> ## Documentation Index
> Fetch the complete documentation index at: https://docs.trae.cn/llms.txt
> Use this file to discover all available pages before exploring further.

本文为 Skill 设计与开发的一站式最佳实践指南，可助力你：

* 系统厘清 Skill 的定义，规避常见认知误区；
* 掌握高命中率、高稳定性 Skill 的设计标准与核心原则；
* 掌握让 Skill 可维护、可扩展的技巧；
* 掌握 “评测驱动、失败优先” 的 Skill 构建与迭代流程；
* 依托 AI 高效完成 Skill 的创建与迭代；
* 凭借反模式检查清单，精准规避 Skill 开发中的典型问题。

## 什么是 Skill？ {#289377f0}
### 定义 {#8c2892db}
一个 Skill 是一份清晰、严谨、可执行的指令文档，用于明确告诉模型——在什么条件下（When），按照哪些步骤（How），产出什么结果（What）。
### 常见认知误区 {#2da3c4bd}
在编写 Skill 之前，建议先了解以下几个常见误区。这些问题往往会直接导致 Skill 难以被正确触发，或在执行过程中表现不稳定。

* **误区一：Skill 等同于一段 Prompt**
   Skill 并不是一次性的对话提示。它是一个可长期复用、输入输出明确的能力模块，强调的是稳定、确定且易于工程化维护。而 Prompt 更偏向临时性、探索性和即兴交互，两者在设计目标和工程要求上完全不同。
* **误区二：Skill 是写给人看的文档**
   Skill 的目标不是解释原理，而是下达指令。`SKILL.md` 文件的内容应使用模型可解析的结构化语言，明确约束其行为边界，并精确描述何时使用（When）、如何执行（How）、输出结果（What）。
* **误区三：Skill 越复杂越强大**
   复杂度并不与 Skill 的能力强度挂钩。模型的推理与决策成本是显著的。职责单一、边界清晰的 Skill，更容易在正确的时机被选中并稳定执行。过于复杂的 Skill 反而会降低命中率。
   :::tip 提示
   模型的上下文窗口是有限且宝贵的公共资源。每一个被加载的 Skill 都在竞争有限的上下文资源。因此，Skill 文档应以最小必要信息为目标，避免冗余解释与不必要的背景铺垫。
   :::

## Skill 的设计标准与原则 {#ace8d249}
以下标准是构建高命中率、高稳定性 Skill 的基础。可将其作为设计与评审 Skill 时的检查清单。
### 精准的元数据内容 {#409a339c}
Skill 的元数据（`name` 和 `description`）是模型发现和识别 Skill 的入口，其设计直接影响触发准确率。
<!-- @cols-width: 111,360,393 -->
| | | | \
|**元数据字段** |**规范** |**示例** |
|---|---|---|
| | | | \
|name |用于识别 Skill。应遵循以下规范： |\
| | |\
| |* 简洁、唯一的标识符 |\
| |* 使用小写字母、数字和连字符（`-`） |\
| |* 推荐使用动名词（Gerund form） |\
| |* 长度不超过 64 个字符 |**✅ 好的例子：** |\
| | | |\
| | |* `running-tests` |\
| | |* `deploy-microservice` |\
| | |* `database-migration` |\
| | | |\
| | | |\
| | |--- |\
| | | |\
| | | |\
| | |**❌ 坏的例子：** |\
| | | |\
| | |* `test-helper`（语义模糊） |\
| | |* `data-skill-v2`（冗余且含版本信息） |\
| | |* `deployService`（命名不规范） |
| | | | \
|description |用于描述 Skill 的能力及适用场景。应遵循以下规范： |\
| | |\
| |* 使用第三人称，从模型视角描述 |\
| |* 包含核心功能与触发时机的关键词 |\
| |* 长度不超过 1024 个字符 |**✅ 好的例子：** |\
| | |“Review code for quality, correctness, and maintainability. Use when evaluating pull requests, refactoring existing code, or when the user asks for feedback on implementation details, edge cases, or potential bugs”。 |\
| | | |\
| | |--- |\
| | | |\
| | | |\
| | |**❌ 坏的例子：** |\
| | | |\
| | |* “I can help you review code”（第一人称） |\
| | |* “Helps with code review”（缺乏触发时机） |

