SKILL-adapter：让SKILL不止只能装入Claude CodeCodexOpenClaw 之类的 coding agent

问题描述：

SKILL

本项目是本人在搭建ai应用过程中，遇到SKILL难以复用的问题而搭建的项目。该文章的攥写可能会存在一些错误的描述，并且在实际场景中还有需要更多的优化。因此，在尝试介绍推广该项目的同时，也希望各位大佬指点一下，如果有兴趣的话，也欢迎各位大佬一起加入到此项目的构建！

仓库链接：GitHub - Yirzzzz/SKILL-adapter: Low-intrusion adapter for integrating SKILL-based routing and prompt augmentation into existing LLM and agent applications. · GitHub

随着 AI Coding 和智能体开发越来越普及，越来越多开发者开始把大模型接入真实应用中。但在这个过程中，一个很常见的问题也逐渐暴露出来：同类 prompt 在不同场景中反复编写、重复维护，导致能力难以复用，系统也越来越臃肿，以 open_deep_research( GitHub - langchain-ai/open_deep_research · GitHub ) 为例，系统会通过不同 prompt 设计来定义研究、压缩、报告生成等不同角色与阶段能力。

image1141×412 41.2 KB

为了解决这种 prompt 冗余和能力分散的问题，Anthropic 在 2025 年 10 月公开发了 Introducing Agent Skills，把 skill 明确描述成一类可复用能力单元，并围绕 SKILL.md、目录结构、动态加载来推广这套机制，把原本散落在代码和 prompt 里的能力，整理成一个可描述、可检索、可复用、可注入的能力单元，从而让智能体系统从“堆 prompt”走向“按需调用能力”。但当你了解更多细节之后，skill其实就是prompt工程的新发展。

例如当前很火的pua, 该项目已经达到了10k

image1307×311 35.8 KB

事实上他的实现就是一个好的prompting工程 （有兴趣的同学也可以去做一些开源的skill去丰富自己的简历）

image1330×492 11.8 KB

可复用的skill也迅速加快了人们对他的使用.除此之外，还可以在不同的社区上找到不同SKILL

• Skills.sh https://skills.sh
• SkillsMP https://skillsmp.com/zh

image1133×757 55.1 KB

SKILL-adapter

这些 skill 很容易装进 Claude Code / Codex / OpenClaw 之类的 coding agent，但对很多自建 LLM 应用、业务 Agent、对话系统来说，并没有一个低侵入接入层。

为了解决这个问题，我开源了SKILL-adapter的轻量级适配层：不要求重写整套 Agent 框架，也不要求迁移现有后端，只需要在原有模型调用前多接一层 adapter layer，就能获得 Skill Routing、Prompt Augmentation 和平滑 fallback. 例如在一个对话场景中，如果我们希望有pua的skill注入，我们还需要去手动修改prompt，一旦有一个新的skill，就得重复、反复的修改，这不仅是一个繁杂的工作，而且对于无需使用的skill还会导致上下文爆炸。

仓库链接：https://github.com/Yirzzzz/SKILL-adapter，希望各位大佬帮忙小弟点点star

在没有skill-adapter的情况下，我们需要在prompt直接加入skill的prompt：

response = client.chat.completions.create( model=‘Qwen/Qwen3-8B’, # ModelScope Model-Id, required messages=[ { ‘role’: ‘user’, ‘content’: ‘<pua.skill> + query’ }], stream=True, extra_body=extra_body )

当我们有了SKILL-adapter之后呢，它通过用户 Query → Skill Routing → Skill 选择 → Prompt Augmentation → 现有 LLM 应用的流程，以低侵入的方式直接接入ai应用中

from skill_adapter import SkillRuntime runtime = SkillRuntime(skill_dirs=\[“./skills”\]) # 定义skills路径 prepared = runtime.prepare( query=“query”, payload={“messages”: \[{“role”: “user”, “content”: “query”}\]}, mode=“messages”, debug=True, ) ​ response = client.chat.completions.create( model=“Qwen/Qwen3-8B”, **prepared.payload, stream=True, extra_body=extra_body )

image1112×491 111 KB

在该项目中，skill的检索召回能力至关重要，目前项目支持四种模式的召回：

1. bm25_sentence (default): BM25 + sentence-transformers hybrid. Fully implemented. Legacy baseline.
2. bm25_bge_m3: BM25 + BGE-M3 dense hybrid. Fully implemented. Recommended baseline for phase-2 benchmark.
3. bge_m3_rerank: BGE-M3 first-stage + reranker pipeline. Implemented (with dependency fallback).
4. bm25_bge_m3_rerank: BM25 + BGE-M3 first-stage + reranker pipeline. Implemented (with dependency fallback).

用户可以根据自己实际的项目需求，配置召回的skill个数以及权重：

from skill_adapter import SkillConfig ​ config = SkillConfig( skill_dirs=\[“./skills”\], # skill 目录 top_k=5, bm25_top_k=8, semantic_top_k=8, max_active_skills=1, #激活skill个数 activation_threshold=0.6, bm25_weight=0.7, semantic_weight=0.3, embedding_model_name=“sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2”, enable_semantic_retrieval=True, enable_bm25_retrieval=True, debug=True, )

除此之外，为了方便对比不同的召回模式，还提供了web服务供用户观察不同query对于skill召回结果

网友解答：

---

--【壹】--：

业务agent一般跑在生产服务器，完整版的skill需要能执行script，这块得考虑下生产环境怎么用。

---

--【贰】--：

感谢支持

---

--【叁】--：

非cli类，支持skill的Gui应用怎么接入? 如 CherryStudio ，RikkaHub。

---

排版修改一下吧

---

--【肆】--：

model=‘Qwen/Qwen3-8B’, # ModelScope Model-Id, required messages=[ { ‘role’: ‘user’, ‘content’: ‘<pua.skill> + query’ } ], stream=True, extra_body=extra_body )

​ runtime = SkillRuntime(skill_dirs=[“./skills”]) # 定义skills路径 ​ prepared = runtime.prepare( query=“query”, payload={“messages”: [{“role”: “user”, “content”: “query”}]}, mode=“messages”, debug=True, ) ​ response = client.chat.completions.create( model=“Qwen/Qwen3-8B”, **prepared.payload, stream=True, extra_body=extra_body )

​ config = SkillConfig( skill_dirs=[“./skills”], # skill 目录 top_k=5, bm25_top_k=8, semantic_top_k=8, max_active_skills=1, #激活skill个数 activation_threshold=0.6, bm25_weight=0.7, semantic_weight=0.3, embedding_model_name=“sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2”, enable_semantic_retrieval=True, enable_bm25_retrieval=True, debug=True, )

---

--【伍】--：

前排支持

---

--【陆】--：

这是不是个半成品？好像没看到提供执行能力的安全沙箱功能说明，或者说只能提供简单的提示词注入。

---

--【柒】--：

感谢兄弟的建议！有时间我会继续推进

---

--【捌】--：

这个不可能，除非客户端自己实现或者提供hook能力

---

--【玖】--：

感谢大佬 ！

---

--【拾】--：

学习了。感谢佬友分享

---

--【拾壹】--：

是的，没错

---

--【拾贰】--：

感谢大佬开源

---

--【拾叁】--：

我去！我去看看

---

--【拾肆】--： 三金:

openskill

佬友这个开源社区指GitHub？？

---

--【拾伍】--：

佬，开源社区还有个 openskill，好像和你这个功能类似