社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Git

7个阶段人工卡点,GitHub 发布 Agent Skill 复用指南

AI资讯每日更新 • 2 小时前 • 4 次点击  

让 Agent 自己检查代码?这在生产环境行不通。GitHub 给出了带 7 个人工卡点的 Agent Skill 解法。

这套规范把重复性指令从聊天记录里抽离出来,变成版本化的目录结构。对一线部署团队来说,这意味着你今晚写的验证逻辑,明天就能直接塞进整个团队的数据管道里,不用每个人都在 prompt 里重新解释一遍业务规则。

核心看点

  • Agent Skill 以 SKILL.md 为核心,定义可重复任务,环境提供工具和权限。
  • Proof Agent 引入独立验证器,打破自我验证,返回 PASS/FAIL/PARTIAL 并附带证据。
  • Data Forge 示例展示 7 个阶段的人工卡点,通过 manifest 隔离项目配置与团队标准。

▎拆解 Agent Skill 的底层逻辑

Agent Skill 本质上是一个版本化的目录,核心是描述何时以及如何执行可重复任务的 SKILL.md 文件。它负责说明怎么查询数据库,但不会直接授予数据库访问权限。环境依然需要提供工具、凭据和权限。在 Proof Agent 的设计中,核心规则非常明确:自我验证不是验证。如果同一个 Agent 既生成代码又评估自己的工作,它的解释会直接影响审查结果。因此,Proof Agent 使用独立的验证器来检查变更,并提供发现结果的证据。验证器会返回 PASS、FAIL 或 PARTIAL,且必须在变更文件中引用证据。

在 Data Forge 的 support-desk 管道示例中,这种设计被放大到了整个工作流。forge-init 负责发现源表和命名约定并写入 manifest,forge-builder 协调从 issue 到 pull request 的工作,forge-dbx 查询数据平台,forge-lint 应用团队标准。每个 Skill 都有明确的责任,它们共享项目上下文,而不是独立重新发现上下文。

这里需要明确一个决策框架:什么时候该用 Skill,什么时候该写传统 Application?如果工作流需要稳定的接口、共享状态、审计追踪、长时间控制或模型外强制的权限,Application 是更好的选择。Skill 适合有界、可重复、受益于可复用判断的工作,比如检查清单、发布、迁移或指标管道。如果你在做需要强事务一致性的金融数据对账,老老实实写 Application 走微服务;如果是做代码规范检查、文档生成、数据清洗这种经验驱动的任务,用 Skill 把 prompt 和上下文固化下来,ROI 最高。

▎多客户端兼容与打包参数

支持多个客户端意味着要保持多份相同指令的同步。在 Data Forge 示例中,团队将 skills/*/SKILL.md 作为源文件,使用打包脚本生成特定于客户端的文件。具体路径映射如下:

Claude Code: .claude-plugin/plugin.json
Cursor: .cursor-plugin/plugin.json
GitHub Copilot: .github/agents/*.agent.md
CI 检查模式: node scripts/package.mjs --check

跨客户端打包看似美好,但坑在环境差异。原文指出,manifest 可以选择 DuckDB 作为本地演示引擎,但它不能安装 DuckDB CLI 或授予数据库访问权限。这里的失败条件很明确:Skill 只管指令,不管基建。如果你把数据库连接字符串硬编码在 SKILL.md 里,换个环境直接报错。必须严格遵循 manifest 选引擎、host 提供访问的原则。另外,不同客户端的模型能力、工具调用支持度不同,打包后必须在 CI 里跑 --check,否则在 Cursor 里跑通的逻辑,切到 Claude Code 可能会因为工具链缺失直接卡死。

▎实操资源与落地路径

以下是原文提供的所有实操资源与代码仓库链接,建议直接 clone 下来对照 manifest 结构进行本地调试:

GitHub Universe 2026 会话目录:
https://reg.githubuniverse.com/flow/github/universe26/attendee-portal/page/sessioncatalog?search=BLD1787B

Proof Agent 演示目录:
https://github.com/githubevents/build-once-run-on-any-agent/tree/main/demos/proof-agent

Proof Agent SKILL.md 定义:
https://github.com/githubevents/build-once-run-on-any-agent/blob/main/demos/proof-agent/SKILL.md

Data Forge 演示目录:
https://github.com/githubevents/build-once-run-on-any-agent/tree/main/demos/dataforge

Support-desk 管道 DEMO 说明:
https://github.com/githubevents/build-once-run-on-any-agent/blob/main/demos/dataforge/examples/support-desk/DEMO.md

Data Forge manifest 配置示例:
https://github.com/githubevents/build-once-run-on-any-agent/blob/main/demos/dataforge/examples/support-desk/dataforge.manifest.yaml

Data Forge Skills 详细说明:
https://github.com/githubevents/build-once-run-on-any-agent/blob/main/demos/dataforge/README.md#the-skills

把业务上下文塞进一个 manifest 文件,让 Skill 去读取,这是防止 prompt 膨胀的有效手段。但在实际落地时,最容易踩的坑是把发现的代码模式直接当成团队标准。原文特别强调,仓库里现有的模式不等于必须保留的规则。在 forge-init 发现细节后,必须让人类去确认或修改,再交给 forge-lint 执行。别指望 Agent 能自动分辨什么是历史包袱,什么是最佳实践。把判断权留在人类手里,用 CI 检查去兜底,才是这套机制能长期跑下去的前提。


点个赞再走?
你主力用哪个 Agent 框架?最坑的上下文丢失是哪次?

本文依据以下公开报道整理:
来源:GitHub Blog
原文链接:https://github.blog/ai-and-ml/github-copilot/build-once-run-on-any-agent-a-practical-guide-to-agent-skills/

往期推荐

  • ·Claude Duet 早 7 点催稿翻车,全量 Agent 缺常识
  • ·百亿收购 Hugging Face 悬了,Nvidia 开源战略生变
  • ·单节点 630 吞吐,17B 激活参数模型重写部署门槛

点击公众号头像 → 历史消息,可翻阅以上文章

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/203512