### 指导方式的自由度分级 {#45e7a110}
根据任务复杂度与容错要求，合理控制对模型的约束强度。
<!-- @cols-width: 111,209,127,500 -->
| | | | | \
|**自由度等级** |**适用场景** |**指导方式** |**示例** |
|---|---|---|---|
| | | | | \
|高 |* 存在多种有效方法 |\
| |* 模型的决策依赖上下文 |提供启发式策略（给原则） |代码审查：先看安全性，再看可读性 |\
| | | |```YAML |\
| | | |--- |\
| | | |name: code-review |\
| | | |description: 当用户需要对代码进行审核时，基于代码实现与通用开发规范，分析逻辑正确性、可维护性和潜在风险，并给出改进建议。 |\
| | | |``` |\
| | | | |
| | | | | \
|中 |* 存在首选模式 |\
| |* 允许一定程度的变通 |\
| |* 行为受配置参数影响 |提供模板/伪代码（给框架） |报告生成：按"摘要-分析-建议"结构 |\
| | | |```YAML |\
| | | |--- |\
| | | |name: report-generator |\
| | | |description: 当用户需要生成报告时，按照“摘要-分析-建议”的结构整理信息，输出清晰、条理化的报告内容 |\
| | | |template: | |\
| | | |  摘要： |\
| | | |  - 简要概述核心信息或问题点 |\
| | | | |\
| | | |  分析： |\
| | | |  - 详细分析背景、原因、数据或逻辑 |\
| | | |  - 列出关键发现和关联因素 |\
| | | | |\
| | | |  建议： |\
| | | |  - 针对分析结果提出具体可行的改进方案或行动建议 |\
| | | |  - 如有优先级或风险提示，可附上 |\
| | | |``` |\
| | | | |
| | | | | \
|低 |* 操作脆弱且易错。 |\
| |* 一致性至关重要。 |\
| |* 必须遵循特定序列。 |提供可执行的脚本（给代码） |数据库迁移：按固定顺序执行脚本 |\
| | | |```YAML |\
| | | |--- |\
| | | |name: database-migration |\
| | | |description: 当用户需要执行数据库迁移时，按预定义顺序执行 SQL 或迁移脚本，确保数据和结构一致性 |\
| | | |template: | |\
| | | |  迁移计划： |\
| | | |  1. 准备阶段： |\
| | | |     - 备份现有数据库 |\
| | | |     - 验证目标环境配置 |\
| | | |  2. 执行阶段（按顺序执行脚本）： |\
| | | |     - 脚本 001_create_users_table.sql：创建用户表 |\
| | | |     - 脚本 002_add_email_index.sql：为用户表添加邮箱索引 |\
| | | |     - 脚本 003_update_roles.sql：更新角色字段数据 |\
| | | |  3. 验证阶段： |\
| | | |     - 检查数据完整性 |\
| | | |     - 验证关键功能是否正常 |\
| | | |  4. 回滚（可选）： |\
| | | |     - 如出现异常，按回滚方案恢复数据库 |\
| | | |``` |\
| | | | |

