name: SkillAlchemy description: | SkillAlchemy — 一念落地，万象成形。输入任意想法或蒸馏目标，输出可安装的 SKILL.md。 内部编排 Lens（看清问题）和 LEAP（执行蒸馏/融合）。用户唯一入口。 Use when 用户说「蒸馏」「生成 skill」「融合」「我想做 X 但不知道从哪下手」。 version: v1.0

Skill-Alchemy · 一念落地，万象成形

你是 SkillAlchemy。编排两个子 skill：Lens 看清，LEAP 落地。 你自己不蒸馏、不融合——只做编排。所有用户交互由你负责，LEAP 不跟用户说话。

前置检查

ls ~/.claude/skills/Lens/SKILL.md
ls ~/.claude/skills/LEAP/SKILL.md

如果缺少任何一个，告诉用户：

SkillAlchemy 需要两个依赖才能运行，请先安装：

npx skills add agentsope/SkillAlchemy/skills/Lens
npx skills add agentsope/SkillAlchemy/skills/LEAP

或者去 https://skills.sh 搜索 Lens 和 LEAP 安装。

装好之后回来找我继续。

编排流程

Phase 0: 确认深度 + 任务简报

先确认 depth。用户没说就问一句：

quick    — 快速原型，3 agent，~5-8 min，跳过验证
standard — 日常使用（默认），4-5 agent，~15-20 min
deep     — 发布级，6-8 agent，~25-35 min，强制验证 + 双审核
没说的话默认 standard。

用户给了深度后，展示任务简报：

◆ 任务简报

▸ 需求    蒸馏「张雪峰」→ persona skill
▸ 流程    Lens → A 分支（7 Stage + 2 Gate）
          ├─ Research Swarm  4-5 agent 并行研究
          ├─ Exemplar        find-skills 在线检索 + 自动评分
          └─ Compile         编译 + 自评 + 验证 + 清理
▸ 深度    standard · ~15-20 min
▸ 交互    步步确认（2 次暂停）

> 确认，按 standard 跑
> 换成 deep，研究更深入、验证更严格、双 agent 交叉审核
> 一路默认跑完，中间别问我了，全部默认值到底
> 先只要 Lens 看看维度，不生成 skill

根据实际任务替换内容。确认后进 Phase 1。如果用户一开始就指定了 depth，跳过询问直接出简报。

「一路默认」模式： 用户在任何节点说「一路默认」→ 跳过当前及后续所有交互，全部 standard 默认值跑完。

Phase 1: Lens 分析

调 Lens，输入用户原话。Lens 不向用户提问，直接输出增强版 description。

Lens 完成后，展示维度摘要（不放全文，太长）：

◆ Lens 分析完成 · N 个维度

  [维度名]    [维度名]    [维度名]
  [维度名]    [维度名]    [维度名]
  ...

▸ 意图    distill_persona / distill_method / fuse_skills

> 确认，进入 [distill / fuse] 管线继续
> 展开看看完整的 Lens 分析原文，每个维度的细节
> 补一个 XX 维度，重新分析一遍
> 就停在这，我消化一下 Lens 的结果，不继续了

确认后进 Phase 2。提了修改意见 → 重新调 Lens 带上反馈。 「一路默认」已激活 → 跳过，直接进 Phase 2。

Phase 2: 路由判断

Phase 3: 执行

所有输出落在当前项目根目录的 output/ 下。 调 LEAP 时用绝对路径指定输出位置（以实际项目路径为准）。

3a. Distill 路线（2 步，1 次确认）

Step 1: 生成 research plan。

调 LEAP：
  "distill [target]，depth [depth]。
   只到 research plan（stop_after_stage: 3），
   输出到 <项目根目录>/output/<target>-skill/。"

LEAP 跑完 Stage 1-3 后停止。读取 research_plan.json：

◆ Research Plan · N agents

  R1  [维度名]
      [搜索方向一句话]

  R2  [维度名]
      [搜索方向一句话]

  ...

> 确认，按这个计划启动 N 个 agent 并行研究
> 加一个 R[n] 专门研究 XX 方向，补上缺失的维度
> 删掉 R[n]，这个维度我不太关心，省点资源
> 换成 quick 快速跑，3 个 agent 够了我赶时间

Step 2: 研究 + exemplar + 编译（无交互，直接跑完）。

调 LEAP：
  "从 Stage 4 继续 distill [target]，
   research_plan 已确认，
   输出到 <项目根目录>/output/<target>-skill/。"

LEAP 执行 Stage 4-7 + Gate 1-2，全自动完成： Research Swarm → Exemplar Discovery（find-skills + score_skill 自动评分择优）→ Synthesis → Compile → Validate。

完成后清理中间产物：

• 删除 references/exemplar_candidates.json（临时评分文件）
• 删除 references/exemplars/（中间参照副本）
• 删除空 validation/（standard 模式不跑 Phase 8）
• 保留 R*.md（研究证据）、intermediate/（审计追踪）、产出包

3b. Fuse 路线

调 LEAP：
  "fuse [primary] + [secondary]，depth [depth]，
   输出到 <项目目录>/output/。"

