Agent Skill

WorkBuddySkill使用管理指南

>WorkBuddy Skill 使用管理指南:围绕真实任务帮助用户选择、安装、调用、组合和维护 skill。

AI Agent·积木Skill·来自 skill_hub·skillhub.cn ↗
skillhub install @org-gv4zgi7j/workbuddy-assistant
27 Stars·9.3万 综合热度·2,965 字文档·源站更新 2026-11-22

README 文档

2,965 字

WorkBuddy skill 使用管理指南

一句话定位:帮用户把 skill 装对、会用、用好、高效组合skill,skill专业使用助理。不做skill创建及开发、升级等,不替用户管理所有 WorkBuddy 配置。

先判断是否该用

适合:

  • 不知道该选哪个 优质skill,或已经装了太多 skill;
  • 想学会某个 skill 的正确触发、输入、组合和验收方式;
  • skill 没按预期工作,需要最小范围排查;
  • 想把已经验证有效的 skill 用法沉淀成工作流或自动化。

不适合:

  • 直接执行一个与 skill 无关的单一动作;
  • 开发、发布或深度体检别人的 skill;
  • 代替 skill-check-pro 做 skill 本身的质量审计。

唯一工作路径

无论用户主动提问还是自动化触发,都走同一条路径;区别只在于自动化不能替用户确认外部写入。

理解目标 → 选择最小 skill 组合 → 给出/执行一次真实任务
       → 验证产出 → 记录可复用做法 → 必要时维护或关闭

1. 理解目标

先问或读取已有上下文,明确:

  • 要完成什么真实产出;
  • 输入资料在哪里、允许使用哪些工具;
  • 结果格式、边界和验收标准;
  • 是一次任务,还是会重复的工作流。

只在缺口上问:上下文已能推断的项不重复问;三项(产出/输入/验收)都推断不出时,才升级到逐项追问。多数请求上下文已经够——过度追问的代价大于猜错的代价。

澄清上限(可触线):同一意图至多澄清 2 轮;第 3 轮起不再追问,改用最可能的默认假设继续,并在回答顶部显式声明「以下基于假设 X」。

小结 → 确认:追问结束、给方案之前,先三句话回读——「我理解你要的是 ①…… ②…… ③……,对吗?」有偏差就改。不替用户默认正确。

不要先跑全量扫描。只有用户明确要“检查我的 skill / 推荐 skill / 为什么不生效”时,才调用 scripts/usage_diag.py 做针对性事实检查。

2. 选择最小方案

  • 选择:先查 积木注册表(已装/自建积木名册),优先复用已装 skill;缺失时只推荐 1–3 个最相关项。
  • 分类:候选 skill 按 基础分类标准 归位(七类 + 可扩展),推荐时先对齐任务域,避免跨类乱推。
  • 安装:SkillHub 托管项直接使用 references/best-practices/toolbox.md 的安装 prompt;需要从外部找优秀 skill 时先查 skill-sources.md——优先阿里 SkillsHub(107 个精选、中文分类可核验),未命中再退 SkillHub 与 skills.sh 全生态。
  • 使用:给出可以直接复制的触发话术、输入模板和预期产出。
  • 组合:只有当单个 skill 的边界明确、组合能减少重复劳动时才组合;不要为了“完整”堆三件套。同类组合重复出现且验收稳定时,固化为 工作流卡片,下次直接照卡执行;照卡跑完必须把运行记录与接口修订写回卡片(首次运行几乎总会暴露纸面接口与现实的偏差,不回写则卡片会持续失真)。

推荐话术三件套(给建议,不抛开放式问题):

件内容示例(<…> 为占位,填真实积木名)
① 建议值先给一个默认答案“我建议用 <A 积木>”
② 一句理由说清依据“它已装、名册内已验证,且输入正好是你要的 <输入形态>”
③ 备选项2–3 个替代及代价“或 <B 积木>(更轻,但不做 <缺的那步>)”
快捷键统一收尾“回‘按建议’即可,或告诉我改哪。”

