好 Agent Skill 的標準:你的 SKILL.md 在浪費 Token 嗎?
好 Agent Skill 的標準:你的 SKILL.md 在浪費 Token 嗎?
基本資訊
- 作者: ci.fullstack
- 來源: Threads
- 發布時間: 2026-03-06 23:55(19 小時前)
- 觀看數: 8.5K
- 社群反應: 95 讚、6 則留言、11 收藏、118 分享
- 原文連結: Threads
- 系列: AI 驅動開發 Day39
核心問題
作者的失敗案例
「我用 skill-judge 跑我第一版的 /write-thread,拿了 F。120 分裡只拿 40 幾分。」
問題根源:
「超過一半的內容是 Claude 本來就會的。」
關鍵認知
「寫 Skill 很容易。寫『好的』Skill 才是難的。」
核心公式
Good Skill 的定義
Good Skill = Expert Knowledge − What Claude Already Knows
三種內容分類
1. Expert(專家知識)
定義: 只有你知道的
內容:
- 你的工作流程
- 判斷標準
- 踩過的坑
目標佔比: > 70%
2. Activation(激活知識)
定義: Claude 知道但需要提醒
範例:
- 「用 bullet points 不用段落」
目標佔比: < 20%
3. Redundant(冗餘知識)
定義: Claude 本來就會的
範例:
- 「使用 Markdown 格式」
- 「確保程式碼可以編譯」
目標佔比: < 10%
F → A 改善流程(五步驟)
第一步:砍冗餘
行動: 刪掉所有 Redundant 內容
範例:
- ❌ 「使用 Markdown 格式」
- ❌ 「確保程式碼品質」
原因: Claude 本來就會的,全砍
第二步:加 Decision Tree
目的: 不同輸入走不同路徑
範例:
- 「寫 Day N」→ 走完整流程
- 「幫這篇配圖」→ 只跑圖片生成
問題:
「沒有 Decision Tree 的 Skill,每次都跑全套,浪費。」
第三步:加 NEVER List
來源: 從踩坑經驗收集
範例:
- AI 用了「讓我們」→ 加一條
- AI 在主帖塞連結 → 加一條
特性:
「NEVER List 是活的,會隨使用慢慢長大。」
第四步:修 Orphan Reference
檢查: 確認 references/ 裡的檔案都有被 SKILL.md 引用
問題:
「沒引用的就是死檔案,AI 永遠不會去讀。」
第五步:加品質槓桿指南
內容: Domain-specific 判斷標準
範例:
- 什麼叫「好的 hook」?
- 什麼叫「語氣對了」?
價值:
「這些只有你知道,是 Expert 知識的核心。」
自我檢查清單
品質檢查
- Expert 知識佔比 > 70%?
- 有 Decision Tree 處理不同輸入?
- 有 NEVER List 防止常見錯誤?
- SKILL.md < 2,000 words(詳細放 references/)?
- description 有 trigger phrases?
- 跑 3 次結果結構一致?
驗證標準
「全部打勾,你的 Skill 就能用了。」
工具推薦
skill-judge
功能: 評估 Skill 品質
評分: 120 分制
連結: github.com/softa…
效果: 從 F 拉到 A
成功案例
作者的改善
「改完再跑一次 skill-judge,我從 F 拉到 A,主要就是靠砍冗餘和加 NEVER List 這兩步。」
社群反應
andrew54068(1 讚)
「今天沒有精美的圖 🥹」
ci.fullstack 回應
「哈哈被發現了,觀察入微XD
想找時間升級香蕉了,可以期待之後升級的圖~」
關鍵洞察
1️⃣ 70/20/10 黃金比例
Expert: > 70%(只有你知道的)
Activation: < 20%(需要提醒的)
Redundant: < 10%(Claude 本來就會的)
💡 教訓: 大部分內容應該是專家知識
2️⃣ Claude 本來就會很多
問題: 超過一半內容是冗餘
解決: 砍掉所有 Claude 本來就會的
💡 教訓: 不要浪費 token 教 AI 它已經會的
3️⃣ Decision Tree 避免浪費
問題: 沒有分支,每次都跑全套
解決: 不同輸入走不同路徑
💡 教訓: 效率來自精準路由
4️⃣ NEVER List 是活文件
來源: 踩坑經驗
特性: 隨使用慢慢長大
範例: 用了「讓我們」、主帖塞連結
💡 教訓: 從失敗中學習並固化
5️⃣ Orphan Reference 是死檔案
定義: 沒被引用的 references/ 檔案
問題: AI 永遠不會去讀
💡 教訓: 確保所有資源都被使用
6️⃣ 品質槓桿指南
內容: Domain-specific 判斷標準
範例: 什麼叫「好的 hook」
價值: Expert 知識的核心
💡 教訓: 主觀判斷標準要明確化
7️⃣ 2,000 words 限制
SKILL.md: < 2,000 words
詳細內容: 放 references/
原因: 控制 token 消耗
💡 教訓: 主文件要精簡
8️⃣ 一致性驗證
標準: 跑 3 次結果結構一致
目的: 確保穩定性
💡 教訓: 可重複性是品質指標
技術背景
Agent Skill
定義: AI Agent 的技能定義文件
格式: SKILL.md + references/
目的: 教 AI 特定領域的專業知識
SKILL.md
主文件: 核心技能定義
限制: < 2,000 words
目標: Expert 知識 > 70%
references/
輔助資料: 詳細參考文件
要求: 必須被 SKILL.md 引用
問題: Orphan Reference(死檔案)
skill-judge
功能: 評估 Skill 品質
評分: 120 分制
維度: Expert 知識佔比、Decision Tree、NEVER List 等
實戰應用
範例:/write-thread
第一版: F(40+ / 120)
問題: 超過一半是 Claude 本來就會的
改善:
- 砍冗餘
- 加 NEVER List
結果: A
檢查項目
內容品質:
- Expert 知識 > 70%
- 有 Decision Tree
- 有 NEVER List
結構品質:
- SKILL.md < 2,000 words
- 沒有 Orphan Reference
- description 有 trigger phrases
執行品質:
- 跑 3 次結果一致
與知識庫關聯
Agent Skill 系列
相關文章:
- #143: Apify Agent Skills(23.6K 觀看,知識庫爆款)
- #165: Agent Skill 品質標準(本文)
共同主題: Agent Skill 的設計與實踐
AI 驅動開發系列
作者: ci.fullstack
系列: Day39
主題: 如何寫好 Agent Skill
標籤
#Agent Skill #SKILL.md #品質標準 #70/20/10 黃金比例 #Expert Knowledge #Decision Tree #NEVER List #Orphan Reference #品質槓桿指南 #skill-judge #F to A #Token 優化 #ci.fullstack #AI 驅動開發