開源一個commands幫你深度拆解頂尖Skills

之前開源的自動拆解開源項目的/howPrompt命令深受喜愛，幫助很多 PM 學習了很多 AI 開源項目工程的最佳實踐。

很多人用了以后問：能不能拆Skills？

好問題。

Skills 才是現在最值得學的東西。

今天開源第二個指令：/howSkills——一條命令，自動深度拆解任意 Agent Skill，從產品視角提煉設計巧思和最佳實踐。

一條命令下去，Agent 會自動完成8 個階段的深度分析，輸出一份幾千字的產品分析報告：

1. 結構掃描——這個 Skill 有哪些資源、屬于什么類型
2. 痛點挖掘——不看文檔自述，從實現細節反推真實痛點
3. 工作流可視化——自動生成時序圖和流程圖
4. 腳本設計拆解——原子化程度、場景覆蓋、接口設計
5. 參考文檔設計拆解——知識分層、漸進式披露策略
6. 資產設計拆解——模板復用、品牌一致性
7. 獨特解法提煉——最有價值的部分，提煉可遷移的設計模式
8. 綜合評估——5 個維度打分 + 最佳實踐總結

每完成一個階段，結果自動寫入項目的analysis/howSkills.md文檔。

拆解官方的skill-creator 為什么要拆解別人的 Skills

去年我寫/howPrompt的時候說過：產品經理想掌握AI實戰能力，一定要到真正的項目里去學。

這句話放在 Skills 上更成立。

Skills 是 Agent 生態里最值得研究的東西。一個好的 Skill，背后是一整套產品設計思維：

• 怎么把模糊的需求變成確定性的流程？
• 怎么管理 Agent 的上下文窗口不溢出？
• 怎么讓腳本和提示詞配合，做到人做不了的事？
• 怎么設計驗證機制，不讓 Agent 幻覺跑偏？

這些問題，你在任何提示詞框架課程里都學不到。

只有拆開別人的作品，看到"為什么這樣設計"，才能真正學到東西。

我用它拆了 Codex 創建桌面寵物的 Skill

為了驗證/howSkills的效果，我拿它拆了一個讓我非常好奇的 Skill——hatch-pet。

這是一個在 Codex 應用里創建動畫桌面寵物的 Skill。

這個 Skill，我跑完吃完了我 Plus 賬號 5 小時的額度，可見其工程的復雜度。

拆完以后更加震驚。

它解決的核心問題是一個極其刁鉆的矛盾：

圖像生成的不確定性 vs 精靈圖的精確性要求

一個寵物需要 10+ 次圖像生成，每次都要保持同一個角色形象；

最終輸出是一個 1536×1872 的精靈圖集，每個單元格 192×208，差一個像素就廢了。

這個 Skill 用了 15 個腳本 + 3 個參考文檔 + 323 行指令，硬是把一個充滿不確定性的創意任務，變成了一條確定性的生產流水線。

Agent 不再"畫寵物"，而是"組裝寵物"。

幾個讓我拍案的設計巧思

1. 身份錨點模式

普通做法：每次生成都靠提示詞里的文字描述保持一致性——"這是一只橘貓，有白色圍脖……"

