FlySkill

从"临时工"到"专业技能"的 AI Agent 进化之路

FlySkill 是一个 Agent Skills (智能体技能) 库，旨在将传统的"一次性 Prompt"转变为可复用、标准化的专业技能。

🎯 为什么需要 Agent Skill？

场景：营销经理的每周噩梦

每周一早上 8:00，营销经理小李的"噩梦"准时上演。面对来自微信、百度、抖音、小程序等 4 个渠道的营销数据，他需要：

传统方式的痛点：

• ❌ 每次与 AI 进行 3-5 轮对话，耗时 15-20 分钟
• ❌ 频繁复制粘贴长达 650 字的提示词
• ❌ 常常遗漏关键指标，导致分析不全面
• ❌ AI 无法记住分析流程，每次都要"重复教学"

使用 Agent Skill 后：

• ✅ 只需 1 轮对话，输入 80 字
• ✅ 3 分钟完成全部分析
• ✅ 零人为错误，分析标准化
• ✅ Token 消耗显著降低

效率提升对比

💡 核心价值：从个人到企业的价值放大

🔍 How it works

从你启动 AI Agent 的那一刻起，它就开始工作了。但它不应该仅仅是接到指令就埋头写代码或执行任务。相反，当它意识到任务具有一定复杂性或模糊性时，它应该退一步，像一位经验丰富的专家一样思考。

FlySkill 通过注入特定的 “Skill” (技能) 来实现这一点。这些 Skill 是精心设计的系统提示词和工作流程，教导 Agent：

1. 何时暂停：识别模糊需求或高风险操作。
2. 如何思考：使用特定的分析框架（如漏斗分析、TDD 循环）。
3. 如何交互：主动向用户提问，或按特定格式输出报告。

核心转变：与传统"临时工"式的 Prompt 不同，Agent Skill 是"专业技能"的沉淀。一次创建，永久可用，质量标准化，并可实现团队共享和生态协作。

📦 Installation

Skill 的使用方式非常灵活，您可以根据您的 Agent 框架（Claude Code, LangChain, AutoGen 等）将它们放置在指定目录或手动加载。

通常有两种加载方式：

1. 个人 Skill (Personal Skills)

适用于您个人的所有项目，作为通用能力加载。 建议路径：

~/.claude/skills/

2. 项目 Skill (Project Skills)

适用于特定项目，随代码库分发，确保团队成员使用相同的分析标准。 建议路径：

.claude/skills/

注意：以上路径是 Claude Code 的默认扫描路径。

📚 Skills Library

Collaborative & Soft Skills (协作与软技能)

• clarify-demand-uncertainty - 如果在实施之前需求不明确，请先提问 (Ask Questions If Underspecified)
  • 何时使用：当请求有多种合理的解释或关键细节缺失时。
  • 功能：强制 Agent 在执行前提出 1-5 个关键的澄清问题，避免方向错误。
  • 价值：降低返工率，减少因需求不明确导致的开发浪费。

Data Analysis (数据分析)

• analyzing-marketing-campaign - 营销活动分析 (Marketing Campaign Analysis)
  • 何时使用：分析多渠道（微信、抖音、百度等）的营销数据时。
  • 功能：自动计算 CTR, CVR, ROAS, CPA 等指标，执行漏斗分析，并提供预算重新分配建议。
  • 价值：从 15 分钟多轮对话缩短到 3 分钟一次完成，零计算错误。

🚀 Quick Start

案例 1：营销活动分析（3 分钟完成周报）

步骤 1：安装 Skill

# 方式1：项目级 Skill（推荐用于团队协作）
cp -r skills/analyzing-marketing-campaign .claude/skills/

# 方式2：个人全局 Skill（适用于个人使用）
cp -r skills/analyzing-marketing-campaign ~/.claude/skills/

步骤 2：上传数据并输入简单提示词

上传你的营销数据 CSV 文件，然后输入：

我上传了本周的营销活动数据。请分析数据，帮助我了解各渠道的表现情况，
以及是否需要重新分配预算。我可以在渠道间调配最多 ¥10,000 的预算，
单个渠道的预算增幅不超过 15%。

步骤 3：Agent 自动执行完整分析

Agent 将自动完成：

• ✅ 数据质量检查
• ✅ 漏斗分析（CTR、CVR）+ 基准对比
• ✅ 效率分析（ROAS、CPA、净利润）
• ✅ 预算重新分配建议
• ✅ 专业格式的分析报告

