拆解Yao Meta Skill的Skill IR平台中立的技能中间表示是怎么设计的【免费下载链接】yao-meta-skillYAO Yielding AI Outcomes. A rigorous engineering, evaluation, governance, and portability system for reusable agent skills.项目地址: https://gitcode.com/gh_mirrors/ya/yao-meta-skillYao Meta Skill 是一个为可复用Agent 技能Agent Skill提供工程化、评测与治理体系的开源项目它的 2.0 版本引入了一份叫Skill IR技能中间表示Skill Intermediate Representation的文档——用一份平台中立的能力契约把这个技能是干什么的、什么时候该触发、怎么评测、风险多大固化下来再分发到 OpenAI、Claude、VS Code 等不同平台上。为什么 Agent 技能需要平台中立的 Skill IR先想象一个常见痛点你辛苦调好一个 Agent 技能装到 OpenAI 生态里能正常工作换到 Claude 又发现元数据字段对不上再到 VS Code 里路径结构又不一样。每个平台都要求不同的文件夹布局、不同的元数据命名、不同的激活方式——技能的含义没变变的只是包装。Skill IR 的思路就是把这个含义和包装分离开IR中间表示 技能的语义它负责、何时触发、何时不该触发、失败模式、风险等级平台包 技能的外观由编译器根据 IR 生成各平台的适配文件官方对它的定位很直接见 skill-ir/README.mdSkill IR is the platform-neutral capability contract for Yao Meta Skill 2.0.也就是说只要 IR 不变底下的平台适配器随便怎么换技能的能力契约都不会漂移。Skill IR 的 8 个核心字段详解打开 skill-ir/schema.json 可以看到IR 文档由 9 个必填字段构成外加 2 个可选字段。下面用大白话逐一拆解1️⃣job_to_be_done这个技能到底负责什么一句话描述技能承担的重复性工作。以项目自身的例子为例skill-ir/examples/yao-meta-skill.json把重复的工作流、提示词、文档转换成可路由、可评测、可打包、可治理的 Agent 技能。2️⃣trigger_surface触发面——技能的边界地图这是 Skill IR 里最有意思的部分它要求你同时写出四种内容子字段含义例子description路由用的 frontmatter 描述Create/improve/evaluate agent skills from workflows…should_trigger该触发时说把这个 runbook 变成可复用技能should_not_trigger不该触发时说只是让我解释一下什么是工作流edge_cases擦边球的近邻场景帮我写个一次性提示词别做成技能为什么要连不该触发都写进契约因为在 evals/ 目录下这些条目会直接变成触发评测用例如 evals/trigger_cases.json用来防止技能被用户在相邻场景里误调用。3️⃣workflow步骤、决策点与失败模式workflow对象包含三块steps执行步骤、decision_points关键决策点比如按哪个成熟度档位走、failure_modes已知的失败模式如长列表看起来完整但掩盖了决策逻辑。把失败模式写进契约相当于给未来的维护者提前留了病历本。4️⃣resources技能携带的四类资产references方法论文档对应 references/ 目录scripts承载真实逻辑的脚本对应 scripts/ 目录assets样式与模板等静态资源reports评测与治理报告5️⃣eval_plan评测计划声明四类评测文件trigger触发评测、output输出评测、adversarial对抗用例以及baseline基线示例中为without_skill即没有技能时的表现作为对照组。技能好不好不靠感觉靠对照实验。⚗️6️⃣risk三维风险标签风险被拆成三个维度且都只允许枚举值机器可直接校验output_risk输出风险low/medium/highexecution_risk执行风险low/medium/hightrust_boundary信任边界personal/team/external7️⃣governance治理元数据包含owner负责人、maturity成熟度档位scaffold → production → library → governed、review_cadence评审节奏、review_due到期日。技能从个人草稿成长为受治理的发布件靠的就是这套档案。8️⃣targetssource_files可选的两张清单targets声明这份 IR 可以编译到的平台source_files记录 IR 是从哪些本地文件推导出来的保证每个字段都有据可查。Skill IR 是如何自动生成的IR 不是手写的而是从技能包里提取出来的。核心脚本是 scripts/export_skill_ir.py它的工作流程可以概括为四步解析 SKILL.md读取 frontmattername、description和正文各章节聚合本地证据加载 manifest.json、agents/interface.yaml 以及reports/下的意图、风险、系统模型等报告扫描目录把scripts/、references/、assets/、evals/中的实际文件清单填入resources和eval_plan推导风险档位例如存在脚本就提升execution_risk成熟度为governed就把信任边界标记为external运行方式很简单来自 skill-ir/README.mdpython3 scripts/export_skill_ir.py . --output-json skill-ir/examples/yao-meta-skill.json python3 tests/verify_skill_ir.py第二条命令会校验生成结果是否符合契约。一个值得注意的设计细节脚本中有一个validate_ir函数见 scripts/export_skill_ir.py它会检查必填字段、schema_version必须等于2.0.0、风险枚举值是否合法——IR 本身就是被评测的对象。从 IR 到平台包5 个编译目标IR 的价值最终体现在一份 IR多平台分发上。