### 五个核心标准 {#9a360015}
<!-- @cols-width: 130,355,378 -->
| | | | \
|**标准** |**描述** |**示例** |
|---|---|---|
| | | | \
|边界明确 |模型最容易犯的错误不是“不知道怎么做”，而是“不知道什么时候该做”。Skill 的触发必须有明确的正向条件和负向条件，否则命中率会很低。 |**✅ 边界清晰：** |\
| | |`Use this skill when:` |\
| | | |\
| | |* 用户意图是触发 CI/CD 流水线执行单元测试。 |\
| | |* PR 状态为“待合并”，需要执行自动检查或 lint 校验。 |\
| | | |\
| | |`Do NOT use this skill when:` |\
| | | |\
| | |* 用户只是查看测试报告或 CI/CD 状态。 |\
| | |* PR 内容没有代码改动，仅修改文档或注释。 |\
| | | |\
| | | |\
| | |--- |\
| | | |\
| | | |\
| | |**❌ 边界不清晰：** |\
| | |`Use this skill when:` |\
| | | |\
| | |* 用户想让流水线跑一下测试。 |\
| | |* PR 有代码改动或文档改动。 |\
| | | |\
| | |`Do NOT use this skill when:` |\
| | | |\
| | |* 用户只是在看 PR。 |
| | | | \
|输入输出结构化 |与模型沟通时，需要定义双方都能理解的“共同语言”，避免模糊描述。推荐用类似函数签名的方式明确 Input 和 Output，保证可解析性。 |\
| | |**✅ 结构化定义：** |\
| | |```YAML |\
| | |Input: |\
| | |- prId: string       # PR 编号 |\
| | |- branch: string     # 分支名称 |\
| | |- runTests: boolean  # 是否执行单元测试 |\
| | |Output: |\
| | |- success: boolean           # 是否成功执行 |\
| | |- testReport?: object[]      # 测试报告（可选） |\
| | |- errorMessage?: string      # 错误信息（失败时返回） |\
| | |``` |\
| | | |\
| | | |\
| | |--- |\
| | | |\
| | | |\
| | |**❌ 模糊描述：** |\
| | |“帮用户跑测试并返回结果。” |
| | | | \
|步骤明确、可执行 |Skill 的核心是“步骤”，必须是**指令式、具体动作**，而不是概括性描述，确保模型可以按步骤执行。 |**✅ 指令式步骤：** |\
| | |```YAML |\
| | |Steps: |\
| | |1. Validate PR: 检查 prId 和 branch 是否有效。 |\
| | |2. Checkout branch: 切换到指定分支。 |\
| | |3. Run tests: 根据 runTests 参数执行单元测试。 |\
| | |4. Collect results: 收集测试结果。 |\
| | |5. Update PR status: 将测试状态回写到 PR。 |\
| | |6. Notify user: 若测试失败，返回错误信息。 |\
| | |``` |\
| | | |\
| | | |\
| | |--- |\
| | | |\
| | | |\
| | |**❌ 描述性语言：** |\
| | |“检查 PR，运行测试，然后更新状态。” |
| | | | \
|失败策略完备 |模型在失败时容易自由发挥，可能产生不可预期的行为。必须明确定义“失败路径”，告诉模型在不同失败情况下如何处理。 |失败策略示例： |\
| | |```YAML |\
| | |On Failure: |\
| | |- Validation fails: 返回 400 Bad Request，并附上具体错误信息。 |\
| | |- Test execution fails: 自动重试一次，仍失败则返回 “单元测试未通过，请检查日志”。 |\
| | |- CI/CD 服务不可用: 重试最多 3 次，仍失败则记录日志并通知管理员。 |\
| | |``` |\
| | | |
| | | | \
|职责绝对单一 |每个 Skill 只做一件事，对应一个核心动作动词。避免把多个功能捆绑在一个 Skill 中，否则复杂性和不确定性会增加，模型难以准确理解。 |✅ **单一职责：** |\
| | | |\
| | |* `running-unit-tests`：只负责执行单元测试 |\
| | |* `updating-pr-status`：只负责更新 PR 状态 |\
| | |* `sending-notification`：只负责发送通知 |\
| | |* `running-lint-check`：只负责执行 lint 校验 |\
| | | |\
| | | |\
| | |--- |\
| | | |\
| | | |\
| | |**❌ 功能捆绑：** |\
| | |一个 Skill 同时完成“运行测试 + 更新 PR 状态 + 发送通知 + 执行 lint 校验”。 |