传统方式 vs Skill 方式对比：

案例 2：需求澄清（避免做错方向）

步骤 1：安装 Skill

# 方式1：项目级 Skill
cp skills/clarify-demand-uncertainty/SKILL.md .claude/skills/

# 方式2：个人全局 Skill
cp skills/clarify-demand-uncertainty/SKILL.md ~/.claude/skills/

步骤 2：给 Agent 一个模糊的指令

例如：

"在设置页面加一个夜间模式的开关。"

或者：

"写一个用户注册的接口。"

步骤 3：Agent 主动澄清需求

Agent 不会立即开始编码，而是会提出关键的澄清问题：

前端开发场景示例：

在开始之前，我需要确认以下几点：

1. 开关位置：您希望开关放在设置页面的哪个区域？
   - [ ] 顶部通用设置区
   - [ ] 主题/外观设置区
   - [ ] 其他位置（请说明）

2. 持久化方式：用户的选择如何保存？
   - [ ] 仅保存在本地存储（localStorage）
   - [ ] 同步到后端服务器
   - [ ] 跟随用户账号（需要登录）

3. 生效范围：切换后的效果如何？
   - [ ] 立即应用到全局所有页面
   - [ ] 仅当前页面生效，需刷新后应用

价值对比：

🛠️ 如何创建自己的 Skill？

方法 1：使用 skill-creator 快速创建（推荐）

skill-creator 是一个特殊的 Skill，它可以引导你快速创建新的 Skill。

步骤 1：安装 skill-creator

cp skills/skill-creator/SKILL.md .claude/skills/

步骤 2：告诉 Agent 你的需求

我想创建一个 Skill，名称是 xxx，用于 [描述你的场景]。
请使用 skill-creator 引导我。

步骤 3：回答 4 个关键问题

Agent 会引导你回答：

1. 核心用例：这个 Skill 主要解决什么问题？
2. 触发条件：什么时候应该使用这个 Skill？
3. 核心工作流程：Skill 的执行步骤是什么？
4. 特殊说明：有什么注意事项或限制？

步骤 4：自动生成 SKILL.md

Agent 会自动生成标准格式的 SKILL.md 文件，你可以直接使用或根据需要微调。

步骤 5：测试验证

测试新创建的 Skill：

• ✅ 触发准确性测试（应该触发 vs 不应该触发）
• ✅ 工作流测试（是否按预期执行）
• ✅ 边界情况测试（异常输入如何处理）

时间投入：10 分钟即可创建一个可用的 Skill！

方法 2：传统 SOP 改造法（5 步改造）

如果你已经有传统的工作流程或 SOP 文档，可以使用"5 步改造法"将其转换为 Agent Skill。

第一步：识别流程

• 找出你经常重复的工作流
• 列出所有关键步骤
• 梳理业务逻辑

第二步：标准化 I/O

• 统一输入输出格式
• 定义数据结构
• 明确必填项和可选项

第三步：优化逻辑

• 精炼决策与处理流程
• 简化复杂逻辑
• 去除冗余步骤

第四步：编写 SKILL.md

• 使用标准模板
• 记录规范与示例
• 文档化领域知识

第五步：测试验证

• 运行验证与修正
• 迭代优化
• 收集反馈并改进

Skill 文件结构

一个标准的 Skill 包含以下部分：

---
name: skill-name
description: 简短描述这个 Skill 的功能
---

# Skill 名称

## 何时使用
描述应该在什么场景下触发这个 Skill

## 何时不使用
描述什么情况下不应该使用这个 Skill

## 工作流程
详细描述 Skill 的执行步骤

### 步骤 1：...
### 步骤 2：...
### 步骤 3：...

## 输入要求
描述期望的输入格式和内容

## 输出规范
描述输出的格式和结构

## 注意事项
特殊说明和限制条件

📖 Examples 详细使用示例

营销活动分析示例（analyzing-marketing-campaign）

本示例展示了如何使用 Agent Skill 重构企业 SOP（标准作业程序），将传统的 Prompt 工程转变为代码化的技能。

📁 目录结构

Skill 定义和脚本（可复用的标准化技能）：

skills/analyzing-marketing-campaign/
├── SKILL.md                                     # Skill 定义（AI Agent 读取）
├── scripts/                                     # 标准化计算脚本
│   ├── analyze_campaign.py                     # 营销数据分析脚本
│   └── budget_reallocation.py                  # 预算重新分配脚本
└── references/                                  # 参考文档
    └── budget_reallocation_rules.md            # 预算调整规则

