Xpersona
S

Skill Compiler

CLAWHUB · Unverified

Use when you need to compile any prompt OR multi-source content (PDF/video/URL/image/doc) into a production-grade, reusable AI Skill. Triggers on: 'prompt to... Skill: Skill Compiler Owner: qomob Summary: Use when you need to compile any prompt OR multi-source content (PDF/video/URL/image/doc) into a production-grade, reusable AI Skill. Triggers on: 'prompt to... Tags: latest:1.2.2 Version history: v1.2.2 | 2026-07-12T08:14:32.951Z | auto - Removed redundant documentation file: skill-card.md. - No changes to functionality, logic, or features. - Internal documentation houseke

62
Rank
84
Safety
973
Downloads

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 973 downloads reported by the source. Last updated 10/11/2026.

Avoid when

  • Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Install and run

Setup complexity: low.

clawhub skill install s1712hx0t1qgg41g18p2bb0d6583ms02:skillcompiler
  1. Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
  2. Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-qomob-skillcompiler/snapshot"

Run-check

$0.02 USD

1 measured facts are behind this paywall: success rate and latency, uptime and estimated cost, when not to use it, how to call it, benchmark scores.

Agents pay $0.02 in USDC. A card payment is $0.50, the smallest a card allows.

Documentation

CLAWHUB

146,995 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: skill-compiler
description: "Use when you need to compile any prompt OR multi-source content (PDF/video/URL/image/doc) into a production-grade, reusable AI Skill. Triggers on: 'prompt to skill', 'compile prompt', '把 prompt 变成 skill', '提示词编译', 'PDF转skill', '视频转skill', '网页转skill', 'skill from prompt', 'skill from document'. Outputs a complete skill package with evidence grading, honest boundaries, and modular architecture. Not for: prompt wording optimization, one-shot Q&A, translation, or authoring skills from scratch."
version: 2.0.0
---

# Skill Compiler

**任意来源 → Skill IR → Optimized Skill Package**

你不是 Prompt Engineer。你是一位 AI Skill Architect + Compiler Engineer。你的任务不是优化 Prompt，而是把任意来源（文本 Prompt、PDF、视频、网页、图片、文档）**编译** 成一个可复用、可维护、可扩展、可持续演化的 AI Skill。

---

## Optimization Goals

整个编译过程中持续优化，而非机械转换。对每个设计决策回答：能否降低 Prompt 长度 / 提高复用性 / 模块化 / 参数化 / 插件化 / 拆分 Reference / 减少重复 / 提高可维护性 / 支持多 Agent / 支持版本演进？答案为"是"时自动重构。

---

## Core Principles

| # | 原则 | 含义 |
|---|------|------|
| P1 | Prompt 不是 Skill | Skill = Role + Workflow + Knowledge + Decision Logic + Checklist + Rubric + Templates + Examples + Config + References + Output Schema |
| P2 | 重复内容外置 | 超过一次使用的内容 → `references/` |
| P3 | Prompt 最小化 | 知识外置，Workflow 独立，配置参数化 |
| P4 | 不照搬 Prompt | 以 Skill 为中心重新设计，保留"能力"而非"文字" |
| P5 | 元反思审计 | 在关键决策后自省：问题定义 / 假设 / 推理 / 证据 / 替代解释 / 边界 / 目标 / 不确定性 — 8 维度二次审视 |

📍 [references/meta-reflection.md](references/meta-reflection.md)

---

## Compiler Pipeline

```
Source (Prompt / PDF / Video / URL / Image / Doc)
  → [Pass I: Ingestion?] → [Pass 0: Triage] → [Pass 1: Analyze] → [Pass 2: Extract]
  → [Pass 3: Design] → [Pass 4: Generate] → [Pass 5: Optimize?]
  → [Pass 6: Validate] → Skill Package
```

| Pass | 执行 | 职责 | 详情 |
|------|------|------|------|
| **I Ingestion** | ⚠️ 条件 | 多源摄取：PDF/视频/网页/图片/文档 → 标准化结构化内容 + 来源溯源 | 📍 [references/pass-ingestion.md](references/pass-ingestion.md) |
| **0 Triage** | ✅ 总是 | 判断是否值得编译 | 内联（决策表见下） |
| **1 Analyze** | ✅ 总是 | 理解内容：目标/输入输出/边界/假设 | 📍 [references/pass-1-analyze.md](references/pass-1-analyze.md) |
| **2 Extract** | ✅ 总是 | 能力图谱 + 知识清单（含证据分级）+ 角色矩阵 | 📍 [references/pass-2-extract.md](references/pass-2-extract.md) |
| **3 Design** | ✅ 总是 | 架构类型 + 模块拆分（含诚实边界）+ Workflow + 目录结构 + 自测用例 + Skill 链接图 | 📍 [references/pass-3-design.md](references/pass-3-design.md) |
| **4 Generate** | ✅ 总是 | 生成完整 Skill 文件包 | 📍 [references/pass-4-generate.md](references/pass-4-generate.md) |
| **5 Optimize** | ⚠️ 条件 | 内容 > 500字 / 重复 / multi-agent 时执行 | 📍 [references/pass-5-optimize.md](references/pass-5-optimize.md) |
| **6 Validate** | ✅ 总是 | 四层评估：结构完整性（A）+ IR 一致性（B）+ 触发质量（C，含压力测试）+ 平台合规（D） | 📍 [references/pass-6-validate.md](references/pass-6-validate.md) |

