基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

背景 用 AI 写代码一段时间后，我发现一个很反直觉的问题：我们其实已经有一些“最佳实践”，但它们无法复用： A 项目调教好的 AI，在 B 项目完全失忆 规则散落在 prompt / 文档 / IDE 配置中，无法版本化 每次新项目，都在重复“驯化 AI” 既然代码可以用 Git 管理、用 NPM 分发，为什么 AI 规范还停留在“复制粘贴”？ 本质问题是： 我一直把规则当“文本”，而不是“代码”。 把规则当代码看 如果把 AI 规则当作代码，它应该具备三个能力： 可组合（Composable） → 不同规则可以拆分、复用 可分发（Distributable） → 像 npm 包一样安装 可演进（Versioned） → 有版本、有变更记录 否则它就不是工程资产，而只是碎片化经验沉淀。一个规范，如果不能被 install，那它本质上只是不成体系的经验。 Skill 的最小抽象模型 那问题来了： 一个“可安装的 AI 规范”，在工程上到底长什么样？ 最小结构其实非常简单： my-skill/ ├── SKILL.md ├── rules/ ├── package .json 但真正的关键不是结构，而是它解决的问题。…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。