForge/forge-install.sh --tool claude --skills claude-science

安装完成后，在项目里检查.claude/skills/目录即可看到技能已就位（详见 QUICKSTART.md 的验证步骤）。之后在 Claude Code 中打开项目，直接告诉 AI："我想创建一个新技能"，skill-creator 就会自动接管。

第一步：明确意图——回答 4 个问题

skill-creator 启动后会先和你"访谈"，核心是弄清 4 件事：

1. 这个技能要让 AI 做什么？（例如：把实验数据整理成投稿用的表格）
2. 什么时候触发？（例如：用户提到"整理数据表"、"投稿表格"时）
3. 期望的输出格式是什么？（例如：固定的 Markdown 表格 + 命名规则）
4. 要不要设置测试用例？（输出客观可验证的技能建议设，纯写作风格的可以跳过）

💡 小技巧：如果你刚才已经和 AI 一起手工完成过一次这个流程，直接说"把刚才这个过程变成技能"，它会从对话历史里自动提取步骤和格式，你只需补漏确认。

第二步：编写 SKILL.md 草稿——技能的标准结构

访谈结束后，AI 会帮你生成技能骨架。一个技能的标准目录长这样：

my-academic-skill/ ├── SKILL.md （必需：YAML 元信息 + 具体指令） ├── kernel.py （可选：随技能自动加载的辅助函数） └── 资源目录（可选） ├── scripts/ 可执行脚本，处理确定性任务 ├── references/ 按需加载的参考文档 └── assets/ 模板、字体等输出用文件

其中SKILL.md有两处最关键：

• name：技能的唯一标识，与目录同名
• description：技能的"触发开关"。它同时说明"做什么"和"什么时候用"——写得具体一些（甚至稍微"主动"一点），AI 才更懂得在合适的时机调用它

正文部分建议用祈使句写步骤、给出输入输出示例，并解释"为什么"这么要求，而不是堆砌一堆"必须/禁止"。完整字段说明可参考 skills/claude-science/skill-creator/references/schemas.md。

第三步：设计测试用例——让技能接受真实检验

草稿完成后，skill-creator 会与你共创2~3 条真实的测试提示词（就是真人会说的话），保存在evals/evals.json中。好的测试提示词要贴近真实场景，包含具体文件名、列名、背景，而不是一句抽象的"帮我处理数据"。

随后它会同时启动两组子任务：

• 带技能组：加载你的技能执行任务
• 基线组：不带技能（或旧版本技能）执行同一任务

两组结果并排对比，技能的价值一目了然。测试运行期间，AI 还会顺便起草"量化预期"（如"输出必须包含 X 列"），供自动评分使用。

第四步：评审结果——用可视化面板看质量

所有测试跑完后，skill-creator 会调用 skills/claude-science/skill-creator/eval-viewer/generate_review.py 在浏览器打开评审面板：

• Outputs 标签页：逐条查看每个测试的输出文件、正式评分结果，并可随时输入反馈
• Benchmark 标签页：展示有/无技能两组的通过率、耗时、Token 消耗对比

你只需要逐条浏览、在文本框里写几句反馈（"图表缺坐标轴标签"这种程度即可），空着表示满意。全部点"Submit All Reviews"后，反馈会存入feedback.json，AI 据此进入下一轮改进。

第五步：迭代改进——好技能是"炼"出来的

这是整个循环的核心。skill-creator 内置了四条改进步骤，帮你避免"只对测试样例有效"的过拟合陷阱：

• 泛化反馈：从你的几条反馈中提炼通用规则，而不是打补丁
• 保持精简：删掉不起作用的指令，AI 时间花在无效步骤上就该砍掉
• 解释原因：用"因为……"代替"必须……"，AI 理解动机后表现更稳定
• 沉淀重复劳动：如果多个测试里 AI 都独立写了同一个辅助脚本，就该把它收进scripts/供技能直接调用

每轮改进后会自动重跑全部测试、生成新一版评审面板（还能左右对比上一轮输出），循环直到你满意或反馈全部为空为止。

进阶技巧：优化触发描述，让技能"应叫必到"

技能建好后，还有一步值得做——描述优化。skill-creator 会用 20 条真实感提示词（该触发 + 不该触发的"近似案例"混合）自动评估你的 description，反复改写并选测试集得分最高的版本，显著提升触发准确率。评审页面模板在 skills/claude-science/skill-creator/assets/eval_review.html，优化循环由 skills/claude-science/skill-creator/scripts/run_loop.py 驱动。

收尾：校验、打包与分享

最终交付前：

• 运行 skills/claude-science/skill-creator/scripts/quick_validate.py 快速校验 frontmatter 格式是否合规
• 用 skills/claude-science/skill-creator/scripts/package_skill.py 把技能打包成可分发的.skill文件，发给同事即可安装
• 评分规则、盲测 A/B 对比等高级玩法分别在 skills/claude-science/skill-creator/agents/grader.md 和 skills/claude-science/skill-creator/agents/comparator.md 中有完整说明

常见问题速答

总结：你的技能锻造路线图

🔥 五步走：聊清楚 → 写草稿 → 跑测试 → 看评审 → 炼到满意，最后打包分享。

Academic Forge 的理念是"一个锻造台、全部技能"——现在你已经学会了最值钱的一招：不再只是挑选现成技能，而是亲手锻造属于自己研究流程的那一个。更多技能清单与安装方式见 README.md。

【免费下载链接】AcademicForgeOne Forge, All Skills: A curated skill collection for academic writing and research. 点开即用，按需配置的一站式学术研究skills平台。项目地址: https://gitcode.com/gh_mirrors/ac/AcademicForge