Chudaxia Ai Coach Tools Position Agent Skills Generator
/install chudaxia-ai-coach-position-skills-generator
岗位智能体技能生成器
概述
本技能接在 chudaxia-ai-coach-tools-position-agent-prompts-generator 之后使用,将其输出的「岗位智能体提示词」中的岗位技能逐项拆解为可挂载、可检索、可维护的 Agent Skill 技能目录。
核心交付包括:每个岗位技能对应的内化技能知识文档、符合 assets/specs/agents-skills-specification.md 的技能目录与 SKILL.md 文件,以及已回写技能映射关系的岗位智能体提示词。
强制输出要求
- 一项岗位核心能力对应一个技能目录:除非用户明确批准合并或拆分,否则不得把多个能力合并为一个技能,也不得把一个能力拆成多个技能。
- 每个技能必须内化运行知识:从腾讯 IMA 或本地文件目录检索、筛选并萃取后,必须写入
assets/knowledge/knowledge.md,使生成技能脱离原始知识源后仍可完整执行;不得要求运行时再访问原知识库、原始文件或上游提示词。 - 缺乏知识必须清晰标注:证据不足时创建
assets/knowledge/knowledge-gaps.md,并在assets/knowledge/knowledge.md对应章节标注[待补齐],不得用推测内容补全。 - 每个技能必须有来源索引:创建
references/source-map.md,记录检索词、来源文档、取舍理由和未采用材料;来源索引用于追溯审计,不作为技能执行依赖。 - 每个技能目录必须符合 Agent Skills 规范:目录名与
SKILL.mdfrontmatter 的name完全一致,名称只使用小写字母、数字和连字符。 - 输出位置必须可挂载:技能目录应输出到用户指定的 Skills 根目录,或在交付中明确标注安装/挂载状态与后续移动路径。
- 必须回写岗位智能体提示词:更新原提示词中的技能层与知识层,使其技能清单、技能目录、知识文档一一对应。
- 最终交付必须包含映射表:列出原岗位技能、生成技能名、技能目录、知识来源、回写位置和状态。
输入确认
开始前确认以下信息:
- 岗位智能体提示词来源:用户粘贴的 Markdown、已生成的
.md文件,或上游生成器刚输出的内容。 - 知识库来源:腾讯 IMA 知识库或本地文件目录;该来源只用于生成阶段检索和内化,未指定时默认先问用户,不能假设已有 IMA 访问能力。
- 输出根目录:优先使用用户指定的可挂载 Skills 根目录;未指定时使用
generated-position-agent-skills/\x3C岗位slug>/,并在最终交付中标明这些技能仍需移动或挂载后才能被运行时发现。 - 是否允许调整技能数量:默认不允许;如发现能力重叠、缺失或粒度异常,先给出建议并获得用户确认。
核心流程
步骤 1:解析岗位智能体提示词
读取完整岗位智能体提示词,至少提取以下内容:
- 岗位名称、部门、核心职责与工作边界
3. 技能层(Capability)中的岗位核心能力与降级策略4. 知识层(Knowledge)中的参考规范底座与引用规范5. 流程层(Workflow)中与技能相关的标准步骤与异常处理6. 权限层(Compliance)中与技能相关的白名单、黑名单和上报机制7. 绩效层(KPI)中与技能相关的质量标准
使用 references/skill-extraction-framework.md 建立「岗位技能登记表」。登记表必须包含:
| 字段 | 说明 |
|---|---|
| 原始能力名称 | 技能层中的原文名称 |
| 技能目录名 | 规范化 slug,必须能作为 skill name |
| 能力边界 | 该技能负责什么、不负责什么 |
| 知识检索词 | 用于 IMA 或本地目录检索的关键词组合 |
| 关联流程 | 该技能在岗位工作流中的调用时机 |
| 合规约束 | 该技能必须遵守的权限边界 |
| KPI 约束 | 该技能应满足的质量标准 |
步骤 2:检索并内化技能知识
针对登记表中的每个技能分别检索知识来源,并把可执行知识内化进技能目录:
腾讯 IMA 来源
- 使用用户可用的 IMA/知识库检索能力,以「岗位名称 + 能力名称 + 关键业务对象 + SOP/规范/模板/案例」组合检索。
- 优先选择与该技能直接相关的制度、流程、模板、案例和 FAQ。
- 记录来源文档标题、知识库名称、检索关键词和可追溯标识。
本地文件目录来源
- 使用文件搜索定位与技能关键词相关的
.md、.docx转写、.txt、模板或规范文件。 - 读取候选内容,按相关性筛选直接证据,不把泛泛背景材料当作技能知识。
