新闻详情

新闻详情

首页 / 资讯中心 / 详情

如何编写自己的AI编程技能:MiniMax Skills技能开发与贡献完全教程

发布时间:2026/11/4 7:42:12来源:尧图网络
如何编写自己的AI编程技能:MiniMax Skills技能开发与贡献完全教程
如何编写自己的AI编程技能MiniMax Skills技能开发与贡献完全教程【免费下载链接】skills项目地址: https://gitcode.com/gh_mirrors/skills18/skillsMiniMax Skills 是一个面向 AI 编程工具的开发技能库让 Claude Code、Cursor、Codex 等 AI 编程 Agent 获得结构化的生产级开发指导。本教程教你从零编写一个属于自己的AI编程技能Skill并顺利提交到社区。你只需要会写 Markdown就能在 skills/ 目录下创建技能让 AI 按你的规范工作——这是提升 AI 编程效率最划算的一步。一、MiniMax Skills 是什么MiniMax Skills 采用技能包Skill的形式每个技能就是一个目录内含一份入口文件SKILL.mdAI Agent 在对话中判断到相关意图后会自动加载该技能并严格按其中的流程执行。目前仓库已收录 16 个官方与社区技能覆盖方向代表技能前端 / 全栈frontend-dev、fullstack-dev移动开发android-native-dev、ios-application-dev、flutter-dev、react-native-dev创意 / 多模态shader-dev、minimax-multimodal-toolkit、minimax-music-gen文档办公minimax-docx、minimax-xlsx、minimax-pdf、pptx-generator完整技能清单可参考中文文档 README_zh.md。二、克隆仓库搭建你的技能开发环境在本地克隆仓库开始开发一个技能 一个目录 一份 SKILL.mdgit clone https://gitcode.com/gh_mirrors/skills18/skills.git开发前务必通读两份官方规范文档CONTRIBUTING.md —— PR 格式、技能结构要求与开发指南.claude/skills/pr-review/SKILL.md —— 自动校验检查与质量审核标准三、技能的标准目录结构一分钟看懂所有技能都遵循统一布局这也是审核脚本检查的核心结构skills/skill-name/ ├── SKILL.md # 必需 —— 带 YAML 头信息的入口文件 ├── references/ # 可选 —— 详细参考资料 │ └── *.md └── scripts/ # 可选 —— 辅助脚本 ├── *.py └── requirements.txt # 若存在 scripts/ 则必需三条硬性规则来自 CONTRIBUTING.md 目录名即技能标识必须用小写kebab-case如gif-sticker-maker✅SKILL.md是唯一必需文件其余全部可选⚠️ 若包含scripts/目录必须提供requirements.txt四、编写 SKILL.md技能的核心入口SKILL.md由两部分组成文件顶部的YAML 前置信息Frontmatter 正文指引。4.1 前置信息AI 识别你的技能靠它--- name: my-skill description: One-paragraph description. Include trigger conditions so the agent knows when to activate this skill. license: MIT metadata: version: 1.0 category: productivity sources: - Relevant documentation or standards ---字段说明字段级别规则name必需必须与目录名完全一致description必需一句话说清做什么 何时触发license推荐缺省按 MIT 处理metadata推荐包含version、category、sources4.2 触发条件写得越准技能激活越稳description里的触发条件决定 AI 何时加载你的技能。参考社区技能 skills/vision-analysis/SKILL.md 的写法——它明确列出了触发关键词analyze、OCR、review…和触发场景用户分享图片路径激活率非常高。技巧先想清楚用户会用什么话术请求这个能力把这些话术和文件扩展名写进description效果立竿见影。五、辅助资料与脚本references 和 scripts 怎么写控制篇幅是关键——技能会被整体加载进 AI 上下文窗口每一个 token 都有成本 单个.md文件保持聚焦超长文档拆分成多部分参考 skills/minimax-docx/references/ 的openxml_encyclopedia_part1/2/3.md拆分方式 不要在 Markdown 里内嵌 base64 图片、完整 API 响应等大块数据严禁硬编码密钥。涉及外部 API 时指引 AI 从环境变量读取密钥并在SKILL.md中把环境变量列为前置条件脚本规范适用于scripts/目录首行写 shebang如#!/usr/bin/env python3提供requirements.txt声明全部依赖出错时给出清晰提示而非裸抛异常堆栈在SKILL.md或参考资料中写明脚本用法可参考 skills/gif-sticker-maker/scripts/ 中的 Python 脚本组织方式。六、提交PR前的完整检查清单6.1 本地运行自动校验最重要的一步python .claude/skills/pr-review/scripts/validate_skills.py该脚本会检查详见 .claude/skills/pr-review/references/structure-rules.md每个技能目录都有SKILL.mdYAML 前置信息可解析、name与目录名一致未检测到硬编码密钥sk-、AKIA、Bearer Token 等模式ERROR 级问题必须清零WARNING 级缺license、metadata建议一并修复。6.2 PR 规范三要素要素要求标题格式遵循 Conventional Commits如feat(my-skill): add new skill for X范围一个 PR 只做一件事新增 / 修复 / 改进不捆绑无关改动描述必须写清What改了什么与Why动机/场景新增技能时记得同步更新 README.md 和 README_zh.md 的技能表格社区技能 Source 列填Community。七、新手常犯的 5 个错误❌name与目录名不一致 —— 校验直接报 ERROR❌description只写功能不写触发条件 —— 技能激活率低❌ 与现有技能功能重叠 —— 优先扩展已有技能而非新建并在 PR 中说明差异❌ 参考文档过长 —— 撑爆上下文AI 反而抓不住重点❌ 忘了同步 README —— 审核时被退回重改八、审核流程与常见问题提交 PR 后的流程很清晰提交 PR → 至少一名维护者审核 → 处理反馈 → 合并。你还可以让 AI 编程 Agent 用仓库内置的 pr-review 技能先帮你自查一遍。有疑问直接开 issue维护者乐于解答。最后提醒技能名称与文件名仅用 ASCII 小写 kebab-caseSKILL.md与代码用英文编写所有文件保持 UTF-8 编码。现在打开仓库创建你的第一个skills/your-skill/SKILL.md把你的经验变成 AI 的能力吧【免费下载链接】skills项目地址: https://gitcode.com/gh_mirrors/skills18/skills创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/3 7:07:39

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/3 12:09:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/3 12:09:41

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