示例和测试材料（学习和测试用）：

examples/analyzing-marketing-campaign/
├── material/                                    # 输入材料
│   ├── campaign_data_week1_china.csv           # 示例营销数据
│   ├── prompts_initial_conversation.md         # 传统模式的提示词
│   └── prompts_with_skills.md                  # Skill 模式的提示词
├── output/                                      # 输出结果示例
│   ├── 对话.md                                  # 传统模式对话记录
│   └── 对话-skill.md                            # Skill 模式对话记录
├── analyze_campaign.py                          # 脚本副本（供参考）
├── budget_reallocation.py                       # 脚本副本（供参考）
└── Agent_Skill_Enterprise_SOP_Reconstruction.md # 详细案例说明文档

💡 支持的分析功能

• 数据质量检查：自动检测缺失值、异常值、数据完整性
• 漏斗分析：计算 CTR（点击率）、CVR（转化率）并与基准对比
• 效率分析：计算 ROAS（广告支出回报率）、CPA（获客成本）、净利润
• 预算重新分配：基于绩效表现提供预算调整建议

📝 使用文档

详细的使用说明和对比分析，请查看：

• examples/analyzing-marketing-campaign/Agent_Skill_Enterprise_SOP_Reconstruction.md

澄清需求中的不确定性（clarify-demand-uncertainty）

本示例展示了如何让 Agent 在面对模糊需求时，主动提出澄清问题，避免错误的工作方向。

📁 示例目录结构

examples/clarify-demand-uncertainty/
├── prompts_with_skills.md          # R&D 场景下的测试提示词集合
└── readme.md                       # 示例说明文档

📊 支持的场景

• 前端开发：界面功能新增、现有组件修改
• 后端开发：API 开发、性能优化
• 重构与维护：代码清理、技术栈升级
• 运维与基础设施：CI/CD 搭建、云服务部署
• Bug 修复：报错定位、问题复现

🎯 最佳实践

更多测试场景和最佳实践，请参考：

• examples/clarify-demand-uncertainty/prompts_with_skills.md - 包含 15+ 个真实研发场景的测试用例
• examples/clarify-demand-uncertainty/readme.md - 详细的使用说明和功能介绍

🎯 下一步行动建议

1. 改造现有流程（立即开始）

任务：选择一个你经常重复的工作流

行动：

• 列出操作步骤
• 使用 5 步改造法创建 Skill
• 测试并迭代优化

预期成果：完成 1 个可用的 Skill，体验效率提升

2. 创建新 Skill（快速试点）

任务：识别并分析团队的痛点场景

行动：

• 使用 skill-creator 创建 2-3 个 Skill
• 在小范围内试点
• 收集使用反馈

预期成果：团队开始认可 Skill 价值

3. 建立 Skill 库（长期价值）

目标：形成团队的 AI 工作流资产

行动：

• 建立团队 Skill 仓库
• 制定创建和审查流程
• 定期优化和更新

预期成果：团队工作效率整体提升，知识沉淀成资产

📂 项目结构

FlySkill/
├── skills/                          # 可复用的 Skill 定义
│   ├── analyzing-marketing-campaign/
│   ├── clarify-demand-uncertainty/
│   └── skill-creator/               # Skill 创建助手
├── examples/                        # 示例和测试材料
│   ├── analyzing-marketing-campaign/
│   ├── clarify-demand-uncertainty/
│   └── skill-creator/
├── docs/                            # 文档和教程
└── README.md                        # 本文件

🤝 Contributing

我们欢迎社区贡献新的 Skills！如果你创建了有价值的 Skill，欢迎提交 PR。

贡献指南：

1. Fork 本仓库
2. 创建你的 Skill 分支 (git checkout -b skill/amazing-skill)
3. 提交你的修改 (git commit -am 'Add amazing skill')
4. 推送到分支 (git push origin skill/amazing-skill)
5. 创建 Pull Request

📄 License

本项目采用 MIT 许可证 - 详见 LICENSE 文件

🔗 相关资源

• PPT 演示：Agent Skill 重构传统SOP.pdf - 完整的案例演示和方法论
• GitHub 仓库：https://github.com/FlyAlBox/FlySkill
• 技术公众号：萤火 AI 百宝箱

💬 联系方式

如有问题或建议，欢迎通过以下方式联系：

• 提交 Issue
• 加入讨论组
• 关注公众号"萤火 AI 百宝箱"

---

Remember: Agent Skill 不是"临时工"，而是"专业技能"。一次创建，永久可用，团队共享，生态协作。