【免费下载链接】luban-skill
鲁班 | Luban — 把'能用的Skill'打磨成'能被装、能传播、能验证、能进化'的公共资产。Agent skill-polishing workshop: 验料·访行·过尺·慢刨·回炉
你写了一个 Skill,自己用着挺好,但发到 GitHub 上没人装、拿不出可复现的效果证据、想优化又不知先动哪里?鲁班(luban-skill)是一个开源的Skill 打磨工坊:它把"能用的 Skill"打磨成"能被理解、能被安装、能被传播、能被验证、能持续进化"的公共资产。整套方法论浓缩为五个工匠动作:验料、访行、过尺、慢刨、回炉。这篇入门指南带你逐个拆解。
先懂痛点:为什么"帮我润色一下"打磨不出好 Skill
直接把 Skill 丢给 Agent 说"帮我改好看点",常见问题有三个:
- 改完无法归因——不知道哪一刀起了作用,也无法回滚;
- 验证靠感觉——"看起来更好了"不是证据;
- 改完就结束——没有沉淀工具、没有规矩、没有下一轮入口。
鲁班的思路不同:它把 Skill 当作品收进工坊,先挑战它值不值得雕,再看同行凭什么立足,三把尺量出短板,一刀一刀刨且每刀过验证门,最后发版立规矩。
五个动作全解析
| 动作 | 干什么 | 一句狠话 |
|---|---|---|
| 验料 | 先挑战这个 Skill 的前提是否成立 | 朽木不可雕也,不值得就直说 |
| 访行 | 联网找同行,看清生态位 | 闭门造车出不了好工具 |
| 过尺 | 结构、实测、活体三把尺量分 | 绿色的 CI 会撒谎,要拉真实产物对账 |
| 慢刨 | 冻结基线,改动过验证门才保留 | 量不过就回刀,绝不为显得干了活而多刨 |
| 回炉 | 发布后留对标观察清单,下轮从反馈进 | 交活不是终点 |
验料:先问"这块料值不值得雕" 🔍
一切打磨之前,鲁班先回答四个挑战:
- 真实问题:它解决的用户问题是否成立?
- 独特角度:唯一性来自方法论、脚本资产、数据还是工作流?
- 安装理由:用户为什么装它,而不是临时问 Agent?
- 公共传播性:有没有一句话传播钩子?有没有可截图、可录屏的结果?
任何一条明显不成立,鲁班会停手并给出换料方向——不进入改写。这一步的价值是帮新手省下"雕朽木"的时间。
访行:联网找同行,看清生态位 🧭
鲁班会并行搜索 GitHub、ClawHub、skills.sh 等生态,至少覆盖三类同行、合计不少于 5 个候选,且每个都必须带真实来源链接:
- 直接同行:解决同一个问题;
- 间接同行:解决相邻问题,用户可能二选一;
- 手艺同行:功能不同,但 README、showcase、传播做得好,值得学手艺。
这一步同时完成"定位":纵向追来路、横向看行情,交叉得出你真正该抢的生态位,并输出一句新定位。
过尺:结构、实测、活体三把尺一起量 📏
打分满分 100,三把尺缺一不可:
- 结构尺:写得清不清楚(Frontmatter、工作流清晰度、失败模式等九维评分,每维都要有证据);
- 实测尺:跑起来灵不灵(至少 2 个典型测试 prompt 干跑评估);
- 活体尺:真实世界里活得好不好——这是最值钱的一把尺。拉线上真实产物对账:数据时间戳是不是真的新?CI 绿灯下产物是否已停更多日?文档里的命令逐条能跑通吗?