- 记录相对路径和关键摘录位置。
将每个技能的检索结果萃取并内化为 assets/knowledge/knowledge.md。该文件必须包含足以支撑技能独立运行的流程、规则、判断标准、模板、案例和降级说明,不得只写来源链接、检索提示或“请参考原文”。结构固定为:
# [技能名称] 技能知识文档
## 适用范围
## 核心概念
## 标准流程
## 输入与输出
## 判断标准
## 异常与降级
## 合规边界
## 可复用模板或话术
## 内化知识来源摘要
同时创建 references/source-map.md,记录:检索来源、检索关键词、采用文档、未采用文档、采用/排除理由、可追溯标识。references/source-map.md 仅用于审计、复核和后续更新,不得作为技能运行时的必要知识入口。
证据不足时,不得补写成看似完整的规范;应在 assets/knowledge/knowledge-gaps.md 中列出缺口、已检索关键词和建议补充资料,并在 assets/knowledge/knowledge.md 对应章节标注 [待补齐]。
步骤 3:逐一生成技能目录
按 assets/specs/agents-skills-specification.md 为每个岗位技能创建目录:
\x3Coutput-root>/
\x3Cskill-slug>/
SKILL.md
assets/
knowledge/
knowledge.md
knowledge-gaps.md # 仅在证据不足时创建
templates/ # 仅在技能有表单、话术、画布模板时创建
references/
source-map.md
SKILL.md 必须满足:
- YAML frontmatter 包含
name和description name与目录名完全一致,且不超过 64 个字符description说明该技能做什么以及何时使用,包含岗位、能力和触发关键词- 正文引用
assets/knowledge/knowledge.md,并在存在缺口时引用assets/knowledge/knowledge-gaps.md - 正文说明技能执行依赖已内化知识,不依赖运行时访问原始知识源
- 明确输入、处理流程、输出、降级策略、合规边界和自检标准
使用 assets/templates/position-skill-template.md 作为单个技能的起稿模板。
步骤 4:回写岗位智能体提示词
生成全部技能目录后,必须更新原岗位智能体提示词:
- 在
3. 技能层(Capability)中,将每项岗位核心能力补充为「能力名称 + 生成技能目录 + 内化技能知识文档 + 调用时机」。 - 在
4. 知识层(Knowledge)中补充生成的assets/knowledge/knowledge.md清单,并标注已挂载或待挂载状态。 - 在文档末尾增加或更新「岗位技能包映射表」,列出所有一一对应关系。
- 在映射表附近增加「技能包同步记录」,包含生成时间、生成器名称、知识来源类型和本次更新摘要。
- 保持原七层结构完整,不改变身份、人设、流程、权限、绩效层的原意。
如果原提示词已经存在技能映射表或人工补充内容,先保留原内容并追加更新;发现同一岗位技能已有不同技能目录时,列出冲突并要求用户确认,不得静默覆盖。
如果输入不是可编辑文件,而是用户粘贴内容或上游技能刚输出的内容,必须输出一份完整的「已回写岗位智能体提示词」Markdown;如用户希望落盘,先确认目标文件路径再创建。
映射表格式:
| 原岗位技能 | 生成技能目录 | 技能知识文档 | 来源索引 | 知识来源 | 回写状态 |
|---|---|---|---|---|---|
| ... | ... | ... | ... | ... |
当存在 assets/knowledge/knowledge-gaps.md 时,回写状态必须标为「知识待补齐」,并在知识层对应文档后标注 [待补齐]。
步骤 5:质量自检
按 references/skill-package-checklist.md 完成自检。必须通过:
- 技能数量与原提示词技能层核心能力数量一致
- 每个技能目录都有有效
SKILL.md - 每个
SKILL.md的name与目录名一致 - 每个技能都有
references/source-map.md - 每个技能至少有
assets/knowledge/knowledge.md,且该文件足以支撑技能脱离原始知识源运行 - 证据不足时另有明确的
assets/knowledge/knowledge-gaps.md,并在内化知识文档中标注[待补齐] - 原提示词已回写技能目录、知识文档和映射表
- 回写后的提示词仍保留七层结构;如同时存在结构化 JSON 表示,需再按
