SkillAlchemy
开放世界智能体技能创造系统：把模糊的技能简报与公开资料，转化为可直接安装、可复用的智能体技能包。
证据仅含 README、LICENSE 与 package.。可见面：系统会抓取开放世界来源并写入 output/ 目录，权限与网络行为无任何说明（least_privilege=1）；生成/安装过程未见用户确认或审阅机制（user_confirmation=1）；数据流向（抓取哪些源、上传什么）完全未披露（data_flow_transparency=1）；"Distill people"从公开信息构建人物 Persona，涉及第三方个人信息，但无任何隐私处理政策（sensitive_data_handling=1）；仅提供 npx 安装方式，无依赖清单、锁文件或安全审计说明（dependency_security=1）；有文件写入与网络访问等外部效应但无边界声明（external_effects=1）；完全未提及卸载、回滚或恢复手段（rollback=0）；论文、作者、arXiv 链接齐全，出处标注较好，但出版方未经注册表验证，故 source_attribution=2。
README 与 package. 之间名称、定位大体一致，但内容极薄，无内部文件可交叉印证（self_consistency=1）；依赖 npx skills 与目标 Agent 环境，无任何可用性保障或版本要求说明（dependency_availability=1）；通篇无错误处理、失败消息或降级行为的描述（failure_messages=0）。
Features 清楚列出适用场景（RAG 评审、方法论提炼、人物技能等），受众明确（audience_and_scenarios=2）；但技能产物可靠性的边界仅有一句"证据范围判定"，无约束说明（capability_boundaries=1）；触发方式仅为自然语言描述，无精确触发条件或防误触机制（trigger_precision=1）；明确支持 Claude Code 与 Codex 并给出安装命令，环境适配说明尚可（environment_fit=2）。
README 结构清晰但 TECHNICAL.md、skills/ 目录内容均未在证据中呈现，信息架构可确认度低（information_architecture=1）；三种安装方式（Agent 指令、npx、单技能安装）描述清楚（install_notes=2）；SkillAlchemy 命名在 README 与 package. 一致（naming_stability=2）；仅有用法示例、无 FAQ（examples_and_faq=1）；完全没有已知限制、失败案例或适用边界声明（known_limitations=0）；MIT License 文件完整且与元数据一致（license=3）；package. 标 v1.0 但无 CHANGELOG 或版本历史（versioning_changelog=1）；无维护者、更新策略或支持渠道说明，出版方身份未经验证（maintenance_responsibility=0）。
产物写入 output/ 的路径明确，但产物格式、结构、质量标准未在可见文件中定义（output_usability=1）；宣称的 55.8% 通过率等收益数据无法在仓库内验证，边际价值仅是断言（marginal_value=1）；成本（Token、网络抓取量）与收益权衡完全未讨论（cost_benefit=1）。
性能声明指向 arXiv 论文，但注意：编号 2608.23417 与"2026 年"日期、以及 DeepSeek-V4-Pro、Opus 4.8、GPT-5.5 等模型名在本次静态审查时点上均无法核实，属于不可追溯的声明（claim_traceability=1）；仓库内无任何第二来源可佐证基准结果（cross_source_corroboration=0）；README 将实验结果与产品描述混排，未标注证据等级（fact_inference_separation=1）。
- README 中的基准数据（55.8% 通过率等）与 arXiv 编号、模型名称在本次静态审查中均无法核实，请勿视为已证事实。
- 系统具有开放网络抓取与本地文件写入能力，但无权限边界、确认机制或回滚说明；建议在隔离环境中先行试用。
- Distill people
- 会基于真人公开信息生成 Persona 技能，存在隐私与名誉风险，且仓库无任何隐私处理政策。
- 出版方身份未经注册表验证，仓库缺少维护者与更新承诺信息，长期可用性未知。
- 无已知限制、无 CHANGELOG、无失败处理文档，生产环境采用前需自行审计实际生成的技能内容。
这个 Agent 能做什么，适合哪些场景？