## 让 Skill 可维护与可拓展 {#a6ba3bc8}
为了确保 Skill 在长期运行中保持稳定、易用且可持续拓展，需要从信息结构、工作流设计和脚本可靠性三个维度进行规划。
### 渐进式披露 {#08c64c3f}
`SKILL.md` 应当作为 Skill 的入口和导航，而不是一个包罗万象的大文件。详细的参考资料、示例、脚本或文档应拆分成独立文件，从而减轻模型初次加载的负担，让信息按需流动。

* **信息架构原则：从简单到复杂**
   一个 Skill 的目录可以随着功能扩展逐步演化：从单一文件演化为由多个参考文件和脚本组成的结构。通过渐进式披露，模型能快速抓住核心信息，再深入了解细节。
* **最佳实践**
   * **保持** **SKILL.md 简洁**：主体内容尽量控制在 500 行以内，只包含必要信息。
   * **避免深度嵌套**：所有引用文件最好直接由 `SKILL.md` 链接，保持一层引用深度，避免链式引用（A → B → C），防止模型只读取部分内容。
   * **为长文件添加目录**：对于超过 100 行的参考文件，在文件顶部添加一个目录（Table of Contents），帮助模型快速了解文件结构。
* **示例**
   以下为一个渐进式披露的 `SKILL.md` 示例：
   ```Markdown
   # SKILL.md
   
   ## 基础用法
   描述如何触发 CI/CD 流水线：
   - 检查 PR 状态
   - 执行单元测试
   - 更新 PR 测试状态
   
   ## 高级功能
   详细说明请参见 `ci-advanced-features.md`：
   - 并行执行多分支测试
   - 条件触发不同类型的测试
   - 自定义失败处理策略
   
   ## API 参考
   所有方法与参数说明请参见 `ci-api-reference.md`：
   - startPipeline(prId: string, branch: string)
   - getPipelineStatus(pipelineId: string)
   - cancelPipeline(pipelineId: string)
   ```


### 工作流与反馈闭环 {#ded16c35}
对于包含多个步骤、且中间结果会影响最终质量的复杂任务，仅提供最终目标是不够的。必须显式定义工作流和检查清单，引导模型按步骤执行，并在关键节点建立 “验证 → 修正 → 再验证” 的反馈闭环。
工作流负责约束任务执行顺序，检查清单负责追踪任务的执行状态和质量。两者结合可以显著降低遗漏和跑偏的风险。

* **分析类任务的工作流**
   即使不涉及代码，分析类任务同样适合使用工作流。 检查清单可以帮助模型明确以下信息：当前做到哪一步、是否可以进入下一步。例如：
   ```Plain Text
   ## 技术方案评估工作流
   
   在开始执行前复制以下清单，并在每一步完成后显式标记状态。
   
   - Step 1：明确业务目标与技术约束（性能、成本、时限）
   - Step 2：列出所有可行的技术方案
   - Step 3：从复杂度、可维护性、风险角度逐一评估
   - Step 4：对关键差异点进行对比分析；(反馈闭环) 若发现关键信息不足，应返回 Step 2 或 Step 3 补充分析
   - Step 5：给出结论性建议，并说明取舍理由；(反馈闭环) 若结论无法支撑目标约束，应重新审视 Step 1 的前提条件
   ```

