Skill 炼金师 · Skill Alchemist
SkillMonitoring & opsUse when the user wants to distill project experience, incident retrospectives, and validated processes into a creatable Agent Skill blueprint, clarifying user outcomes, trigger boundaries, private information boundaries, and acceptance criteria; trigger words include "把经验蒸馏成 skill" and "distill exp
Available today. Use it from your connected AI after setup.
No other account needed.
Connect ahel once, and every AI you use reads what you have installed.
Then ask your AI: use the Skill 炼金师 · Skill Alchemist skill
What this skill tells your AI
The instructions your AI receives, as published by lovstudio/skills in skills/skill-distiller/SKILL.md and read by ahel’s review.
这不是泛泛寻找机会,而是把已经发生过的工作蒸馏成稳定、可移植且可验收的能力契约。最终产物是 Skill 蓝图:它足以交给 sgc-skill-creator 落地,却不泄漏人名、项目代号、私有路径、密钥或聊天背景。
Triggers
Activate when
- 用户说“把这段经验蒸馏成 Skill”“把 Yoda 的做法沉淀下来”或“把这次复盘做成可复用能力”。
- 用户提供项目历史、事故复盘、连续需求或真实交付,想从中抽出一项可复用 Skill。
- Use this when the user says “distill experience into a skill”, “turn this workflow into a reusable skill”, or “skill distillation”.
Do not activate when
- 用户已明确要实现某一个 Skill:交给
sgc-skill-creator。 - 用户要优化、修订或升级已有 Skill:交给
sgc-skill-optimizer。 - 用户只要保存一条项目约定到系统提示词或项目说明:交给
sgc-distill-to-system。
Workflow (MANDATORY)
Step 0: 选择待蒸馏的经验单元
以一个完整的“问题 → 判断 → 行动 → 验证”闭环为单位。优先选择经过真实运行、发布、安装或用户验收的经验;单次灵感、纯技术兴趣或只含内部背景的内容暂不提升为 Skill。
把人名、客户信息、项目代号、私有路径、访问凭据和临时聊天细节留在证据层,默认不进入蓝图的名称、描述和示例。
Step 1: 收集原始证据(辅助,不是主产物)
针对仓库或材料创建可回看的证据摘要:
python3 "$SKILL_DIR/scripts/collect-source-evidence.py" PROJECT_PATH \
--output skill-distillation-evidence.md
Git 历史只是线索。补充用户提供的复盘、验收记录、失败日志与行为变化;没有证据支撑的判断要标注为假设。
Step 2: 蒸馏不变量
使用 蒸馏透镜,从原始材料中抽出:
- 用户真正要达成的结果,而不是内部实现动作;
- 稳定的判断顺序:哪些步骤总是成立,哪些是可配置的变体;
- 失败恢复与验收:如何知道“真的成功”,而不是只看到提示、编译或静态检查;
- 边界:哪些输入不适用,哪些逻辑、数据或凭据需要保留为私有配置;
- 最小复用单元:应是 Single Skill、带确定性脚本的 Skill,还是由独立阶段组成的 Skill Kit。
不要把一次性动作逐条照抄成 Skill;合并同一用户结果下的不同渠道、模型、项目路径或工具实现。
Step 3: 编写 Skill 蓝图
按 Skill 蓝图模板 交付一份中文蓝图。每份蓝图必须包含:
- 面向用户的名称与一句话承诺;
- 触发语句与至少一个明确的不触发场景;
- 输入、输出、核心流程与可配置项;
- 真实验收信号、常见失败与恢复路径;
- 私有信息边界;
- 一条或多条可回溯的证据摘要。
如有多个经验单元,按“同一结果是否共享上下文和验收”决定合并或拆分,最多推荐 3–7 个蓝图。
Step 4: 做提升决策
对每项蓝图给出一个结论:
- 创建:用户结果、边界、验收与证据均清楚;
- 继续蒸馏:缺少真实验收、核心判断或可移植边界;
- 合并:只是另一个渠道/参数/阶段,不该成为独立 Skill;
- 归档:只能服务一次性项目上下文,保留为项目文档即可。
使用 提升检查 说明理由。分数只用于辅助排序,结论以可交付性为准。
Step 5: 交接实现
用户选择“创建”的蓝图后,交给 sgc-skill-creator:它负责实现、校验和本地安装。用户要求上架时,再交给 sgc-skill-publisher。
Dependencies
- Python 3.8+(仅标准库)
- Git(可选,用于仓库历史证据)
通用反馈闭环
用户在 Skill 驱动任务中提出修改意见时,继续当前产物前必须执行:
- 先判断意见是
task-specific(仅本次)还是reusable(可跨任务复用)。 task-specific只修改当前任务,不改 Skill。reusable先确定作用域:领域规则先更新对应 canonical Skill;适用于所有 Skill 的规则先更新共享规范。- 完成规则更新、版本、lint 与分发核验后,再把修改应用到当前任务。
reusable修改会使此前的“确认”“继续”“发吧”失效;完成当前产物修改和回读后必须停下,等待用户下一步指示,不自动进入发布、提交或其他外部写入。
Signals
- GitHub stars
- 66
- Forks
- 17
- Last commit
- Sep 2026
Advanced
- Catalog kind
- skill
- Gateway key
sgc-skill-distiller- Source
- github.com/lovstudio/skills