references/platform-capability-matrix.md 列出了当前 5 个编译目标目标生成物特点openai生成targets/openai/agents/openai.yaml元数据适配最强claude轻量兼容适配器 README 与元数据generic最无摩擦的中性导出agent-skills-compatible保留标准SKILL.mdagents/interface.yaml源形态vscode面向 VS Code / Copilot Agent Skills 的适配说明编译入口是 scripts/compile_skill.py它会先找到 Skill IR 文档再结合安全信任报告如 security/network_policy.json 对应的权限策略为每个目标生成权限契约、降级策略与文件映射。还有一个优雅的降级规则如果某个平台不支持源技能中的某个特性编译器会按保留中性源包 → 输出最小适配器 → 在目标输出中记录降级说明三步处理而不是悄悄丢弃能力。设计取舍哪些内容刻意不进 IR一份好的中间表示不写什么和写什么同样重要。references/skill-ir-method.md 明确列出了 IR 的排除清单❌ 只在打包后才存在的平台特定路径❌ 从外部基准抄袭来的文案❌ 客户端专属的 UI 文案❌ 不属于技能包的本地私有路径❌ 未被要求、未被测试的臆想适配器对应的写作规则也很克制如果某个字段无法从本地包的证据推导出来就留空或显式使用低置信度默认值而不是编造细节。这让 IR 始终是一份证据的投影而非想象的蓝图。相关文件与延伸阅读想继续深入 Skill IR 的设计建议按这个顺序阅读入门说明skill-ir/README.md契约定义skill-ir/schema.json完整示例skill-ir/examples/yao-meta-skill.json方法论references/skill-ir-method.md平台能力矩阵references/platform-capability-matrix.md生成脚本scripts/export_skill_ir.py编译脚本scripts/compile_skill.py校验测试tests/verify_skill_ir.py总结Skill IR 给了我们什么启发Skill IR 本质上回答了一个工程问题如何让能力比平台活得更久它的三层设计——语义层用 8 大字段固化技能的职责、边界、风险与治理档案证据层每个字段都来自本地文件可推导、可校验分发层编译器把同一份 IR 适配到 5 个平台且降级有章法这套中间表示 能力契约 多目标编译的思路对任何做多平台分发的工具链开发者都是值得借鉴的范式。✨【免费下载链接】yao-meta-skillYAO Yielding AI Outcomes. A rigorous engineering, evaluation, governance, and portability system for reusable agent skills.项目地址: https://gitcode.com/gh_mirrors/ya/yao-meta-skill创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
拆解Yao Meta Skill的Skill IR：平台中立的技能中间表示是怎么设计的
拆解Yao Meta Skill的Skill IR平台中立的技能中间表示是怎么设计的【免费下载链接】yao-meta-skillYAO Yielding AI Outcomes. A rigorous engineering, evaluation, governance, and portability system for reusable agent skills.项目地址: https://gitcode.com/gh_mirrors/ya/yao-meta-skillYao Meta Skill 是一个为可复用Agent 技能Agent Skill提供工程化、评测与治理体系的开源项目它的 2.0 版本引入了一份叫Skill IR技能中间表示Skill Intermediate Representation的文档——用一份平台中立的能力契约把这个技能是干什么的、什么时候该触发、怎么评测、风险多大固化下来再分发到 OpenAI、Claude、VS Code 等不同平台上。为什么 Agent 技能需要平台中立的 Skill IR先想象一个常见痛点你辛苦调好一个 Agent 技能装到 OpenAI 生态里能正常工作换到 Claude 又发现元数据字段对不上再到 VS Code 里路径结构又不一样。每个平台都要求不同的文件夹布局、不同的元数据命名、不同的激活方式——技能的含义没变变的只是包装。Skill IR 的思路就是把这个含义和包装分离开IR中间表示 技能的语义它负责、何时触发、何时不该触发、失败模式、风险等级平台包 技能的外观由编译器根据 IR 生成各平台的适配文件官方对它的定位很直接见 skill-ir/README.mdSkill IR is the platform-neutral capability contract for Yao Meta Skill 2.0.也就是说只要 IR 不变底下的平台适配器随便怎么换技能的能力契约都不会漂移。Skill IR 的 8 个核心字段详解打开 skill-ir/schema.json 可以看到IR 文档由 9 个必填字段构成外加 2 个可选字段。下面用大白话逐一拆解1️⃣job_to_be_done这个技能到底负责什么一句话描述技能承担的重复性工作。以项目自身的例子为例skill-ir/examples/yao-meta-skill.json把重复的工作流、提示词、文档转换成可路由、可评测、可打包、可治理的 Agent 技能。2️⃣trigger_surface触发面——技能的边界地图这是 Skill IR 里最有意思的部分它要求你同时写出四种内容子字段含义例子description路由用的 frontmatter 描述Create/improve/evaluate agent skills from workflows…should_trigger该触发时说把这个 runbook 变成可复用技能should_not_trigger不该触发时说只是让我解释一下什么是工作流edge_cases擦边球的近邻场景帮我写个一次性提示词别做成技能为什么要连不该触发都写进契约因为在 evals/ 目录下这些条目会直接变成触发评测用例如 evals/trigger_cases.json用来防止技能被用户在相邻场景里误调用。