Yao Meta Skill

Yao Meta Skill（由姚金刚开源）是一个旨在将重复性工作流转化为可重用、可评估且跨平台兼容的 AI 智能体技能（Skills）的工具集。其核心理念“Yielding AI Outcomes”强调产出真正的运营成果，而非仅仅生成更多的提示文本。

随着版本从 1.0 演进至 2.0，该工具已从单纯的技能打包器升级为一个完整的 Skill OS，涵盖了技能的创建、编译、评估、审查、发布及持续运维的全生命周期管理。

Skill OS 2.0 核心架构

2.0 版本引入了更严格的工程化标准，确保技能在不同平台间的一致性与可靠性：

• Skill IR（中间表示）：定义了一套平台中立的语义契约，涵盖意图、触发器、输入输出、边界条件及预期工件，作为技能的核心描述语言。
• 目标编译器与适配器：能够将 Skill IR 编译为针对 OpenAI、Claude、通用 Agent Skills 标准以及 VS Code 工作流的特定接口，实现一次建模，多端部署。
• 输出评估实验室：提供触发器检查、输出断言、执行证据收集、Token 消耗分析及基准可重复性测试，支持盲审包和裁决报告，确保技能输出的质量可控。
• Review Studio 2.0：一个统一的 HTML 审查界面，集成意图验证、上下文成本分析、信任度评估、采用漂移信号及发布证据展示，为审计和迭代提供可视化支持。
• 证据与发布治理：包含包验证、安装模拟、运行时权限探测、世界级证据分类账及公共声明防护，确保技能在发布前的安全性与合规性。
• SkillOps 循环：通过元数据遥测、采用漂移检测和自适应提案，实现技能发布后的持续监控与优化，生成每日/每周策展人报告。

从 1.0 到 2.0 的演进

典型应用场景

1. 工作流资产化：将分散的笔记、运行手册或提示集转化为具备清晰触发界面和显式输入输出的技能包。
2. 团队级技能升级：为个人技能添加接口契约、信任检查、输出评估及 Review Studio 证据，使其成为可被团队依赖的稳定资产。
3. 测试版发布准备：通过包验证、安装模拟、兼容性检查及运行时权限探测，确保技能在公开前的稳定性。
4. 发布后运维：利用仅元数据遥测和采用漂移报告，决定下一步是进行文档更新、技能补丁还是治理调整。

操作员常用命令

Yao Meta Skill 提供了一系列 CLI 命令以辅助日常运维与审查：

# 检查已安装技能的来源并标记重复项
python3 scripts/yao.py install-status --expected-source .

# 验证中英文 README 的同步状态
python3 scripts/yao.py localized-doc-sync-check

# 生成 GitHub PR 的审查报告（无需合并）
python3 scripts/yao.py pr-review-report 4 --repo yaojingang/yao-meta-skill

Yao Meta Skill 2.0 不仅仅是一个技能生成工具，更是一套面向生产环境的 AI 资产管理框架。它通过引入 Skill IR、严格的评估体系和自动化运维循环，解决了 AI 技能在跨平台移植、质量控制及长期维护中的痛点，适合希望将 AI 能力工程化、资产化的开发者与团队使用。