结构尺的底线还有配套工具:一键体检脚本 check-skill-repo.sh,输出 PASS/WARN/FAIL,直接转成差距清单。
慢刨:冻结基线,改动过验证门才保留 🪚
动刨子之前,先把原版封存做冻结基线。然后按"信任阶梯"控制粒度:首轮只刨一个面;用户明确批量授权后才切到"单提交单面",每个提交独立过验证门、提完立刻推送。
验证门要求改动全部满足才保留,否则回刀:优先用真实数据回放验证(给出翻转数字)、测试 prompt 优于基线、README 首屏 10 秒讲清价值、不引入秘密与私有路径……
收尾时还会问一句:这次的验证手段能不能留下来?一次性对比脚本固化为仓库工具,一次性判断标准立成项目明文规矩——验证不是脚手架,是交付物的一部分。
回炉:发布不是终点 🔥
交活之后,鲁班会留三样东西:
- 对标观察清单:同行哪些动作值得持续盯,下次带着"你看 XX 又做了 YY"回来时从这里接,不从零开始;
- 迭代纪律:发版要有 release notes,讲清"为什么改"而不只是"改了什么";
- 下一轮入口:本轮"不做"清单与已知边界,明确写下来,下轮直接开刀。
实战战绩:一个对话打磨完 4 个 PR
这套方法论不是纸上谈兵。鲁班的第一单活:把约 1k 星的 ai-news-radar 从 v0.6 打磨到 v0.7.0,一个对话内完成,4 个 PR 全部合并:
- 活体检查揪出 Actions 全绿之下静默停更 8 天的数据链路(
git add白名单遗漏); - 评分修复用83,725 条历史数据回放验证:清除327 条假 AI、零误伤;
- 精选区单一信源占比15/20 → 4/20;首屏渲染806 → 523 卡,页高-30%;
- 验证手段沉淀为仓库工具
backtest_scoring.py,并立下"动评分必须附 ≥14 天回放"的项目规矩。
全程记录(含事故与教训)见 ai-news-radar-case.md——每个数字都挂着可查证的 PR 链接。
快速上手:安装与触发方式
装完之后对 Agent 说一句话即可开工:
npx skills add LearnPrompt/luban-skill -g然后说:
让鲁班看看我这个 skill:[你的 Skill 目录 / 仓库链接 / SKILL.md 内容]
鲁班会先完成验料、访行、定位、过尺,给你三个打磨方向并推荐一个——在你选方向之前,它不会动你一行字。
常用触发词还有:"升级我的 skill""skill 体检""为什么我的 skill 没人装""对标一下同类 skill"。
仓库文件导览 📂
| 文件 | 说明 |
|---|---|
| skills/luban/SKILL.md | 工作流本体:五个动作、九步流程、班规与验收单 |
| skills/luban/examples/ai-news-radar-case.md | 实战案例:真实仓库、真实数字、全程可查证 |
| skills/luban/references/birth-checklist.md | 出生证清单:新 Skill 发布前的必备件核对单 |
| skills/luban/references/house-style.md | README 模板与十条风格铁律 |
| skills/luban/tools/check-skill-repo.sh | 过尺结构尺:一键体检发布就绪度 |
| skills/luban/tools/scaffold-skill.sh | 开料脚手架:生成"出生即合规"的仓库骨架 |
| README.md | 项目总览:安装、五动作、实战战绩、安全边界 |
写在最后
鲁班五动作的核心,其实是把"打磨"从凭手感变成可验证的工序:先判断值不值得做,再搞清楚同行怎么赢,用证据量分,改必有据,交付必有沉淀。哪怕不用这个工具,"验料 → 访行 → 过尺 → 慢刨 → 回炉"这套工匠流程,也值得每个做开源 Skill 的新手抄在工位上。
验料 · 访行 · 过尺 · 慢刨 · 回炉——学手艺,不偷皮。
【免费下载链接】luban-skill
鲁班 | Luban — 把'能用的Skill'打磨成'能被装、能传播、能验证、能进化'的公共资产。Agent skill-polishing workshop: 验料·访行·过尺·慢刨·回炉
相关推荐
终极指南:如何实现Obsidian与Notion双向同步,打造高效知识工作流
终极指南:如何实现Obsidian与Notion双向同步,打造高效知识工作流 你是否曾经面临这样的困境?在Obsidian中精心整理了大量笔记,却无法与团队成员
验料:为什么鲁班打磨Skill前要先挑战"值不值得雕"?四挑战清单详解
验料:为什么鲁班打磨Skill前要先挑战"值不值得雕"?四挑战清单详解 Luban(luban skill)是一款面向 AI Agent 的 Skill 打磨工
为什么你的Agent Skill发到GitHub没人装?鲁班luban-skill打磨工坊完全指南
为什么你的Agent Skill发到GitHub没人装?鲁班luban skill打磨工坊完全指南 Agent Skill 写得很顺手,发到 GitHub 却没
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考