3️⃣workflow步骤、决策点与失败模式workflow对象包含三块steps执行步骤、decision_points关键决策点比如按哪个成熟度档位走、failure_modes已知的失败模式如长列表看起来完整但掩盖了决策逻辑。把失败模式写进契约相当于给未来的维护者提前留了病历本。4️⃣resources技能携带的四类资产references方法论文档对应 references/ 目录scripts承载真实逻辑的脚本对应 scripts/ 目录assets样式与模板等静态资源reports评测与治理报告5️⃣eval_plan评测计划声明四类评测文件trigger触发评测、output输出评测、adversarial对抗用例以及baseline基线示例中为without_skill即没有技能时的表现作为对照组。技能好不好不靠感觉靠对照实验。⚗️6️⃣risk三维风险标签风险被拆成三个维度且都只允许枚举值机器可直接校验output_risk输出风险low/medium/highexecution_risk执行风险low/medium/hightrust_boundary信任边界personal/team/external7️⃣governance治理元数据包含owner负责人、maturity成熟度档位scaffold → production → library → governed、review_cadence评审节奏、review_due到期日。技能从个人草稿成长为受治理的发布件靠的就是这套档案。8️⃣targetssource_files可选的两张清单targets声明这份 IR 可以编译到的平台source_files记录 IR 是从哪些本地文件推导出来的保证每个字段都有据可查。Skill IR 是如何自动生成的IR 不是手写的而是从技能包里提取出来的。核心脚本是 scripts/export_skill_ir.py它的工作流程可以概括为四步解析 SKILL.md读取 frontmattername、description和正文各章节聚合本地证据加载 manifest.json、agents/interface.yaml 以及reports/下的意图、风险、系统模型等报告扫描目录把scripts/、references/、assets/、evals/中的实际文件清单填入resources和eval_plan推导风险档位例如存在脚本就提升execution_risk成熟度为governed就把信任边界标记为external运行方式很简单来自 skill-ir/README.mdpython3 scripts/export_skill_ir.py . --output-json skill-ir/examples/yao-meta-skill.json python3 tests/verify_skill_ir.py第二条命令会校验生成结果是否符合契约。一个值得注意的设计细节脚本中有一个validate_ir函数见 scripts/export_skill_ir.py它会检查必填字段、schema_version必须等于2.0.0、风险枚举值是否合法——IR 本身就是被评测的对象。从 IR 到平台包5 个编译目标IR 的价值最终体现在一份 IR多平台分发上。references/platform-capability-matrix.md 列出了当前 5 个编译目标目标生成物特点openai生成targets/openai/agents/openai.yaml元数据适配最强claude轻量兼容适配器 README 与元数据generic最无摩擦的中性导出agent-skills-compatible保留标准SKILL.mdagents/interface.yaml源形态vscode面向 VS Code / Copilot Agent Skills 的适配说明编译入口是 scripts/compile_skill.py它会先找到 Skill IR 文档再结合安全信任报告如 security/network_policy.json 对应的权限策略为每个目标生成权限契约、降级策略与文件映射。还有一个优雅的降级规则如果某个平台不支持源技能中的某个特性编译器会按保留中性源包 → 输出最小适配器 → 在目标输出中记录降级说明三步处理而不是悄悄丢弃能力。设计取舍哪些内容刻意不进 IR一份好的中间表示不写什么和写什么同样重要。references/skill-ir-method.md 明确列出了 IR 的排除清单❌ 只在打包后才存在的平台特定路径❌ 从外部基准抄袭来的文案❌ 客户端专属的 UI 文案❌ 不属于技能包的本地私有路径❌ 未被要求、未被测试的臆想适配器对应的写作规则也很克制如果某个字段无法从本地包的证据推导出来就留空或显式使用低置信度默认值而不是编造细节。这让 IR 始终是一份证据的投影而非想象的蓝图。相关文件与延伸阅读想继续深入 Skill IR 的设计建议按这个顺序阅读入门说明skill-ir/README.md契约定义skill-ir/schema.json完整示例skill-ir/examples/yao-meta-skill.json方法论references/skill-ir-method.md平台能力矩阵references/platform-capability-matrix.md生成脚本scripts/export_skill_ir.py编译脚本scripts/compile_skill.py校验测试tests/verify_skill_ir.py总结Skill IR 给了我们什么启发Skill IR 本质上回答了一个工程问题如何让能力比平台活得更久它的三层设计——语义层用 8 大字段固化技能的职责、边界、风险与治理档案证据层每个字段都来自本地文件可推导、可校验分发层编译器把同一份 IR 适配到 5 个平台且降级有章法这套中间表示 能力契约 多目标编译的思路对任何做多平台分发的工具链开发者都是值得借鉴的范式。✨【免费下载链接】yao-meta-skillYAO Yielding AI Outcomes. A rigorous engineering, evaluation, governance, and portability system for reusable agent skills.项目地址: https://gitcode.com/gh_mirrors/ya/yao-meta-skill创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