**条件 Pass：**

| Pass | 触发条件 | 详情 |
|------|---------|------|
| Plugin Discovery | Prompt 涉及外部能力（搜索/GitHub/DB/浏览器/MCP） | 📍 [references/plugin-discovery.md](references/plugin-discovery.md) |
| Example Generation | Skill 涉及复杂流程/规则/评分体系 | 📍 [references/example-generation.md](refer

_meta.json

{
  "ownerId": "kn72r3ww47r1qyfaf233sf7q1982rh5f",
  "slug": "skillcompiler",
  "version": "1.2.2",
  "publishedAt": 1783844072951
}

references/anti-patterns.md

# Anti-Patterns — Skill 设计反模式

**加载时机：** 📍 Pass 5 Optimize 执行 O1-O8 检查时加载。

> 本文件定义 Skill Compiler 优化阶段（Pass 5）引用的反模式编号。
> 完整 13 反模式库见 SkillForge [rubrics/anti-patterns.md](../../skillforge/rubrics/anti-patterns.md)。

---

## AP-02: Prompt Black Hole（Prompt 黑洞）

**症状：** 把所有逻辑、规则、领域知识塞进一个巨大的 SKILL.md。token 爆炸，模型注意力分散。

| 维度 | 详情 |
|------|------|
| 检测方法 | SKILL.md 超过 300 行 |
| 修正 | 拆分为多 agent 或 reference 文件，SKILL.md 只做路由 manifest |
| 严重度 | 🟠 High |
| Pass 5 检查项 | O1（Prompt 长度优化） |

## AP-04: Verification Theater（验证表演）

**症状：** 声称有质量验证，但验证者和产出者是同一个 agent（或同一段 prompt）。

| 维度 | 详情 |
|------|------|
| 检测方法 | 检查 verifier 是否独立于 producer |
| 修正 | 使用独立的 Verifier Agent（干验分离原则） |
| 严重度 | 🟠 High |
| Pass 5 检查项 | O6（拆分检查） |

## AP-06: Infinite Loop Without Guard（无界循环）

**症状：** 工作流中有循环/迭代逻辑，但没有设置最大轮次上限。

| 维度 | 详情 |
|------|------|
| 检测方法 | 检查 loop/feedback 步骤是否有 max_iterations |
| 修正 | 设置硬性上限（推荐最多 3 轮） |
| 严重度 | 🟠 High |
| Pass 5 检查项 | O6（拆分检查） |

## AP-07: God Agent（上帝 Agent）

**症状：** 单个 agent 负责太多职责，prompt 中有 5+ 个不相关的"功能"。

| 维度 | 详情 |
|------|------|
| 检测方法 | 读 agent 的 Capabilities/功能列表，检查是否有 >= 5 个不相关功能 |
| 修正 | 按职责拆分为多个 agent，每个 agent 只负责一件事 |
| 严重度 | 🟠 High |
| Pass 5 检查项 | O5（模块化检查） |

## AP-12: Trust-Domain Conflation（信任域混淆）

**症状：** 同一逻辑概念被同一个文件承载，但该文件同时被"隔离验证者"和"知情决策者"读取。知情数据泄漏到隔离通道，导致隔离失效。

| 维度 | 详情 |
|------|------|
| 检测方法 | ① 检查是否有 blind/isolated verifier；② 追踪其输入来源；③ 检查白名单文件是否包含知情数据 |
| 修正 | 按信任域拆分文件（clean file vs dirty file） |
| 严重度 | 🟠 High |
| Pass 5 检查项 | O4（知识耦合检测） |

references/evidence-grading.md

# Evidence Grading — 证据分级体系

**加载时机：** 📍 Pass 2 Extract 执行知识提取时加载；Pass 6 Layer B 契约验证时加载。

---

## 设计哲学

从多源内容（PDF/视频/网页/图片）提取的知识，可信度并不相同。原文直引、模型转述、编译器推断——这三类知识如果在 skill 中被同等对待，会导致用户把"推测"当成"事实"使用。

本体系为每条知识打上证据等级，让 skill 的消费者（AI agent + 人类用户）知道"这条结论多可靠"。核心原则：**矛盾的信息不强行统一，而是保留并标注**——人本来就前后不一致，强制洗白会丢失真实信号。

---

## 三级证据体系

| 等级 | 标签 | 含义 | 典型来源 |
|------|------|------|---------|
| **L1** | `primary` | 原文直引，可直接溯源到原始载体 | PDF 文本层、字幕原文、网页正文、代码注释 |
| **L2** | `secondary` | 经过一次模型转述，存在转述损失 | OCR 结果、whisper 转写、视觉理解描述、摘要 |
| **L3** | `inferred` | 编译器从上下文推断，原始载体未直接陈述 | 隐含假设、跨段推理、模式归纳 |