hatch-pet 的做法：第一次生成完成后，立刻截取一張canonical-base.png作為視覺錨點，后面每一次生成都必須引用這張圖。

把"一致性"從文字層面提升到視覺層面。簡單粗暴，極其有效。

2. 色度鍵自適應

普通做法：用固定的綠色背景做透明度處理。結果寵物身上有綠色怎么辦？翻車。

hatch-pet 的做法：從參考圖片里采樣像素，自動選一個距離最遠的顏色當背景色。寵物是綠色的？那背景就用品紅色。

3. 鏡像決策門控

寵物的"向右跑"和"向左跑"動畫，如果寵物是對稱的，鏡像一下就行——省一半的工作量。

但如果有不對稱元素呢？比如單側的蝴蝶結、可讀的文字？錯誤鏡像就廢了。

hatch-pet 的做法：不預設，運行時決策。生成完向右跑以后，視覺檢查有沒有不對稱元素，再決定是鏡像還是重新生成。

4. 漸進式驗證

普通做法：全部生成完了再檢查。發現有問題？從頭來過。

hatch-pet 的做法：每一層都驗證——記錄時驗證哈希，幀級別檢查質量，圖集級別檢查幾何精度。任何一層出問題，立刻停在原地修復，不用推倒重來。

下面是 Agent 自動生成的架構圖：

用戶交互時序圖——從用戶發起到最終交付的完整鏈路，可以看到 scripts 和 $imagegen 在哪個節點被調用：

用戶到Agent到腳本的完整交互流程

核心工作流程圖——從準備到并行生成、鏡像決策、最終化的完整流程，包含修復循環：

超級長就不放了

5 條可遷移的最佳實踐

從 hatch-pet 里提煉出來的，不只是做寵物能用：

1. 身份錨點模式：多次生成任務中，創建視覺錨點比文字描述更可靠
2. 確定性-不確定性分離：Agent 做創意決策，腳本做精確計算，各司其職
3. 漸進式驗證：在每個關鍵節點設驗證點，減少后期返工
4. JSON 中間態：用文件做持久化狀態，比讓 Agent 在上下文里記東西更可靠
5. 寫邊界隔離：子代理模式中，明確"誰能寫什么"，避免并發沖突

這些模式，做PPT、做文檔、做任何涉及 Agent 多步執行的任務，都能用上。

完整分析報告有 500 多行，太長了就不全貼了，放在知識星球里。

如何使用

/howSkills本質是一段提示詞，封裝成了 Coding Agent 的 commands。

配置后在 Claude Code 中進入要拆解的 skill 路徑，直接輸入/howSkills，它就會自動開始分析。

配置方法：

方式一：直接復制（適用于所有工具）

把提示詞保存到對應的目錄：

• Claude Code：在~/.claude/commands項目根目錄/.claude/commands創建howSkills.md
• Cursor：在項目根目錄/.cursor/commands創建howSkills.md

方式二：插件安裝（Claude Code）

# 1. 添加我的 marketplace
/plugin marketplace add comeonzhj/comeonzhj-claude-plugins

 # 2. 安裝 plugin
/plugin install ai-analyzer@comeonzhj-plugins

 # 3. 使用
/ai-analyzer:howPrompt
/ai-analyzer:howSkills

 

如果你不能訪問 Github，提示詞在知識星球的圈友空間里。

關于AI學習行動圈

這是我 23 年底開始，和人人都是產品經理社區共同運營的一個圈子，截止目前已經持續運營、維護超過 700 天了，已有超過 5000+圈友！

我的各種 AI 研究心得、發現的好應用、開發的小項目都會在里面分享，目前圈子有核心三個交流學習平臺。

8 個微信群，早報和日常交流

微信群里每天一早有 AI 早報，上下午還有“讀報時間”，以及我每天不定期刷屏級的各種 AI 工具體驗、提示詞編排思考、行業新聞解讀同步。

以及，你可以在群里討論任何與 AI 相關的工具、應用問題，幾乎都能找到答案。

騰訊文檔-圈友空間

用來沉淀體系化、深度的 AI 文章和超長的工程化提示詞，不定期更新。

當前包括：Claude code、Cursor、Manus等頂級產品的系統提示詞和工具列表，各種深度的 Agent 白皮書和實踐指南

知識星球-每日報告、工具和實戰經驗分享

我在星球里主要維護「實戰分享」「工具箱」和「情報局」三個標簽

實戰分享是可以在日常工作和生活中直接應用的提示詞和效率工具。上面截圖里的 Step-Back 提示詞就非常好用，堪比 o4。在公眾號、直播中演示的所有 AI 實戰應用的提示詞也都在這個標簽下。

AI 工具和鮮知道就是好用的、熱門的 AI 工具、資訊分享，我把那些太技術、太浮夸的都篩選了，放進這個標簽的都是可以直接用來的好玩兒！

加入圈子，跟 5000+ 行動派一起玩 AI、聊 AI，精進起飛~