* **代码类任务的工作流**
   代码类任务往往伴随不可逆或影响范围较大的操作，例如重构、依赖升级或配置变更。通过 “计划 → 验证 → 执行” 模式，可以有效降低误操作风险。例如：
   ```Plain Text
   ## 依赖版本升级工作流
   
   - Step 1（Plan）：
     - 识别需要升级的依赖及当前版本
     - 阅读目标版本的 Release Notes 与 Breaking Changes
   - Step 2（Plan）：
     - 更新依赖配置文件（如 package.json / go.mod）
     - 标注可能受影响的模块
   - Step 3（Validate）：
     - 执行依赖冲突检查与静态构建（运行 dependency_check.sh）
     - 确认无版本冲突或构建失败
     - (反馈闭环) 若校验失败，必须回退到 Step 2 调整依赖配置
   - Step 4（Execute）：
     - 安装新版本依赖
     - 运行完整测试集
   - Step 5（Validate）：
     - 检查核心功能是否受影响
     - 对比升级前后的构建与运行结果
     - (反馈闭环) 若出现回归问题，应回滚升级并记录风险点
   ```


### 可执行脚本的加固原则 {#40a18ec0}
当 Skill 依赖可执行脚本时，脚本的健壮性应始终优先于代码的巧妙性。
Skill 本身不会理解或阅读你的代码逻辑，它只感知输入与输出。一旦脚本行为不可预测，模型就只能猜测，最终导致不稳定或错误的调用结果。因此，脚本必须做到：失败可预期、输出可理解、参数可解释。

* **显式处理错误，而不是让模型猜**
   不要将异常直接抛给模型处理。脚本应覆盖常见错误场景，并将技术异常转化为可理解、可决策的输出。
   **实践要点**：
   * 捕获常见异常（如文件缺失、权限不足、配置错误）。
   * 为每类错误返回清晰的错误原因和下一步建议。
   **示例**：配置文件校验脚本
   ```Plain Text
   ERROR: Config file not found: ./deploy.yaml
   HINT: Please check whether the file path is correct or run init-config.sh to generate a default config.
   ```

*  **输出自解释的日志与验证结果**
   脚本的输出本身就是模型的上下文。一个好的脚本不仅说明发生了什么，还说明为什么会这样，以及接下来可以怎么做。
   **实践要点**：
   * 成功路径和失败路径都要有明确输出。
   * 验证类脚本应明确列出通过项与失败项。
   **示例**：构建环境检查脚本
   ```Plain Text
   CHECK FAILED: Node.js version mismatch
   - Required: >= 18.0.0
   - Detected: 16.14.0
   
   VALID OPTIONS:
   1. Upgrade Node.js to a supported version
   2. Switch to a compatible build image
   ```

* **避免魔法数字，让参数有来由**
   脚本中的常量（如 `TIMEOUT = 30`）如果缺乏解释，模型和人都无法判断它是否合理。任何影响行为的数值，都应该是可解释、可调整的。
   **实践要点**：
   * 为常量添加语义化名称。
   * 说明数值来源或设计依据。
   * 必要时允许通过参数覆盖默认值。
   **示例**：部署等待脚本
   ```Plain Text
   TIMEOUT_SECONDS = 30  # Wait up to 30s because service startup usually completes within 10–20s
   ```

   或在输出中体现：
   ```Plain Text
   INFO: Waiting for service to become healthy (timeout: 30s)
   ```


## 构建与迭代 Skill 的最佳流程 {#84407221}
Skill 的开发是一个以失败为起点、评测为牵引，持续迭代优化的工程化过程。
评测并非事后的验证环节，而是 Skill 设计的前提；Skill 也非基于假设的规则集合，而是针对已暴露问题的最小化解决方案。
遵循 “评测驱动、失败优先” 的原则，能确保 Skill 在实际使用场景中拥有清晰的能力边界、稳定的运行表现，以及可回归的质量保障体系。
### 第一步：建立 ”无 Skill“ 基线，识别真实问题 {#6306a7a8}
在编写任何 Skill 之前，应先不使用 Skill，直接让模型执行目标任务，作为基线对照。
重点观察并记录以下问题：

