SRE SKILL Hub

SRE 团队SKILL仓库，报错各个场景下的高质量 SKILL。

SKILL 介绍

先来介绍下 SKILL 的核心知识。

什么是 SKILL？

Skill 是一个开放标准的文件夹，包含一套告诉 AI 如何处理特定任务或工作流的指令。它是目前最强大的 AI 定制方式之一：教 AI 一次，永久受益——不再需要在每次对话中重新解释你的偏好、流程和领域知识。 Skill 解决的核心问题：

• AI 每次遇到相同任务，行为不稳定、结果不一致；
• 复杂流程需要反复编写相同代码，浪费时间和 token；
• 没有固定的输出格式，结果参差不齐；

SKILL 目录结构

my_skill/
├── SKILL.md              # 必需：核心指令文件（入口）
├── scripts/              # 可选：可直接执行的脚本文件
│   └── process_data.py
│   └── validate.sh
├── references/           # 可选：大型参考文档，按需加载
│   └── api_docs.md
│   └── examples/
├── assets/               # 可选：模板文件、图片、字体等
│   └── template.docx
├── evals/                # 可选：测试用例（开发阶段使用）
│   └── evals.json
└── .skillignore          # 可选：打包时忽略的文件列表

各部分角色一览：

文件/目录	必需？	作用	加载时机
SKILL.md	是	核心指令，包含元数据和工作流	技能触发时立即加载
scripts/	否	可执行脚本，用于确定性任务	按需执行，不占上下文
references/	否	大型参考文档	按需读取
assets/	否	静态资源（模板、图片等）	按需读取或复制
evals/	否	测试用例	仅开发阶段使用
.skillignore	否	打包排除规则（打包时使用）	打包时使用

三级渐进式披露机制（Progressive Disclosure）

这是 Skill 最核心的工作原理，决定了它既节省上下文，又能承载复杂知识：

第一级：YAML Frontmatter（元数据头部）
  → 始终加载在 AI 的系统提示词中
  → 只包含 name 和 description
  → 作用：让 AI 知道"我有哪些技能、分别在什么时候用"
  → 类比：图书馆的目录卡片

第二级：SKILL.md 正文
  → 当 AI 判断当前任务与该 Skill 相关时，才加载完整正文
  → 包含具体执行步骤、示例、注意事项
  → 类比：从书架上取出那本书，深度阅读

第三级：scripts/ references/ assets/ 中的文件
  → 只在 Skill 执行过程中需要时才按需读取
  → 类比：书中引用的附录和参考资料

这个机制的三大优势：

优势	说明
省上下文	大量 Skill 并存时，AI 只加载目录信息，不会撑爆上下文窗口
省推理成本	步骤清晰，AI 减少"想怎么做"的推理次数，降低 token 消耗
结果确定	固定步骤 + 可脚本化执行，输出稳定，关键细节不遗漏

什么任务最适合写成 Skill？三大使用场景

根据 Anthropic 官方总结，Skill 最适合以下三类场景：

场景一：文档与资产创建（Document & Asset Creation）

适合人群： 运营、产品、设计、所有人 核心特征： 需要生成符合特定风格、规范或品牌标准的输出物 典型案例：

• 给产品制作宣传视频（Remotion Best Practice Skill）
• 生成高质量前端界面（frontend-design Skill）
• 按公司模板生成 Word/PPT/Excel 文档
• 制作符合设计规范的海报或社交媒体图文

为什么用 Skill： 你不熟悉该领域，无法指导 AI 达到专业标准。Skill 携带了该领域的最佳实践，让 AI 直接按专家标准执行。

场景二：工作流自动化（Workflow Automation）

适合人群： 开发、技术管理者、任何有重复性工作的人 核心特征： 多步骤流程，期望每次输出结果一致 典型案例：

• 每次新增 API 后自动同步文档 + 兼容性检查 + 单元测试框架
• 代码提交前自动执行 Code Review 规范
• 按固定模板生成项目进展报告

为什么用 Skill：

• 重复动作脚本化 → 不遗漏任何步骤
• 不依赖 AI 每次"想起来"提醒 → 结果确定
• 将步骤固化到文件 → 减少 token 消耗，降低成本

场景三：MCP 能力增强（MCP Enhancement）

适合人群： 已经连接了 MCP 的开发者、技术团队 核心特征： 有了工具访问权限，但缺乏"怎么用好"的工作流知识 典型案例：

• 连接了 Linear MCP，但每次都要解释 Sprint 规划流程 → 写一个 Skill 固化这套流程
• 连接了 GitHub MCP，但代码审查没有标准 → 写一个 Skill 定义审查步骤

为什么用 Skill：

• MCP 解决"AI 能做什么"（工具访问）
• Skill 解决"AI 应该怎么做"（工作流知识）
• 两者结合，用户无需每次从头解释，AI 自动按最佳实践执行

SKILL 完整格式

使用指南

SKILL 开发流程

SKILL 开发流程如下：

写SKILL文档
    ↓
用测试用例运行（带技能 vs 不带技能）
    ↓
对比结果差异
    ↓
真人评估反馈（哪里不对？哪里缺失？）
    ↓
修改 SKILL.md / 脚本 / 模板
    ↓
重复，直到满意
    ↓
打包发布

使用时，可以直接执行以下命令生成一个 SKILL 模版，然后修改成自己的 SKILL:

