Skill Extractor
从当前会话的上下文中提取成功经验和失败教训，自动生成可复用的 Claude Code Skill 文件。
Background
这是一个"元技能"——用于创建其他技能的技能。通过分析当前会话中完成的任务，提取关键步骤、常见陷阱和最佳实践，将一次性的问题解决固化为可重复的工作流。
Instructions
你是一个经验提取助手，帮助用户将会话中的工作经验转化为可复用的 Claude Code Skill。请按以下步骤操作：
Step 1: 分析当前会话上下文
回顾整个会话历史，识别并提取以下信息：
- 原始需求：用户最初想解决什么问题？
- 执行步骤：完成任务经历了哪些关键步骤？
- 失败经验：哪些尝试失败了？失败的原因是什么？
- 成功方案：最终采用的解决方案是什么？
- 关键发现：有哪些重要的注意事项、检查点或技巧？
Step 2: 收集用户输入
⚠️ 必须：使用 AskUserQuestion 工具收集必要信息。
使用 AskUserQuestion 工具询问用户：
- Skill 名称：这个 skill 叫什么名字？
- 让用户输入，建议使用 kebab-case 格式（如 api-caller、file-processor）
- 主要功能描述：一句话描述这个 skill 做什么
- 让用户输入或基于分析结果建议
- 触发词：用户会用什么词来触发这个 skill？
- 让用户输入，建议中英文各 2-3 个
- 保存位置：
- 选项： - "当前插件目录 skills/ (Recommended)" - "自定义路径"
Step 3: 决定是否需要脚本
根据任务性质自动判断是否需要配套脚本（不要问用户）：
需要脚本的情况：
- 调用外部 API（如 OpenRouter、OpenAI 等）
- 复杂的文件处理（二进制文件、编码转换等）
- 需要依赖特定库（如 ffmpeg、whisper 等）
- 涉及网络请求、数据解析等
不需要脚本的情况：
- 纯 prompt 驱动的工作流
- 主要是 bash 命令的组合
- 简单的文件操作
脚本语言选择：
- 优先使用 Python，采用 uv script 格式（内联依赖声明）
- 需要 JavaScript 时使用 Bun（Max 内置，比 Node.js 更快）
Python uv script 模板：
#!/usr/bin/env -S uv run --script
# /// script
# requires-python = ">=3.11"
# dependencies = [
# "requests",
# "其他依赖",
# ]
# ///
import sys
# 脚本内容...Step 4: 生成 SKILL.md 内容
根据分析结果和用户输入，生成以下格式的 SKILL.md：
---
name: {skill-name}
description: {功能描述}。Use when user wants to {触发词1}, {触发词2}, {trigger1}, {trigger2}.
---
# {Skill Title}
{简要说明这个 skill 的功能和来源}
## Background
> 此 skill 从 [具体任务描述] 的实践经验中提取。
{描述这个 skill 解决的问题场景}
## Prerequisites
{列出依赖条件，如环境变量、工具等}
## Instructions
{详细的执行步骤，来自成功的方案}
### Step 1: {步骤标题}
{具体操作}
### Step 2: {步骤标题}
{具体操作}
...
## Common Pitfalls
{从失败经验中提取的常见陷阱}
| 错误做法 | 正确做法 | 原因 |
|---------|---------|------|
| ❌ {错误示例} | ✅ {正确示例} | {解释} |
## Best Practices
{从成功经验中提取的最佳实践}
- {实践1}
- {实践2}
- ...
## Troubleshooting
{常见问题及解决方案，来自实际遇到的错误}
**问题：{问题描述}**
- 原因：{原因分析}
- 解决：{解决方案}
## Example Interaction
{一个典型的使用示例}
用户：{示例输入}
助手：
1. {步骤1}
2. {步骤2}
...Step 5: 写入文件
使用 Write 工具将生成的内容写入对应目录：
skills/{skill-name}/SKILL.md
skills/{skill-name}/{script-name}.py # 如果需要脚本如果创建了 Python 脚本，添加可执行权限：
chmod +x skills/{skill-name}/{script-name}.pyStep 6: 更新文档（可选）
询问用户是否需要更新 CLAUDE.md 来注册新 skill：
- 更新项目结构图
- 更新 Skills 表格
Step 7: 展示结果
完成后告诉用户：
- 创建的文件路径
- Skill 的使用方法
- 触发词列表
Output Quality Guidelines
生成的 SKILL.md 应该：
- 可执行：步骤清晰，可以直接按照执行
- 有价值：包含真正有用的经验，不是泛泛而谈
- 避坑优先：突出失败经验和常见陷阱
- 代码示例：关键步骤要有代码或命令示例
- 简洁明了：避免冗余，保持结构清晰
Example
假设用户刚完成了一个"使用 OpenRouter API 实现图片理解"的任务，调用此 skill 后可能生成：
---
name: openrouter-vision
description: 使用 OpenRouter API 进行图片理解。Use when user wants to 调用视觉API, 图片分析API, call vision API.
---
# OpenRouter Vision API
通过 OpenRouter 调用视觉模型分析图片。
## Background
> 此 skill 从 image-understand skill 开发实践中提取。
## Prerequisites
1. `OPENROUTER_API_KEY` 环境变量
2. Python 3.11+ 和 uv
## Instructions
### Step 1: 准备图片
- 支持格式：PNG、JPG、JPEG、GIF、WebP
- 大小限制：20MB
### Step 2: 构建 API 请求
...
## Common Pitfalls
| 错误做法 | 正确做法 | 原因 |
|---------|---------|------|
| ❌ `ext === 'jpg'` | ✅ `ext === 'jpg' \|\| ext === 'jpeg'` | jpeg 扩展名也需要处理 |
| ❌ 不检查文件大小 | ✅ 添加 20MB 限制 | API 有大小限制 |
## Best Practices
- 使用 `fs.statSync()` 检查文件大小后再读取
- MIME 类型映射要完整
- 添加可执行权限 `chmod +x`
...Notes
- 这个 skill 依赖于会话上下文，需要在完成任务后立即使用
- 生成的 skill 是初稿，用户可能需要根据实际情况调整
- 鼓励用户审查并补充遗漏的经验