SkillAlchemy 是一个开源的开放世界智能体技能创造系统，出自论文《SkillAlchemy: Open-World Agent Skill Creation》。它面向陌生领域的任务：原始技能简报往往省略关键需求，专家流程可能不存在，执行轨迹也难以获取。为此，它把技能创造建模为「基于来源的流程准入」问题：先从简报中挖掘被省略的隐含需求，再从文档、代码仓库、论文、issue 等公开来源获取有据可依的流程，并判定每条流程的证据支撑范围（可复用指令、限定范围的示例，或予以排除）。最终它将准入的知识编译为智能体可直接加载安装的 Skill 包，输出写入当前项目的 output/ 目录。它兼容 Claude Code 和 Codex 两种智能体，并附带 Lens、LEAP 等可单独安装的技能。在 SkillsBench v1.1 的 87 个任务上，四种智能体-模型配置平均任务通过率达 55.8%，略超人工精选技能。项目采用 MIT 许可证发布。
SkillAlchemy 的端到端流程是：读取一个欠规范的技能简报（例如「创建一个审查 RAG 系统的 Skill」），首先发现简报中缺失的隐含需求、约束和运行维度；然后从异构公开来源（文档、仓库、论文、issue 报告等）获取候选流程，评估每条流程的证据支撑广度，决定其是可复用指令、限定范围示例还是应排除；可选能力包括把人物（决策、失败、价值观、沟通风格）提炼为 Persona Skill、把方法论提炼为含条件/步骤/分支/失败处理的技能，以及融合既有工作流为新能力。最终它将准入的流程、示例、引用和支撑资源编译为可安装的 Skill 包写入 output/。技能可通过 npx skills add 安装到 Claude Code 或 Codex 中加载使用。
- 需要在陌生技术领域（如 RAG 系统审查）创建智能体技能、但缺乏现成专家流程文档的工程师，希望系统从公开文档和论文中自行补全需求并生成技能
- 希望把某位专家的方法论、书籍或访谈内容转化为可执行、可分支、带失败处理的智能体技能的知识工作者
- 维护智能体团队的技术负责人，想用融合（Fuse）能力把多个既有工作流或领域知识合并为一个新技能
- 研究自动化技能创造的学者，需要在 SkillsBench 上对比自动生成技能与人工精选技能的效果
- 使用 Claude Code 或 Codex 的用户，想一键安装 Lens、LEAP 等现成技能来增强自己的智能体
这个 Agent 有哪些优点和局限？
- 有量化评测支撑：在 SkillsBench v1.1 的 87 个任务上，四种智能体-模型配置平均通过率 55.8%，其中 3/4 配置为最高，比无技能执行高 19.9 个百分点
- 表现与人工精选技能相当（54.4%）并略有超越，且比最强的自动技能创建基线高 8.6 个百分点
- 独特的证据准入机制：区分可复用指令与仅限特定上下文的示例，而非把所有检索结果当作普遍有效
- 同时支持 Claude Code 和 Codex，技能也可单独安装复用，MIT 许可证便于集成
- 依赖 Claude Code 或 Codex 作为运行时智能体，无法脱离这两类宿主直接运行（其他智能体平台未提及支持）
- 评测中并非全胜：在 Codex + DeepSeek-V4-Pro 配置下（43.9%）反而低于人工精选技能的 45.7%
- 安装依赖 npx skills CLI，需要 Node.js 环境；README 未说明离线或受限网络下如何运行，开放世界来源获取依赖网络访问
- 论文标注为 2026 年 arXiv 预印本（arXiv:2608.23417），尚非经同行评审的成果，技术细节需自行核验
如何安装或部署这个 Agent？
最简单的方式是直接让 Claude Code 或 Codex 安装：「Install SkillAlchemy from https://github.com/agentsope/SkillAlchemy and show me how to use it.」。也可以用命令行安装：npx skills add agentsope/SkillAlchemy。需要 Node.js 环境以运行 npx。也可单独安装组件：npx skills add agentsope/SkillAlchemy/skills/Lens、npx skills add agentsope/SkillAlchemy/skills/LEAP，或任意 skills/<skill-name>。
如何使用这个 Agent？
安装后，用自然语言描述你想创建的技能，并指定来源，例如：「Use SkillAlchemy to create a Skill for reviewing RAG systems. Use public documentation and research papers as sources.」SkillAlchemy 会挖掘隐含需求、从公开来源获取流程、判定证据支撑范围，并将生成的技能包写入当前项目的 output/ 目录；随后智能体可直接加载该技能使用。支持的目标智能体为 Claude Code 和 Codex。
这个 Agent 与同类方案有什么区别？
README 的评测表将其与 Anthropic Skill-Creator、OpenAI Skill-Creator、OpenSkill、MUSE-Autoskill 以及人工精选技能直接对比；平均通过率上 SkillAlchemy（55.8%）超过这些自动基线（最高为 MUSE-Autoskill 的 47.2%），也略超人工精选技能（54.4%），适合需要在陌生领域自动创建技能、而非依赖官方 Skill-Creator 模板的用户。