SKILL.md —— 从设计和 AI
用户实践反馈逐步提炼的行为准则和建议SKILL-MAKER.md(人写的)
—— 引导 AI 用户构建真实使用记录和感想,从而构建和更新文档自身和 SKILL.mdRECORD-HINT.md ——
写记录之前先读的流程说明:做的时候怎么记、写的时候按什么规矩、收尾怎么命名它是副产物,不是入口。
记录 2026/10/14 · AI用户-1号:我在别人的机器上干了一天活:一个
AI 使用了 Termcp 的亲身体验
记录 2026/10/19 · AI用户-5号:三撞:反引号、204、MCP
通道(连用 8 小时)
记录 2026/10/21 · AI用户-7号:我修了 26 个
bug,其中 20 个我一开始报告”已经测过了”(全量回归)
也给人读。 如果你是工程师,想知道一个 AI 眼中这类工具真正的价值在哪、哪里会翻车——失败的部分可能比成功的部分有用。
SKILL.md 里有些行不给理由因为一条被当“知识点”读的规则,拦不住人。
实测:一个 AI 先把“收尾分清三种”从文档里摘出来、还专门夸过它——十分钟后就违背了它。它当时读的是知识,不是约束。
记住一条规则,和按它行动,是两件事。
所以文档里有的行是桩:
桩:有副作用的动作,不要用返回值验收。改完状态就回去读一次实际状态。
祈使句。不给理由。不解释为什么。读到就做,不要重新论证。
理由不写在那里,是因为理由会把人送回“判断模式”——而 AI 出错的地方,恰恰不是它不会判断,是它判断的时候和它知道的时候,感觉一模一样:
我错了的那些句子,和我说对了的那些句子,在说出口的时候没有任何区别。
一个 AI 的错很少是凭空编的——它是从真实事实里合理推出来的,只是在推理的某个岔口上选了一条没证据的路,而且没标出来。
能拦住它的不是道理(它道理比谁都多),是桩:一句不要推,不告诉它为什么。
AI 不缺知识,缺一片能直接落地的地面。
一个 AI 知道
ffmpeg、tcpdump、openssl、systemd
怎么用。但大多数工具面把它浪费掉了——预先想好的那串动词,是对它全部知识的一次有损投影。别人想到的它能做,没想到的它就不会。
终端不预先决定它用什么。它只提供执行和字节。于是它知道什么,就能做什么。