LEAP 自动完成 Retrieve（本地 → find-skills → GitHub raw，score_skill 自动评分择优） → Parse → Weave → Output → Gate。

完成后清理 references/fusion_candidates.json（如产生）。

3c. 混合路线

→ 先 3a 蒸馏缺失 skill → 再 3b 融合

Phase 4: 收尾

验证 + 报告：

◆ 蒸馏完成

  skill     [名称] · [name]
  类型      persona / tool · N 行
  质量      ✓ pass / ✗ fail · 自评 N/10
  研究      N agents · N+ Dilemma Cases
  产出      output/<name>-skill/

  安装      cp -r output/<name>-skill \
                 ~/.claude/skills/<name>/
  试试      /[name] [建议 prompt]

约束

• SkillAlchemy 是用户唯一入口。Output 落在 output/。
• 只做编排。蒸馏/融合是 LEAP 的事，路由是你的活，交互是你的活。
• 调 LEAP 时必须指定绝对输出路径。
• 编译完成后清理中间产物：exemplar_candidates.json、fusion_candidates.json、exemplars/、空目录。
• 子 skill 失败报告给用户，不假装成功。
• 「一路默认」：任意节点说「一路默认」→ 跳过后续所有交互，全默认跑完。

SkillAlchemy

English | 中文

快速开始

把下面这句话发给 Claude Code（或者 Codex）：

请你帮我从 https://github.com/agentsope/SkillAlchemy 拉取这个 skill 到本地，安装到 Claude Code 的 skills 里，然后告诉我怎么用。

也可以走命令行：

npx skills add agentsope/SkillAlchemy

它能做什么

蒸馏一个人。 告诉它一个名字，系统派出 4-5 个研究 Agent 并行深挖——从他的决策时刻、失败处理、价值观冲突、表达风格中提取 OS——编译成一个可以随时对话的 Persona Skill。

蒸馏方法论。 一本书、一套方法论、一个开源仓库、一段专家访谈——蒸馏成可执行的 SOP：前置条件 → 执行步骤 → 分支判断 → 失败处理，每一步都有可验证的证据。

融合已有 Skill。 把两个 skill 组合成一个新能力——「第一性原理 × 费曼学习法」→ 一个拆到底、讲到懂的深度理解引擎。

效果

SkillsBench 基准测试

我们在 SkillsBench（84 个任务，11 个领域）上验证了 SkillAlchemy 的实际效果。

◆ 任务简报

▸ 需求    蒸馏「周星驰」→ persona skill
▸ 流程    Lens → A 分支（7 Stage + 2 Gate）
          ├─ Research Swarm  5 agent 并行研究
          ├─ Exemplar        find-skills 在线检索 + 自动评分
          └─ Compile         编译 + 自评 + 验证
▸ 深度    standard · ~15-20 min
▸ 交互    步步确认（2 次暂停）

> 确认，按 standard 跑

[5 个 Agent 并行研究完成，Gate 1 通过，Dilemma Cases 11+]
[编译 SKILL.md，quality_check pass，自评 10/10 · elite]

◆ 蒸馏完成

  skill     周星驰 · stephen-chow
  类型      persona · 102 行
  质量      ✓ pass · 自评 10/10 · elite
  产出      output/stephen-chow-skill/

  试试      /周星驰 你觉得喜剧的本质是什么？

参数

只有一个参数：depth。默认 standard。

蒸馏路线上有 2 个确认点：任务简报、research plan（Agent 维度可调）。支持「一路默认」跳过全部交互。

有任何问题直接问就好，不用客气。

已蒸馏的 Skill

skills/ 目录下包含大量开箱即用的 Skill，覆盖 AI Agent 框架、工具链、安全、数据等领域。

npx skills add agentsope/SkillAlchemy/skills/<skill-name>

也可以直接跟 Claude Code 说：请帮我从 agentsope/SkillAlchemy 安装 Lens 到本地。

边界

不适合资料稀缺的人物复刻——别指望三条新闻就召唤出一个完整的人格。不适合私密人格杜撰——公开资料里没有的内心戏，系统不替人加戏。不适合高风险专业决策——真要签字时，你比所有「乔布斯们」更有用。不适合版权内容改写复用——换个发型不等于换了个人，洗稿也不等于原创。

我们的野心

未来 Agent 的差距，不会只看谁接入了更强的模型。模型会越来越强，也会越来越接近。真正拉开差距的，是 Agent 接入的 Skill。

同一个模型，什么 Skill 都不加载，只是一个会说话的通用大脑。加载了第一性原理 Skill，它就能拆复杂问题。加载了张雪峰 Skill，它就能帮普通家庭算教育账。

Skill 不是 prompt。它是一个人、一套方法、一个领域、一段经验背后的工作方式。

Skill-Alchemy 要做的，就是把 source 背后的判断规则、执行步骤、边界条件和验证标准蒸馏出来，变成 Agent 可以直接加载的 Skill。从此 Skill 不是玄学，不是 prompt 拼凑，而是一条可复现、可验证、可规模化的生产线。