[开源推广] 我做了一个skill工具能把牛佬的skill掏出来给大家用，求大家看看

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签： 是


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

事情是这样的，公司里面有一些牛佬，佬们本地有一些skill，但是似乎懒得发布出来，我采访了下，发现主要有下面几个原因：

• skill是适配自己工作流和环境的，能跑，但是打磨放出去费劲，真的没空。


• 公司内的skillhub使用流程太长了，难用，丑。


• 分享skill出去对自己没有好处，甚至无法满足虚荣心。


• 别人的skill自己管不了，甚至没有PR可以提，就算能提也得考虑适配性。


• 后期skill自己也没精力维护，慢慢的就僵尸skill了。

于是，我就想：

• 1.可不可以让佬本地的skill能自动适配别人的环境，在别人的环境上跑和测试，然后自动上传skillhub？


• 2.提供一套私有部署的skillhub cli出来给Agent用，参照npx skills.


• 3.你的skill被同事使用后，能像点赞一样，气泡提示一下，并且炫酷一些，并且llm生成一个他们的使用评价（解决问题/纯累赘)


• 4.跟区块链一样，让每个人都是skill的节点，把私货分享出来，然后本地的skill可以传染给同事, agent可以直接修改本地同步过来的skill，修改自动变成commit提交PR。


• 5.用评价分当进化指标，新commit和老commit跑灰度测试，谁高谁留下，只要一个skill有人用就会无限进化，不用维护了。

我捣鼓了大概2-3个月，做出了一个初版项目出来：

GitHub - SkillNerds/xskill: Self-evolving skills lib for coding agents · GitHub

（已添加友情链接 + 移除所有QQWX等私聊内容）

俺项目有如下的亮点：

1. 气泡！气泡！气泡！你的skill被别人用了，网页会弹酷炫的无感气泡给你，就跟点赞一样。


2. 无感蒸馏：静默读取所有人不同harness的轨迹放一起变成skill


3. P2P skillhub： 你的skill也是我的skill 大家都能用


4. 画像推荐： 基于上传的轨迹做了简单的聚类画像，然后语义推荐一些skill


5. 自动进化：能基于气泡里面的分数对不同skill commit进行pk，坏的版本自动淘汰。


6. 兼容传统HUB：支持服务器端中心化部署，导入公司里私有的skillhub（真的烂）


7. 静默更新：让团队里的急急国王跟上服务器版本（他们太忙了），并且针对内网环境做了优化。

我参照了一些开源的项目，比如：

skillclaw

这个做的很棒，非常的产品化，给了我很多启发，但是有点太过于“CLAW”了，我想做一个比较靠谱的，专门针对像我们一样重度使用coding-agent的组的产品。CLAW这种公司不太让用。

技术上，skillclaw的进化是依靠在用户的环境里面去回放老任务，对比不同skill版本在通过率上的不同，这一点我觉得简直绝了，NB。但是代码放在那里我也抄不懂，所以就只学习了能理解的部分。（汗）

openspace

宣传做的很好，想要打造全球的skillhub，但是似乎有点太过于中心化了，skill不能传到我们的claudecode里面，只能放在服务器端，然后agent想要跑他们的skill似乎只能调agentmcp，本地codingagent只有回传过来的结果。（也就是Agent执行环境不放在本地，我觉得这个很败笔=。=）

skillopt

这个是很学术化的一篇工作，论文里面都是金币的味道（5.5不要钱一样），里面的benchmark很有参考价值，比如spreadsheets\officeQA。 可惜只是一个学术工作，并不是一个给大家用的工具，里面一个benchmark一个skill，然后skillopt对skill的理解是一个markdown文件，没有脚本和补充目录，skill本身也没有description。然后我在同样的benchmark下做了复现，数据基本都是真实的，没有掺水。但是，我的项目会蒸馏出多个skill，多个skill之间又得做一个skill描述词优化(比如claude的skill-creator里面的那种）不然会严重掉点（我便再次无耻抄袭了skillcreator）。

在spreadsheet上，xskill可以达到81%的精度（xskillopt 83%)，没错。。比skillopt低。。

skillopt的逻辑就是，训练的时候给出很多skill的改进意见，然后用validationSet来看那个意见是能涨点的，如果涨点就生效，反复几次，skill.md就会充满了可靠的细节。但是xskill不使用validationSet来指引进化（很想学但是学不了），实际场景下，很难有人会为了团队的skill进化放一堆同分布的benchmark数据集进来=。=

搞七捻三 开源推广