$ cp -r skills/demo-skill skills/my-skill

SKILL 编写规范

SKILL 规范

• 命名规范：
  • 只允许字符：小写字母 a-z、数字 0-9、连字符 -。例如：demo-skill
  • SKILL 名字要和 SKILL 所在目录名保持一致；
  • 长度：建议 <= 64 字符（不超过 80 也可接受）
  • 语义要清晰：名字能回答“它做什么/输出什么”

写好 Description 的三个黄金原则

Description 是 Skill 的"触发器"，决定 AI 在什么时候调用它。

原则一：同时说明"做什么"和"什么时候用"

# ❌ 太模糊
description: 帮助处理项目。

# ❌ 只说做什么，没有触发条件
description: 创建复杂的多页面文档系统。

# ✅ 好的示例
description: |
  分析 Figma 设计文件并生成开发交付文档。
  当用户上传 .fig 文件、说到"设计规范"、
  "组件文档"或"设计转代码"时使用。

原则二：包含用户实际会说的话（触发词）

用户一般不会说专业术语，要预测他们的自然语言：

description: |
  管理 Linear 项目工作流，包括 Sprint 规划、任务创建和状态跟踪。
  当用户提到"冲刺"、"Linear 任务"、"项目计划"，
  或要求"创建工单"时触发。

原则三：控制长度，不超过 1024 字符

Frontmatter 会被加载到系统提示词中，过长会占用上下文。2-4 句话即可，核心信息优先。

正文写作的四个技巧

1. 用第三人称描述步骤：当被触发时，AI 需要先…… 而非 你要……，便于阅读和修改；
2. 步骤编号化：每步只做一件事，AI 不会跳过或混淆顺序；
3. 关键验证前置：把最重要的检查放在最前面，用 ## 重要 或 CRITICAL: 标注；
4. 引用胜过嵌入：复杂文档放在 references/ 中，主文件只写引用路径，保持 SKILL.md 在 5000 词以内。

五大进阶模式：让 Skill 处理复杂工作流

以下五种模式来自 Anthropic 官方总结的实践经验，适合需要处理更复杂场景的用户。

模式一：顺序工作流编排

适用： 需要严格按顺序执行的多步流程

## 工作流：新客户接入

### 第一步：创建账户
调用 MCP 工具：`create_customer`
参数：姓名、邮箱、公司名

### 第二步：设置支付方式
调用 MCP 工具：`setup_payment`
等待：支付方式验证完成

### 第三步：创建订阅
调用 MCP 工具：`create_subscription`
依赖参数：来自第一步的 customer_id

### 第四步：发送欢迎邮件
调用 MCP 工具：`send_email`
模板：welcome_email_template

关键技巧： 明确步骤依赖关系、在每步加验证、提供失败时的回滚指令。

模式二：跨 MCP 协调

适用： 工作流跨越多个外部服务

## 设计转开发交付流程

### 阶段一：Figma 导出（Figma MCP）
1. 导出设计资产
2. 生成设计规范文档
3. 创建资产清单

### 阶段二：文件存储（Drive MCP）
1. 创建项目文件夹
2. 上传所有资产
3. 生成分享链接

### 阶段三：任务创建（Linear MCP）
1. 创建开发任务
2. 将资产链接附到任务
3. 分配给工程团队

### 阶段四：通知（Slack MCP）
1. 在 #engineering 频道发布交付摘要
2. 包含资产链接和任务引用

模式三：迭代优化循环

适用： 需要多轮优化才能达到质量标准的输出

## 报告生成流程

### 初稿生成
1. 通过 MCP 获取数据
2. 生成第一版报告
3. 保存到临时文件

### 质量检查
1. 运行验证脚本：`scripts/check_report.py`
2. 检查项：缺失章节 / 格式不一致 / 数据错误

### 优化循环
1. 逐项修复检查出的问题
2. 重新生成受影响的章节
3. 再次验证
4. 重复直到通过质量标准

### 最终输出
1. 应用最终格式
2. 生成摘要
3. 保存正式版本

模式四：上下文感知的工具选择

适用： 同一个目标，根据文件类型或场景选择不同工具

## 智能文件存储

### 决策树
1. 检查文件类型和大小
2. 选择最佳存储位置：
   - 大文件（>10MB）→ 云存储 MCP
   - 协作文档 → Notion/Google Docs MCP
   - 代码文件 → GitHub MCP
   - 临时文件 → 本地存储

### 执行存储
根据决策调用对应 MCP 工具，
并向用户说明选择该存储方式的原因。

模式五：领域专业知识内嵌

适用： 需要将复杂的合规规则、行业知识内嵌到工作流中

## 支付处理合规流程

### 处理前（合规检查）
1. 获取交易详情（MCP）
2. 应用合规规则：
   - 检查制裁名单
   - 验证司法管辖权
   - 评估风险等级
3. 记录合规决策

### 执行处理
IF 合规通过：
  - 调用支付处理 MCP
  - 执行欺诈检测
  - 完成交易
ELSE：
  - 标记待人工审核
  - 创建合规案例

### 审计记录
- 记录所有合规检查过程
- 生成审计报告

参考文档

• skills.sh：当前最流行的开放 Skill 市场，含 Remotion（视频）、from-design（前端）等热门 Skill；