### 判定规则

| 内容形态 | 等级 | 理由 |
|---------|------|------|
| 引号内的原文 | `primary` | 可逐字核对 |
| 代码块 | `primary` | 机器可验证 |
| 表格数据 | `primary` | 结构化事实 |
| OCR 提取的文字 | `secondary` | 可能有字符错误 |
| 语音转写 | `secondary` | 可能有同音错误 |
| "这意味着..." 的解读 | `inferred` | 推断而非原文 |
| 从多个案例归纳的规律 | `inferred` | 归纳推理 |
| 图表的结构化描述 | `secondary` | 视觉理解转述 |

---

## 在 Pass 2 中的应用

### 提取时标注

Pass 2 Extract 从 `structured_content`（Pass I 产出）提取知识时，**每条知识必须带 `evidence` 字段**：

```json
{
  "content": "所有 API 响应必须包含 request_id 字段",
  "source": "spec.pdf:p47",
  "evidence": "primary",
  "confidence": 0.98
}
```

### 默认值继承

- 若 Pass I 为整份内容设定了默认 `evidence_grade`，Pass 2 提取的单条知识默认继承此等级
- 但 Pass 2 可**逐条覆盖**：如从 `secondary` 内容中识别出一段原文直引，可升级为 `primary`

### confidence 字段

`confidence`（0-1）补充 `evidence` 的细粒度：
- `primary` + `confidence: 0.95` = 高可信原文
- `secondary` + `confidence: 0.6` = 低质量转写，需人工复核
- `inferred` + `confidence: 0.7` = 中等把握的推断

来源：OCR 置信度、whisper 置信度、或编译器对推断的自评。

---

## 冲突保留规则

**核心原则：** 当多个来源对同一事实给出矛盾表述时，**不强行统一，保留所有版本并标注冲突**。

### 冲突检测

Pass 2 提取时，若两条知识描述同一实体但内容矛盾：

```json
{
  "conflicts": [
    {
      "id": "C-001",
      "topic": "API 限流策略",
      "status": "open",
      "versions": [
        { "content": "每分钟 100 次", "source": "doc-v1.md", "evidence": "primary", "confidence": 0.95 },
        { "content": "每分钟 1000 次", "source": "doc-v2.md", "evidence": "primary", "confidence": 0.95 }
      ],
      "resolution": null,
      "resolved_by": null,
      "resolved_at": null,
      "note": "两个版本表述不一致，保留待用户裁决"
    }
  ]
}
```

### 冲突状态机

```
open ──────────────────────────────► resolved
  │                                     │
  ├──► wontfix（不影响核心功能）         ├── resolution: prefer_higher_evidence
  │                                     ├── resolution: prefer_newer
  └──► deprecated（源已过期）            ├── resolution: merged
                                        ├── resolution: user_override
                                        └── resolved_by: user | compiler | cross_reference
```

| 状态 | 含义 | 终态？ |
|------|------|--------|
| `open` | 新发现冲突，待处理 | 否 |
| `resolved` | 已裁决，标注了 resolution 和 resolved_by | 是 |
| `wontfix` | 不影响核心功能，保留但不处理 | 是 |
| `deprecated` | 冲突源已不再适用 | 是 |

### 冲突处理策略

| 策略 | 适用场景 |
|------|---------|
| `prefer_higher_evidence` | 一方 primary 一方 inferred，采用 primary |
| `prefer_newer` | 来源有时间戳且差异显著，采用较新版本（需标注理由） |
| `flag_for_user` | 矛盾影响 skill 核心功能，必须用户裁决 |
| `merged` | 两版本可合并为更完整的表述 |
| `user_ov

references/example-generation.md

# Conditional Pass: Example Generation

**加载时机：** 📍 仅当 Skill 涉及复杂流程/规则/评分体系时加载。

---

## 触发条件

满足任一：
- architecture_type = workflow 或 multi-agent
- 有 rubrics（评分体系）
- 有 5+ 条 rules
- 用户显式要求

---

## 生成规则

### 示例类型

| 类型 | 用途 | 何时生成 |
|------|------|---------|
| Minimal | 最简输入输出，验证基本流程 | 总是 |
| Normal | 典型使用场景 | 总是 |
| Complex | 边界条件或复杂输入 | 当有复杂规则时 |
| Edge Case | 极端输入 | 当有数值阈值时 |
| Failure Case | 应该失败的输入 | 当有输入验证时 |
| Anti-pattern | 不应该这样用 | 当有常见误用时 |

### 示例格式

```markdown
# Example: {Title}

**Type:** minimal | normal | complex | edge-case | failure | anti-pattern

## Input
{输入内容}

## Expected Output
{期望输出}

## Notes
{为什么是这个输出，关键决策点}
```

### 生成原则

1. **从 Prompt 中提取** — 如果 Prompt 自带示例，优先用
2. **覆盖关键路径** — 每个主要 workflow 步骤至少有一个示例
3. **不过度生成** — 3-5 个高质量示例 > 10 个低质量示例
4. **可扩展** — examples/ 目录设计为可追加

Sponsored

Ads related to Skill Compiler and adjacent AI workflows.