create-ops
Skill15 starsChanged 28 days agoMITView on GitHub
创建 OPS 经验型 Skill,或把已有 Skill、功能和零散经验改造成 OPS:由用户确认分类主键与常用 operations,再建立渐进读取、按证据自动沉淀和安装时可选的全局前置规则。用于设计或改造经验库;日常操作由对应领域 OPS 执行。
In this repository27 other files it gives its agents.
- CLAUDE.mdCLAUDE.md
- harness/CLAUDE.mdCLAUDE.md
- android-live-photoSkill
- answer-my-questionSkill
- clear-and-brief-outputSkill
- codex-harnessSkill
- codex-quotaSkill
- crafted-webSkill
- essay-polishSkill
- existing-ui-designSkill
- grillingSkill
- happy-app-experienceSkill
- happy-visual-workflowSkill
- image-effectsSkill
- mobile-app-interaction-reviewerSkill
- pc-web-interaction-reviewerSkill
- photo-to-styled-motionSkill
- show-meSkill
- skill-usage-auditSkill
- spec-debateSkill
- static-publishSkill
- steelmanSkill
- story-uiSkill
- teach-meSkill
- topic-debateSkill
- video-to-cardsSkill
- web-e2eSkill
The file
Files
Create OPS
把用户反复做的少量事情组织为 稳定分类主键 → operations,让每次真实工作都能复用和修正经验。分类由人参与决定,执行和经验维护由 Agent 承担。
先确定本次工作
- 新建:明确服务对象、实际场景和可用执行工具,创建
<target>-ops。 - 改造:保留现有能力、授权边界与证据,把散落经验归入稳定分类和 operations。先读创建与迁移。
- 补齐机制:已有分类可复用时,直接补自动沉淀、索引或安装提示词,不重新设计整库。
- 普通业务操作交给对应 OPS;不要每次执行都重新进入创建流程。
使用当前环境提供的官方 skill-creator 完成 Skill 结构与元数据工作;按目录或安装注册表定位,不猜测 plugin:skill 的路径。不可用时说明并按本 Skill 的模板继续起草,不宣称已通过其校验。尊重仓库约定;没有指定位置时创建到当前 Agent 的可发现技能目录。
人参与的节点:确认分类
先读分类设计,根据用户已讲清的场景给出一个具体方案:
- 这个 OPS 服务什么范围,按什么主键分类,为什么它长期稳定。
- 两三个真实 key 示例,以及每个 key 下用户常做的 operations。
- key 的别名和合并规则;哪些属于共享事实,哪些只是本机实例。
- 哪些变化自动沉淀,哪些变化需要重新确认分类。
用户已明确给出或确认这些内容时直接沿用,记录依据,不重复提问。仍有实质歧义时,用宿主交互工具或简短选项让用户选择;可以推荐,不能把沉默或默认选项当作确认。等待期间继续盘点和起草,但不落实依赖未确认分类的迁移。
默认建议:首次确认分类标准和首批常用 operations;之后按已确认标准自动补充真实经验和同类操作。改变分类轴、拆并既有归属或扩展服务范围时再确认。 用户要求更严格时,将“新增 key/operation 也要确认”写入目标 Skill。
把确认结果写入目标 Skill 的 references/ops-model.md,使用分类决策模板。分类目录是一份可维护的有限工作清单,只枚举用户实际要做的事,不预建平台全部能力。未验证的想法保留在模型清单中,不能冒充已验证 operation。
生成可以独立使用的 OPS
按需展开以下模板;替换变量和说明文字,生成后不得依赖 create-ops 的安装位置:
| 产物 | 用途与来源 |
SKILL.md | 运行入口模板:触发、读取、执行、写回、安装入口 |
references/ops-model.md | 已确认的分类标准、首批操作与扩展边界 |
references/<collection>/index.md | 小型 key 路由,不复制知识正文 |
references/<collection>/<key>/index.md | 对象共享事实、限制与 operation 目录 |
对象下 operations/<operation>.md | 一个可复用目标、前置条件、步骤、成功标准、坑与证据 |
references/knowledge-schema.md | 知识与自动写回模板,按领域裁剪 |
references/global-agents-prompt.md | 安装提示词模板,填入具体触发范围 |
.gitignore | 排除 experience.local.md、*.local.*、local/ |
collection 使用已确认分类的自然复数,如 sites、capabilities;key 在文件字段中使用 site、capability 等领域名称。不要为了统一模板强迫已有 OPS 改字段、迁目录或改变可信度状态。
私有实例出现后再创建 experience.local.md 小型索引和 local/ 记录。代码工具只有在确有重复、确定性需求时添加。现有脚手架和校验器适用时保留;结构检查不等于业务成功,不为形式引入后台服务。
自动沉淀必须成为运行流程
生成的 OPS 要明确写出 读取 → 当前证据复核 → 执行 → 对照成功标准 → 写回唯一归属 → 同步索引 → 报告。完成、失败或中断都有写回判断,不能等用户再说“记一下”。
- 新知识落到相应对象或 operation;具体环境和原始证据位置留在 ignored 私有实例。
- 只更新本次证据支持的结论。重复成功刷新对应验证日期;正文无变化时不复制相同步骤。
- 文档事实、源码推断、部分执行和完整验证分开;没有真实成功不得生成成功日期。
- 失效知识要修正或降级,保留必要历史证据,避免累积矛盾。
- 没有可复用新事实时说明本次无新增;不能用这句话跳过重复成功的验证日期维护。
- 写入失败、只读安装或校验未通过时,明确说明未沉淀;可以给出补丁,不能报告已经保存。
这是一份约束 Agent 行为的工作协议。文件复制不会自动执行它,也不提供宿主级的强制钩子;不得把“自动沉淀”描述为后台监控或工具拦截保证。
安装时建议全局前置
读取安装与全局触发,为每个产出的 OPS 生成可直接分发的安装 Agent 提示词,并在其 SKILL.md 顶部提供入口。
核心句式:无论当前使用哪个技能,只要任务涉及〔明确范围〕,都必须先读取〔目标 OPS〕,并遵循对应分类及 operation。
安装 Agent 展示完整规则、真实全局文件和生效范围,获得明确授权后合并;已有等价授权就复用。用户仅授权创建或安装 Skill,不等于授权修改全局指令。拒绝或无答复不阻塞正常安装,不在日常使用时重复询问。
安装收尾必须按 references/installation.md 逐项核对全局前置状态;已有同范围授权时自动补全并读回,不以提示词已生成代替规则已写入。
交付
说明实际创建或改造位置、已确认的分类、自动写回规则,以及全局提示词是“已生成”还是“已授权写入”。给一个可直接使用的调用例子。按当前授权和环境允许的检查完成结构、链接、私密信息与迁移引用核对;未执行的检查明确说明。
保留用户其他改动。自动沉淀不授予部署、付费、删数据、提交或推送权限;涉及 Cloudflare 时继续遵循对应 OPS 的禁止轮询约束,不把单一领域规则机械推广到无关领域。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