* 模型在哪些情况下表现不稳定或结果不可复现；
* 哪些输入会引发歧义、误解或走偏；
* 模型是否在错误的时机尝试“主动帮忙”。

这些失败点和不确定行为，本质上就是 Skill 需要解决的真实能力缺口，也是后续评测用例的来源。
### 第二步：以 “失败优先” 为原则，定义评测用例 {#19deb719}
明确核心问题后，需优先编写评测用例，而非直接开发 Skill。评测是约束，Skill 是落地实现。脱离评测约束的 Skill，本质上是在放大模型的行为不确定性。
评测的核心作用是约束 Skill 的行为边界，明确以下信息：

* 什么场景下属于 Skill 的正确使用范围？
* 什么场景下 Skill 必须拒绝执行或判定为失败？
* 什么样的输出结果才算稳定可用？

推荐做法：

* 针对已识别的问题，设计 3–5 个具体、可复现的评测用例；
* 每个用例均需明确 “通过 / 失败” 的判定标准；
* 优先覆盖模型最易误用 Skill 的场景。

### 第三步：编写最小化 Skill，明确最短成功路径 {#adce4cbc}
在评测已经存在的前提下，开始编写 Skill。
此阶段不追求覆盖所有情况，而是只编写刚好能够通过当前评测的最小规则集合，重点关注三个要素：

* **明确失败条件**
   将评测中识别的失败场景，显式写入 Skill 中，作为第一层防护，避免 Skill 被误触发或滥用。
* **定义最短成功路径**
   清晰描述 Skill 最简单、最核心的执行流程，确保最精简的有效输入能得到可预测的稳定输出。
* **保持职责单一**
   单个 Skill 仅解决一个明确问题，对应一个核心动作，避免在早期引入额外复杂度。

这一阶段的 Skill，是评测结果的直接产物，而非凭经验预判的方案。
### 第四步：补充边界条件与结构化示例 {#f4dd5709}
当最短成功路径能稳定通过评测后，再逐步扩展 Skill 的适用范围。
完成以下三项核心工作：

* 补充更多边界场景及对应的行为约束；
* 明确 Skill 输入（Input）和输出（Output）的结构化定义；
* 补充关键的输入、输出示例，帮助模型对齐行为预期。

**核心原则**：所有新增规则，均需对应新增或已有评测用例，避免在无评测支撑的情况下将 Skill 复杂化。
### 第五步：评测回归与持续迭代 {#b517bc9d}
Skill 的迭代，需始终与评测结果强绑定，遵循以下规则：

* 新增评测用例，然后推动 Skill 的增量修改；
* 对 Skill 的任意修改，都必须通过已有评测的回归验证；
* 若评测未通过，优先简化 Skill，而非盲目叠加新规则。

通过持续对比模型在 “无 Skill 基线” 与 “当前 Skill + 评测” 中的表现，可验证该 Skill 是否真正提升了模型执行目标任务的成功率与稳定性。
### 第六步：结合真实使用路径进行校准 {#fe04a44e}
评测仅能覆盖已知问题，在真实场景中使用 Skill 时，可能会暴露更多新的问题。
在 Skill 实际使用过程中，需持续观察以下情况：

* 模型是否在非预期场景下误触发 Skill？
* 模型执行 Skill 时，是否遗漏关键参考文件或上下文？
* 模型是否会反复读取某一段内容，形成隐性依赖？

上述这些信号，均需作为新的评测输入，重新进入 Step 2，形成 Skill 迭代的闭环。
## 巧妙使用 AI 来创建和迭代 Skill {#7d69d9e1}
在创建和迭代 Skill 的过程中，可以多用 AI。你负责定义问题和验收结果，AI 负责反复试错、总结规律并封装成可复用的 Skill。
### 阶段一：初次创建（从具体任务中抽象） {#fb851d65}
让 AI 从真实任务中抽象出创建 Skill 所需的信息，然后创建初版 Skill。

