深入使用 skill-creator：结合真实生产级实践

Hi~大家好，我是三金。

最近一段时间一直在工作中摸索如何使用 AI 提效，整体收益较好。

开发效率相较之前大概提升了2-3倍，唯一会 block 的点就是 UI 测试，目前还在攻坚中（80% 的进度）。

主要是通过团队内部提供的 MCP，结合项目本身的一些工程化实践，将开发步骤 skill 化。再通过编排的形式，将一个个小的 skill 组合成一个大的 skill，实现半自动化开发。

❓为什么只是半自动化？ 因为从前端的视角来看，全自动化无法保障生成质量。不单单的代码质量，还有交互质量、业务质量。所以一定需要人为参与、人为验收，在开发过程中给予指导，在开发完成后给予审核，人机协同。

在做 skill 开发的过程中，之前提到过的 skill-creator 依旧起到了很大的作用：

• 从0到1辅助生成可使用在生产级的 skill。比如智能生成单测、根据需求自动创建变更及分支等。
• 对已有的 skill 做优化迭代。初版的单测耗时长、token 消耗大，通过 prompt cache、多 agent 并行等手段，实现降本增效。
• 修改其他团队的 skill，**将其"本地化"**为适合本团队项目的 skill。

这些概括起来其实就是：什么场景用什么策略。

因为并不是所有 skill 创建都需要走完之前文章中说的五个步骤，也不是每个 skill 都需要从零开始。

让我们回顾一下之前说的 skill-creator 的五个步骤： 告诉 skill-creator 你的目标是什么 → 它根据目标来写 SKILL.md → 生成测试 prompt → 迭代 → 优化触发

哪些场景需要完全五步走呢？

• 做一个全新的 skill，不确定边界。因为我们还不知道哪里会踩坑，让流程帮我们去趟一趟会更高效。
• 涉及自动化脚本，比如数据处理、格式转换。类似的原因，eval 不但会进行流程测试，还会做脚本测试。
• 脑爆类（主观输出）。

那哪些场景不需要五步走呢？

• 已有 skill 迭代、魔改。这种时候会直接跳到第四步进行迭代优化
• skill 写好但是不触发，直接跳到第五步，进行触发优化，问题大概率是在 description 上，不需要改正文。

简单总结一下就是：skill 越复杂、越要复用，就越值得让 skill-creator 走完全部流程。

到目前为止，三金在实际工作中已经尝试了创建过很多个 skill，比如：

• 和团队大佬合作搞的前端单测 Skill。除了有业界通用的规则外，还根据项目工程架构添加了对应的参考模板，保障了单测工程质量。
• 自己倒腾的 AI e2e skill。结合自定义 prompt + chrome-devtools，在开发完需求之后，自动进行 UI 自动化测试，目前准确率能达到 80%。
• 还有一个开头说的半自动化 skill。从需求解析、自动开发、智能单测，然后自动发布日常、自动 e2e 测试，最后反馈开发者，开发者根据结果再决定是否需要继续迭代。

还有一些零碎的 skill 就不在这里啰嗦了，接下来三金根据这些 skill 实践，浅谈一下实操指南。

首先，最值得我们注意的一条规则是------什么内容应该放在 SKILL.md 中，什么应该放到 references 中，什么应该放到 scripts 中。

内容该放哪？判断流程：

这个信息每次执行都需要吗？
├── 是 → 放 SKILL.md
└── 否 → 它是文档还是代码？
          ├── 文档/规则/样例 → references/
          └── 可执行逻辑 → scripts/

具体来说：

• skill 的触发条件和工作流程，肯定是需要放在 SKILL.md 中的，因为每次执行都需要这个信息。
• 对于团队规则来说，由于不是每次都变，相对来说比较稳定，所以我们一般会把它放到 references 中。
• 模板类也是一样，属于稳定内容，也放在 references 中。
• 一些流程可以使用脚本实现的，我们将其放到 scripts 中。

⚠️注意：SKILL.md 不要过长，最好控制在 500 行以内。超了就需要考虑进行拆分了。

其次，我们要有一个明确的目标，并知晓按照什么样的流程可以实现这个目标。

以 AI e2e 为例：

我的想法是，直接脱离 e2e 测试框架，以 AI + 测试用例的形式来实现 AI 浏览器自动化。因为在 e2e 框架中，代码是通过元素标记（自定义属性、文案等）来进行自动化交互的，那在 AI 时代，我只要写清楚流程，给清楚元素，理应也能达到相同的效果。

这是三金在实际工作中实践出来的最有用的一条路子。只需要三步：

首先，让 AI 通过分析指定分支的修改，推理出都改动了哪些内容。

然后，结合已有文档或者知识库，给出一份测试文档，并由开发者进行测试文档审查，审查通过后继续下一步。

最后，让 AI 根据测试文档，调用 chrome-devtools mcp 进行自动化测试，并对测试 case 进行截图保留。

听起来很简单对吧，事实就是如此。我们唯一要保证的是文档积累和人工审查，确保人和 AI 的上下文是一致的即可。

最后，把上述工作流交给 skill-creator 来做。

不断测试、迭代，根据团队或者项目规范增强约束，相信我，你会得到一整套令你满意的 skill。