让 AI 稳定完成重复任务的正确姿势：把经验固化成可迭代的 Skill/工作流，而不是每次重新口头交代。来源 affweb 744/743/768 等。
Skill 迭代五步法（#744）
人工审核 → 精确定位（“TC-015 步骤[1]只写检查 XX”，不写”质量不行”）→ 根因（同类问题反复出现 = Skill 缺约束）→ 写可执行规则（❌“注意质量” ✅“禁止以’检查/验证/确认’作为步骤全部内容”）→ 下轮验证（连续两轮不犯才算过）。
实测数据：52 个用例，步骤模糊 11→0、前置缺上游 9→0、放错位置 3→0，自检清单 16→26 条。
判断”改规则还是改结构”：同一根因反复出现 = 执行流程有漏洞（如强制插入”先读取页面探查”步骤），不是规则写得不够多。
UI 测试执行 Skill 的设计范式（#743）
- 五步流程：标签筛选 → 环境检测 → 执行调度 → 现场采集 → 报告产出；
- 六类失败证据：截图（视口+全页）/录屏/Trace/五段合并 Console 日志/页面源码/网络请求摘要；
- 报告五件套：report.json/html/xml(JUnit) + summary.md/txt + failure_analysis.md；
- 原则：只读不写；“执行前亮牌、执行后留证据”；重试只兜偶发不治本。
与 AI浏览器回归测试Passmark实测 互补：Passmark 是现成工具，这是自建 Skill 的思路。
让 AI 操作浏览器的安全边界（#768/#749，腾讯 BrowserSkill）
- 架构：扩展只走本机 127.0.0.1，不自行调用远程模型；让 AI 操作已登录浏览器可大幅减少验证码；
- 安全六条：独立浏览器配置文件、先只读后加权限、发布/转账保留人工确认、不让 AI 提取 cookie/token/密码、只从官方仓库装、每任务写明停止条件；
- 任务提示词五要素：目标页面、允许动作、禁止动作、输出格式、停止条件。三套起步模板：采集长文/对比多页/填草稿停在提交前。
“要工作流不要智能体”（#645）
质量提升来自思维链编排而非智能体形态：PDF 转 Markdown = PyMuPDF + GPT-4o 视觉逐页；漫画翻译 = 气泡检测 → OCR → 抹字 → 视觉翻译 → 回写，一页成本 $0.02。先拆步骤、每步用最合适的工具，LLM 只在需要理解/生成的环节出场。
组织级经验（#738）
薄中台厚一线（<100 人慎设 AI 中台）；数据应存尽存但须有来源/时间/负责人；AI 省下的时间要还给客户/员工而非更多排期；“Agent 不会让混乱的公司自动变先进，只会以 AI 速度执行错误”。
动手前的需求拷问（#735 grill-me）
Agent 编码前先过”拷问式”需求对齐：追问全部决策点并给推荐项，共识确认后才动手。与先探索后执行的流程配合，避免”方向错了写得再快也是白写”。
增补：Skills 编写、评估与自动化迭代（2026-09-19 书签采集）
- 何时该用 Skill（两问）：未来会重复做吗？标准化指令效果更好吗？——Prompt 重复输入 3 次以上就该沉淀；Rules/Context/SubAgent 持续占上下文，Skill 按需加载省 token；文件结构 = SKILL.md 必需 + examples/templates/resources 可选；调用分显性（稳定输出）与隐性（When to Use 自动触发）。
- skill-creator 四大新能力：①评估系统 ②基准测试（通过率/耗时/token 量化，实测有 Skill 通过率 100% vs 无 Skill 9%）③多代理并行测试（干净环境独立跑+ A/B 盲评）④描述调优：自动生成 10 条应触发+10 条不应触发查询 → 网页逐条确认 → 60% 训练/40% 测试最多 5 轮 → 最优描述写回 SKILL.md。
- SkillOpt（微软）：把 Skill 变成可训练对象——双模型（一个干活一个复盘）、每次只小改约 4 处、驳回改动存失败记录、全新任务验证好坏定去留；6 类任务 52 次测试全第一，GPT-5.5 平均 +23.5 分。
- 管理三件套（卡兹克）：github_url+hash 身份系统 / hash 对比的版本管理 / evolution.json 经验外挂——经验不写进 SKILL.md 而存”存档”，新版覆盖后自动回注，解决”GitHub 更新覆盖本地调优”冲突。
- GitHub 项目 Skill 化工作流：带搜索的模型找成熟项目 → skill-creator 打包（“把 yt-dlp 打包成给链接即下载的 Skill”）→ Plan 模式先规划再开发 → 模型分工（构建用 Opus、首跑用 Codex）→ 首跑坑回写固化。
- superpowers 落地测试工程：4 个过程技能（using-superpowers 判类型 / TDD 先固化失败测试再修 / systematic-debugging 六步禁无根因乱改 / verification-before-completion 无新鲜证据不宣布完成）；flaky 退款案四步：判类型→查根因（竞态）→钉回归测试→新鲜验证。
- 生态与市场工具（add-skill/SkillsMP/last30days 等）见 Agent-Skills生态与市场。
增补：Skill 工程细则（2026-09-19 全量书签）
- OpenClaw Skill 规范：目录
~/.openclaw/workspace/skills/<名>/，SKILL.md 必须存在否则不加载；frontmatter 含 retry/timeout/slash_commands/requires.bins/permissions；handler() 所有分支必须返回 {“success”: True/False}，否则框架重试导致脚本反复执行；修改后必须重启 gateway；触发优先斜杠命令避免多技能触发词混淆； - qa-engineer skill 四段设计：需求解析器→生成器（Playwright 规范：getByRole 优先/标准 expect/禁固定 sleep/只输出代码）→执行引擎→结果分析修复器（简单选择器问题自动改，复杂转人工）；
- SourceType 五级反幻觉标注：extracted(原文) > screenshot_based > context_based > common_sense > unknown；铁律=低可信永不伪装高可信、原文与推断冲突时原文优先；问卷分发按可信度设计（推断→确认题、常识→选择题、未知→必填）；
- NEED_DETECT 机制：AI 拿不到定位器时，本地抓全量控件清洗成”选择题”再给 LLM，准确率大幅提升；任务隔离（转 JSON 与转 Action 分不同子 Agent）；
- BMAD 的上下文分片（Sharding）：Scrum Master 拆”故事文件”，开发 Agent 只加载当前故事上下文（“一个故事一份上下文”降幻觉，v6 token 省 90%）；
- superpowers-zh 汉化版安装与排障四步（目录对/有 SKILL.md/重启/
/list-skills）。
原始素材
- #645 你需要的不是智能体，而是工作流
- #735 被下载超 87 万次，又一个神级 Skill 开
- #738 创业2年半后，想跟你分享关于AI组织的这7点心得
- #743 AI 测试 ｜ 把 UI 自动化测试执行固化成五
- #744 Skill不是一劳永逸的：如何让AI写出的测试用
- #749 给WorkBuddy安装上BrowserSkil
- #768 BrowserSkill-腾讯亲自下场，Work
相关页面
出处 · https://github.com/szwnba/affweb/issues/ (744, 743, 768, 749, 735, 645, 738)