Skill Forge
一个为 AI agent 构建结构化技能文件（SKILL.md）的开源管道工具，通过需求访谈、受控生成和机械审计产出指令文档，告诉 agent 何时触发、做什么、永远不做什么
时间轴 (近 90 天)
Skill Forge 是一个为 AI agent 构建技能文件（SKILL.md）的管道，通过需求访谈、受控生成和机械审计产出结构化指令文档，属于 wallaby-agent-rules 仓库，采用 MIT + Commons Clause 许可。
在触发召回率上，一次性生成以 98.3%（118/120）击败结构化管道 91.7%（110/120），95% Wilson 区间重叠。
在第三轮路由测试中，使用弱模型 DeepSeek V4.1-Flash，480 次路由判断，管道组所有失误均表现为模型拒绝触发而非选错技能；移除 description 中的边界否定从句后，此类失误从 10 次降至 0。
在第四轮实验中，陷阱问题导致差距从第三轮的 6.6 个百分点缩小到 2.7 个百分点，失败模式变为模型选错近邻技能而非拒绝触发。
手工调优的冠军版本技能包含一条路由判决行，直接点明混淆场景，而没有任何生成器见过其近邻，因此写不出该判决行。
机械审计能抓住即兴组编造从未发生的坑、引用不存在的价格；管道组在所有生成文件中没有红旗或虚构细节。
将失败记录指令从脚注移入编号任务步骤后，弱模型的反馈记录得分从 0.00 升至 1.80（满分 2），二十次执行、两个模型均未在脚注版本中触发该指令。
同一个脚手架把弱模型的执行品质从 0.88 提升到 2.0（四个评分维度），却把强模型推向过度谨慎的关闭（四维度全降）。
技能文件大小按字节计算硬预算：6KB 以下八次运行零烧穿，6–9KB 约 25% 空响应，9KB 以上约 50%；一个自然膨胀到 9.2KB 的技能文件让弱模型连续六次返回空响应。
Skill Forge 不制造能力均等的模型，而是让品质要求在不同模型间保持一致，重心从创作移到生命周期（健康检查、失败账本、受控修订）。
还有 2 条时间轴事件
全部知识事实 (12)
Skill Forge 是一个为 AI agent 构建技能文件（SKILL.md）的管道，通过需求访谈、受控生成和机械审计产出结构化指令文档，属于 wallaby-agent-rules 仓库，采用 MIT + Commons Clause 许可。
50%待验证在触发召回率上，一次性生成以 98.3%（118/120）击败结构化管道 91.7%（110/120），95% Wilson 区间重叠。
50%待验证在第三轮路由测试中，使用弱模型 DeepSeek V4.1-Flash，480 次路由判断，管道组所有失误均表现为模型拒绝触发而非选错技能；移除 description 中的边界否定从句后，此类失误从 10 次降至 0。
50%待验证在第四轮实验中，陷阱问题导致差距从第三轮的 6.6 个百分点缩小到 2.7 个百分点，失败模式变为模型选错近邻技能而非拒绝触发。
50%待验证手工调优的冠军版本技能包含一条路由判决行，直接点明混淆场景，而没有任何生成器见过其近邻，因此写不出该判决行。
50%待验证机械审计能抓住即兴组编造从未发生的坑、引用不存在的价格；管道组在所有生成文件中没有红旗或虚构细节。
50%待验证将失败记录指令从脚注移入编号任务步骤后，弱模型的反馈记录得分从 0.00 升至 1.80（满分 2），二十次执行、两个模型均未在脚注版本中触发该指令。
50%待验证同一个脚手架把弱模型的执行品质从 0.88 提升到 2.0（四个评分维度），却把强模型推向过度谨慎的关闭（四维度全降）。
50%待验证技能文件大小按字节计算硬预算：6KB 以下八次运行零烧穿，6–9KB 约 25% 空响应，9KB 以上约 50%；一个自然膨胀到 9.2KB 的技能文件让弱模型连续六次返回空响应。
50%待验证Skill Forge 不制造能力均等的模型，而是让品质要求在不同模型间保持一致，重心从创作移到生命周期（健康检查、失败账本、受控修订）。
50%待验证Skill Forge 实践上包含三部分：推导协议（访谈骨架提取需求，高风险清单强制显式确认）、带出生证明的生成规范（触发测试对作为回归基线）、维护循环（失败账本、七项健康检查、逐句四判决优化）。
50%待验证全面关闭条款（如「如果条件未完全满足，完全停止」）在人类读来谨慎，但强模型会执行为正义关闭，拒绝本可完成的任务。
50%