正在打开每日关注
正在打开每日关注
通过静态解析、证据链和报告渲染,系统评估并治理可复用的Agent Skill。
写了一个解读Skill的Skill,已开源到GitHub 解读skill的原始设计方案也同步做了上传 这是一个面向 Agent Skills 生态的质量解读、学习分析和使用指导Skill 执行后,会把一个目标 Skill 转换成结构化分析数据和双语 HTML 报告 它可以帮助我们,更好的学习和理解市面上优秀的skill,更好的使用和评估skill,更好的改进和迭代skill 这个skill的核心架构,采用“静态解析优先、证据链贯穿、报告层解释”的设计 目标 Skill 进入分析器后,先做安全预处理,再做结构盘点、元数据解析、内容解剖、脚本与依赖分析、风险扫描、评分计算和报告渲染 下载部署到Codex或Claude code等AI终端,执行输入示例:“解读Skill:https://t.co/Y0BXG6Z2Uo” 即可收到完整Skill解读并收到skill解读报告(详见示例图片)
是什么 YAO Meta Skill 是一个面向可复用 Agent Skill 的工程化、评估、治理与移植系统。仓库元数据显示其由姚金刚维护,使用 Python,采用 MIT 许可,仓库已有 2556 个 Stars,创建于 2026-03-31,最近提交于 2026-08-17。它不只生成 SKILL.md,而是覆盖创建、编译、评测、审查、发布、遥测与迭代。
核心设计 2.0 的中心是平台无关的 Skill IR,向 OpenAI、Claude、通用 Agent Skills 和 VS Code 工作流编译;分析流程强调安全预处理、结构盘点、内容解剖、脚本与依赖分析、风险扫描、评分和报告渲染。Output Eval Lab、Review Studio、证据台账、发布锁与 claim guard,把“看起来不错”转成可复核的输出、运行、权限和发布证据。截图中的报告也体现了渐进披露:入口约 805 Token,复杂解释继续放在 references 中。
关键洞察 值得借鉴的是把 Skill 视为需要生命周期治理的软件资产,并用双语HTML报告、评分卡、图表、风险命中和工作流章节降低审阅门槛。尤其是将 Beta 就绪与更强的 world-class 公共声明分开,能减少证据不足导致的过度承诺。
边界与风险 README 明确说明项目仍处于 Beta 与外部测试准备阶段,供应商生产证据、人工盲评、原生权限执行和真实客户端遥测尚未被当作已完成证明。因此它更适合作为分析和治理框架,而不是自动保证 Skill 正确、安全或高质量的最终裁判;评分与扫描结果仍需结合真实运行和人工复核。