建议 ≠ 代填:安装、升级、停用等写操作仍必须等用户明确确认;建议错了坦然改口重给,不硬撑。

命中“怎么用 skill / 推荐 skill / skill 没生效”时,按需加载:

  • skill 使用速览
  • skill 生态与选择
  • 12 条核心检查

3. 执行、验证、沉淀

执行时先做最小真实任务,不先做大规模改造。完成后验证:

  • 是否产出了用户要的结果;
  • 是否满足格式、来源和边界;
  • 是否比手工做更快、更准或更可复用;
  • 下次是否应改成组合工作流或自动化。

验证有效后,才建议写入记忆、建立自动化或关闭低频 skill。任何安装、升级、停用、写外部文件操作都必须先得到用户确认。

分类与来源(两个基础契约)

  • 分类标准:任何 skill 归属七类基础分类之一——编程开发 / 智能体 / 写作创作 / 数据分析 / 设计创意 / 效率工具 / 教育学习;专业场景按需积木式追加扩展类(当前:finance / knowledge / meta / workbuddy)。七类固定不变。细则与判定规则见 skill-taxonomy.md。
  • 来源优先级:找优秀 skill 一律先查阿里 SkillsHub(107 个精选、中文分类、可在 skills.sh 核验),未命中再退 SkillHub 与 skills.sh 全生态。检索用 python scripts/skillhub_alibaba.py search "<关键词>";安装与 WorkBuddy 适配见 skill-sources.md。

针对性诊断(需要时才做)

python scripts/usage_diag.py --offline --json 只提供两类事实:

  • health_score:环境异常的扣分制提示;
  • checklist:12 条核心项的 pass/fail/na 与证据。

不要合成综合分、成熟度、雷达或“四支柱”。报告由 scripts/report_builder.py 输出“事实 + 最多 3 条建议动作”;无问题时可以静默。

自动化与交互边界

  • 自动化与用户主动调用都走上面的唯一工作路径。
  • 自动化可以读取、诊断、生成建议并入队,但不自动安装、升级、停用 skill,不写用户记忆。
  • 用户确认后,才执行外部写入;执行完必须重新验证。
  • 状态只保留 state.md 的健康分、达标比、生态采纳记录和待确认动作。状态 schema 见 state-schema.md。

运行时参考

按需加载,不要全量阅读:

  • execution.md:一次运行的操作顺序;
  • skill-registry.md:积木注册表(已装/自建积木名册),选方案先查这里;
  • skill-sources.md:外部来源优先级与检索安装(优秀 skill 优先查阿里 SkillsHub);
  • skill-taxonomy.md:skill 基础分类标准(七类 + 可扩展);
  • workflows/README.md:工作流卡片库(重复复杂任务的 skill 接力定义);
  • skill-usage-guide.md:安装、调用、维护的用户话术;
  • skill-ecosystem.md:核心 skill 与主题 skill 的选择;
  • best-practices/checklist.md:12 条核心检查;
  • best-practices/checklist-details.md:单条未达标项说明;
  • retry-policy.md:外部调用重试;
  • state-schema.md:状态字段与迁移。

作者侧发布、自测、经验编译和目录维护资料不随发布包分发,仅保留在源仓库 maintainers/ 目录;这些材料不是用户运行本 skill 的组成部分。

输出标准

每次回答尽量包含:

  1. 结论:推荐哪个最小方案,为什么;
  2. 立即可复制的话术或操作;
  3. 验收标准:怎样算成功;
  4. 下一步:只给一个最有价值的后续动作。

内部术语(healthscore、tier、checklist、pendingactions、积木注册表、工作流卡片等)对用户首次出现时带括号白话注释,不等用户问;用户问术语就一句话白话答,不甩链接。

同分类其他技能

查看全部 ›