之前开源的自动拆解开源项目的 /howPrompt 命令深受喜爱，帮助很多 PM 学习了很多 AI 开源项目工程的最佳实践。
很多人用了以后问：能不能拆Skills？
好问题。
Skills 才是现在最值得学的东西。
今天开源第二个指令：/howSkills——一条命令，自动深度拆解任意 Agent Skill，从产品视角提炼设计巧思和最佳实践。
一条命令下去，Agent 会自动完成 8 个阶段 的深度分析，输出一份几千字的产品分析报告：
- 结构扫描——这个 Skill 有哪些资源、属于什么类型
- 痛点挖掘——不看文档自述，从实现细节反推真实痛点
- 工作流可视化——自动生成时序图和流程图
- 脚本设计拆解——原子化程度、场景覆盖、接口设计
- 参考文档设计拆解——知识分层、渐进式披露策略
- 资产设计拆解——模板复用、品牌一致性
- 独特解法提炼——最有价值的部分，提炼可迁移的设计模式
- 综合评估——5 个维度打分 + 最佳实践总结
每完成一个阶段，结果自动写入项目的 analysis/howSkills.md 文档。
为什么要拆解别人的 Skills
去年我写 /howPrompt 的时候说过：产品经理想掌握AI实战能力，一定要到真正的项目里去学。
这句话放在 Skills 上更成立。
Skills 是 Agent 生态里最值得研究的东西。一个好的 Skill，背后是一整套产品设计思维：
- 怎么把模糊的需求变成确定性的流程？
- 怎么管理 Agent 的上下文窗口不溢出？
- 怎么让脚本和提示词配合，做到人做不了的事？
- 怎么设计验证机制，不让 Agent 幻觉跑偏？
这些问题，你在任何提示词框架课程里都学不到。
只有拆开别人的作品，看到"为什么这样设计"，才能真正学到东西。
我用它拆了 Codex 创建桌面宠物的 Skill
为了验证 /howSkills 的效果，我拿它拆了一个让我非常好奇的 Skill——hatch-pet。
这是一个在 Codex 应用里创建动画桌面宠物的 Skill。
这个 Skill，我跑完吃完了我 Plus 账号 5 小时的额度，可见其工程的复杂度。
拆完以后更加震惊。
它解决的核心问题是一个极其刁钻的矛盾：
图像生成的不确定性 vs 精灵图的精确性要求
一个宠物需要 10+ 次图像生成，每次都要保持同一个角色形象；
最终输出是一个 1536×1872 的精灵图集，每个单元格 192×208，差一个像素就废了。
这个 Skill 用了 15 个脚本 + 3 个参考文档 + 323 行指令，硬是把一个充满不确定性的创意任务，变成了一条确定性的生产流水线。
Agent 不再"画宠物"，而是"组装宠物"。
几个让我拍案的设计巧思
1. 身份锚点模式
普通做法：每次生成都靠提示词里的文字描述保持一致性——"这是一只橘猫，有白色围脖……"
hatch-pet 的做法：第一次生成完成后，立刻截取一张 canonical-base.png 作为视觉锚点，后面每一次生成都必须引用这张图。
把"一致性"从文字层面提升到视觉层面。简单粗暴，极其有效。
2. 色度键自适应
普通做法：用固定的绿色背景做透明度处理。结果宠物身上有绿色怎么办？翻车。
hatch-pet 的做法：从参考图片里采样像素，自动选一个距离最远的颜色当背景色。宠物是绿色的？那背景就用品红色。
3. 镜像决策门控
宠物的"向右跑"和"向左跑"动画，如果宠物是对称的，镜像一下就行——省一半的工作量。
但如果有不对称元素呢？比如单侧的蝴蝶结、可读的文字？错误镜像就废了。
hatch-pet 的做法：不预设，运行时决策。生成完向右跑以后，视觉检查有没有不对称元素，再决定是镜像还是重新生成。
4. 渐进式验证
普通做法：全部生成完了再检查。发现有问题？从头来过。
hatch-pet 的做法：每一层都验证——记录时验证哈希，帧级别检查质量，图集级别检查几何精度。任何一层出问题，立刻停在原地修复，不用推倒重来。
下面是 Agent 自动生成的架构图：
用户交互时序图——从用户发起到最终交付的完整链路，可以看到 scripts 和 $imagegen 在哪个节点被调用：
核心工作流程图——从准备到并行生成、镜像决策、最终化的完整流程，包含修复循环：
超级长就不放了
5 条可迁移的最佳实践
从 hatch-pet 里提炼出来的，不只是做宠物能用：
- 身份锚点模式：多次生成任务中，创建视觉锚点比文字描述更可靠
- 确定性-不确定性分离：Agent 做创意决策，脚本做精确计算，各司其职
- 渐进式验证：在每个关键节点设验证点，减少后期返工
- JSON 中间态：用文件做持久化状态，比让 Agent 在上下文里记东西更可靠
- 写边界隔离：子代理模式中，明确"谁能写什么"，避免并发冲突
这些模式，做PPT、做文档、做任何涉及 Agent 多步执行的任务，都能用上。
完整分析报告有 500 多行，太长了就不全贴了，放在知识星球里。
如何使用
/howSkills 本质是一段提示词，封装成了 Coding Agent 的 commands。
配置后在 Claude Code 中进入要拆解的 skill 路径，直接输入 /howSkills，它就会自动开始分析。
配置方法：
方式一：直接复制（适用于所有工具）
把提示词保存到对应的目录：
- Claude Code：在
~/.claude/commands或项目根目录/.claude/commands创建howSkills.md - Cursor：在
项目根目录/.cursor/commands创建howSkills.md
方式二：插件安装（Claude Code）
# 1. 添加我的 marketplace
/plugin marketplace add comeonzhj/comeonzhj-claude-plugins
# 2. 安装 plugin
/plugin install ai-analyzer@comeonzhj-plugins
# 3. 使用
/ai-analyzer:howPrompt
/ai-analyzer:howSkills
如果你不能访问 Github，提示词在知识星球的圈友空间里。
关于AI学习行动圈
这是我 23 年底开始，和人人都是产品经理社区共同运营的一个圈子，截止目前已经持续运营、维护超过 700 天了，已有超过 5000+圈友！
我的各种 AI 研究心得、发现的好应用、开发的小项目都会在里面分享，目前圈子有核心三个交流学习平台。
8 个微信群，早报和日常交流
微信群里每天一早有 AI 早报，上下午还有“读报时间”，以及我每天不定期刷屏级的各种 AI 工具体验、提示词编排思考、行业新闻解读同步。
以及，你可以在群里讨论任何与 AI 相关的工具、应用问题，几乎都能找到答案。
腾讯文档-圈友空间
用来沉淀体系化、深度的 AI 文章和超长的工程化提示词，不定期更新。
当前包括：Claude code、Cursor、Manus等顶级产品的系统提示词和工具列表，各种深度的 Agent 白皮书和实践指南
知识星球-每日报告、工具和实战经验分享
我在星球里主要维护「实战分享」「工具箱」和「情报局」三个标签
实战分享是可以在日常工作和生活中直接应用的提示词和效率工具。上面截图里的 Step-Back 提示词就非常好用，堪比 o4。在公众号、直播中演示的所有 AI 实战应用的提示词也都在这个标签下。
AI 工具和鲜知道就是好用的、热门的 AI 工具、资讯分享，我把那些太技术、太浮夸的都筛选了，放进这个标签的都是可以直接用来的好玩儿！