chudaxia-ai-coach/assets/schemas/prompt-framework-schema.json校验 - 无虚构知识来源、无不可追溯结论
任一检查失败,先修正再交付。
命名规范
- 技能目录名优先使用英文语义 slug,例如
quality-inspection-standard-design。 - 只允许小写字母、数字和连字符;不得使用中文、空格、下划线或连续连字符。
- 目录名超过 64 字符时,压缩为「岗位域 + 核心动作 + 对象」,例如
finance-budget-variance-analysis。 - 同名冲突时添加短后缀,如
-workflow、-review,不要添加无意义序号,除非用户要求保留原顺序编号。
边界与异常处理
- 无法访问 IMA:切换到用户提供的本地目录或要求用户提供导出的知识库材料。
- 本地目录无资料:生成技能骨架和
assets/knowledge/knowledge-gaps.md,并在最终映射表标为「知识待补齐」。 - 岗位技能粒度混乱:先输出拆分/合并建议,获得用户确认后再改变数量。
- 提示词不是七层结构:先列出缺失层与可识别字段,获得用户确认后再按七层模板补齐;无法确认的内容标为
[待补齐],不得擅自补成确定事实。 - 存在企业敏感信息:技能知识文档保留必要业务规则,但对公司名、人名、内部系统名做泛化处理,除非用户明确要求保留。
最终交付格式
交付时使用 Markdown,包含:
- 生成的技能目录清单
- 岗位技能包映射表
- 已更新的岗位智能体提示词路径或内容
- 知识缺口与待补资料清单
- 质量自检结果
参考资源
references/skill-extraction-framework.md:岗位技能拆解与跨层映射方法。references/skill-package-checklist.md:技能目录、知识文档和提示词回写检查清单。assets/templates/position-skill-template.md:单个岗位技能SKILL.md模板。assets/specs/agents-skills-specification.md:Agent Skills 目录与 frontmatter 规范。
- 确保已安装 OpenClaw(本地或 Docker 部署)
- 在对话框中输入安装命令:
/install chudaxia-ai-coach-position-skills-generator - 安装完成后,直接呼叫该 Skill 的名称或使用
/chudaxia-ai-coach-position-skills-generator触发 - 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
Chudaxia Ai Coach Tools Position Agent Skills Generator 是什么?
将岗位智能体提示词中的岗位核心能力转化为一组符合 Agent Skills 规范的岗位技能包。Use when users need to analyze generated position-agent prompts, extract job skills, retrieve and internalize... 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 32 次。
如何安装 Chudaxia Ai Coach Tools Position Agent Skills Generator?
在 OpenClaw 或 Claude Code 对话框中运行命令「/install chudaxia-ai-coach-position-skills-generator」即可一键安装,无需额外配置。
Chudaxia Ai Coach Tools Position Agent Skills Generator 是免费的吗?
是的,Chudaxia Ai Coach Tools Position Agent Skills Generator 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。
Chudaxia Ai Coach Tools Position Agent Skills Generator 支持哪些平台?
Chudaxia Ai Coach Tools Position Agent Skills Generator 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。
谁开发了 Chudaxia Ai Coach Tools Position Agent Skills Generator?
由 CharlesChor(@charleschor)开发并维护,当前版本 v1.0.0。