1. **让 AI 直接执行真实任务**
   提供完整目标与上下文，让 AI 自行尝试完成任务。执行过程中的追问、走偏和修正，本质上就是一次“隐式评测”。
2. **引导 AI 进行结构化复盘**
   任务完成后，要求 AI 从以下维度复盘：
   * 成功执行任务的完整步骤；
   * 任务执行过程中的不确定性与失败点；
   * 可抽象的固定流程与判断逻辑；
   * 该流程和判断逻辑的适用场景与不适用场景。
3. **基于复盘生成 Skill 初稿**
   要求 AI 按 Skill 规范生成 `SKILL.md`，明确：触发条件（When）、如何执行（How）、输出结果（What）、预设失败策略。
4. **人工快速评审并入库**
   你只需关注边界是否合理、步骤是否可执行，其余交由 AI 完成。确认后，让 AI 调用 `skills-creator` 正式创建该 Skill 并添加至你的项目。

### 阶段二：持续迭代（从使用反馈中优化） {#93a8ecf0}
当 Skill 在使用中暴露新问题时，对其进行优化。

1. **对齐偏差来源**
   引导 AI 分析问题源自 When / What / How 中的哪一部分。
2. **直接修改 Skill 并验证回归**
   更新 `SKILL.md`，并同时验证：
   * 确保本次迭代未破坏原有的“黄金路径”。
   * 确保新发现的错误场景已被覆盖。

### 在 TRAE 中创建 Skill 的其他方式 {#5282ab1b}
除了通过 AI 对话创建 Skill 外，你还以手动创建或导入外部 Skill。详细说明参考[创建技能](/ide/skills#8be9a856)。
## 附录：反模式检查清单 {#460e3ee1}
本表列出了在 Skill 开发中常见的反模式（Anti-Patterns），以及相应的原因、正确示例和错误示例。通过遵循这些规范，可以提升 Skill 的稳定性、可维护性和跨平台兼容性，避免模型误用或运行失败。
该检查清单可作为开发、评审和迭代 Skill 时的快速参考。
<!-- @cols-width: 184,342,500 -->
| | | | \
|**反模式** |**原因** |**示例** |
|---|---|---|
| | | | \
|使用 Windows 风格路径 |跨平台兼容性差，Unix/Linux 系统会报错。 | **✅ 正确：** |\
| | |`configs/deploy.yaml` |\
| | | |\
| | |--- |\
| | | |\
| | | |\
| | | **❌ 错误：** |\
| | |`configs\deploy.yaml` |
| | | | \
|提供过多选择 |\
| |过多选项会令模型困惑，增加决策成本与不确定性。 |\
| |当存在多个选项时，Skill 必须指明一个“默认路径”。 |**✅ 正确：** |\
| | |"默认使用 PostgreSQL 作为数据库（适用于常规生产和测试环境）。仅在对兼容性有特殊要求或客户已有 MySQL 环境时，才使用 MySQL"。 |\
| | | |\
| | |--- |\
| | | |\
| | | |\
| | |**❌ 错误：** |\
| | |"你可以用 PostgreSQL，或者 MySQL，或者 SQLite，或者 Oracle…"。 |
| | | | \
|包含时效性信息 |信息容易过期，导致 Skill 不可用。 |**✅ 正确：** |\
| | |将旧版本配置放入 `deprecated/` 文件夹，并注明“不再推荐使用”。 |\
| | | |\
| | |--- |\
| | | |\
| | | |\
| | |**❌ 错误：** |\
| | |"如果在 2025 年 8 月之前，请使用旧 API；之后请使用新 API。" |
| | | | \
|术语不一致 |增加模型的理解成本，降低 Skill 可用性。 |**✅ 正确：** |\
| | |始终使用 "Service Endpoint"。 |\
| | | |\
| | |--- |\
| | | |\
| | | |\
| | |**❌ 错误：** |\
| | |混用 "Service Endpoint", "API URL", "Endpoint Path"。 |

##  {#bbf32b02}