skill-siphon
Health Pass
- License — License: MIT
- Description — Repository has a description
- Active repo — Last push 0 days ago
- Community trust — 23 GitHub stars
Code Pass
- Code scan — Scanned 1 files during light audit, no dangerous patterns found
Permissions Pass
- Permissions — No dangerous permissions requested
No AI report is available for this listing yet.
吸星大法.skill(Skill-Siphon)是一个面向 Agent Skill 的学习提炼工具:它把优秀 skill 里高手已经写下来的经验,提炼成人能学懂、能练习、能用到自己工作里的资料。实现效果:隔空吸纳、汇入经脉、炼化内力、凝成精华。它通用适配各种支持 Skill 的 Agent 工具,可帮你从高星/热门 skill 或指定 skill 中提炼核心经验,默认生成学习指南、上手实践、来源与边界三类资料。仓库地址:https://github.com/JL-GUO/skill-siphon 路过留下个star再走吧~非常感谢!
📚 收藏了几百个 skill,真正学到手的有几个?
🌟 高星 skill 里写满了门道,读完却只记住几句口号?
🎯 想入门一个新领域,不知道先看什么、凭什么判断好坏?
吸星大法是一枚 Agent Skill:把优秀 skill 里可学习的工作经验吸纳进来,凝练成你能理解、能练习、能用上的学习资料——学会这项工作怎样做、为何这样做、怎样判断好坏,以及情况变化时如何调整。判断力,包含在实际工作能力之中。
一个领域 / 一个高星 skill → 搜索与选择 → 深读技能源 → 凝练核心经验 → 三份学习资料 → 你的判断力
✨ 它做什么
给它一个学习目标,它去吸纳该领域有分量的 skill,列出 3–5 个有区别的候选等你选定;给它一个明确的 skill(名称 / 路径 / 链接),它直接开卷深读。然后沿引用读到经验真正成立的位置,把步骤背后的门道、取舍和例外凝练出来,转成新手学得懂、用得上的资料。
它不是什么
- ❌ 不是 skill 安装器——分析技能源 ≠ 执行它的安装与外部操作指令
- ❌ 不是资料搬运工——不逐条换词复述原指令,只凝练会改变做法、结果或判断的内容
- ❌ 不是速成承诺——不许诺一次阅读就拥有高手的全部本领,能力要靠应用和反馈形成
🧠 工作原理
| 阶段 | 关键问题 | 对应模块 |
|---|---|---|
| 1️⃣ 确定学习对象 | 学谁?凭什么选它? | find_skills.md |
| 2️⃣ 读到经验成立处 | 门道藏在哪些文件、哪些分支里? | SKILL.md 第二节 |
| 3️⃣ 凝练核心经验 | 哪些内容会改变行动?取舍丢了吗? | distillation.md |
| 4️⃣ 转成新手能懂 | 术语翻译了吗?案例走得通吗? | teaching.md |
| 5️⃣ 生成三份资料 | 学什么、怎么练、来源在哪 | deliverables.md |
| 6️⃣ 检查并交付 | 来源可追?读者能行动?文件可用? | SKILL.md 第六节 |
📦 交付产物
默认三份 Markdown,写入你指定的位置(未指定时为当前工作区 学习输出/{主题}/):
| 文件 | 应包含的实质内容 |
|---|---|
| 01_学习指南.md | 学什么、适合谁、需要什么最少基础;核心经验、具体做法、理由、取舍、常见错误与合格标准 |
| 02_上手实践.md | 一个规模可控的完整演示;有内容的示范产物;可迁移到自己任务的工作表与检查工具 |
| 03_来源与边界.md | 选定来源、热度口径与日期、阅读范围、核心经验出处,以及重要修正、教学补充和资料缺口 |
内容短小可合并,复杂合集按连贯主题拆分;不为每个经验新增一个文件。需要 Word / PDF 时按可用工具转换。
⚡ 安装
🤖 给 Agent 的一句话安装
装好后直接告诉你的 agent:
> 从 https://github.com/JL-GUO/skill-siphon 安装吸星大法技能,并确认本环境能发现它。
👤 手动安装
git clone https://github.com/JL-GUO/skill-siphon
# 把 skill-siphon 整个文件夹放进你所用应用的 skills 目录
将完整文件夹放入所用应用支持的 skills 目录(例如 WorkBuddy 的 ~/.workbuddy/skills/),按该应用的加载机制启用。
基于开放的 Agent Skills 协议(SKILL.md + references/),可在 WorkBuddy、Claude Code、Codex、Cursor、Gemini CLI、OpenCode、DeepSeek Harness 等兼容 runtime 中使用。
🚀 用法
给它一个领域,让它帮你寻访高手:
你 ❯ 我想学用户研究,帮我找这个方向的高星 skill,让我选一个来学。
吸星 ❯ (列出 3–5 个候选:能学什么、适合谁、来源、热度口径与日期、选择理由与局限……)
选定后开始吸纳:
你 ❯ 我选候选 2,重点学它怎样判断用户访谈中的有效信息。
吸星 ❯ (生成 01_学习指南.md / 02_上手实践.md / 03_来源与边界.md)
也可以直接点名,跳过候选阶段:
你 ❯ 提炼这个 skill:〔路径或链接〕,把经验转成适合新手学习和实际使用的资料。
你 ❯ 刚才例子太专业,请用更容易理解的情境讲同一项经验。
交互规则:只给领域时,先搜候选、等你选择;给出明确 skill 时,直接深读凝练。联网不可用时如实说明降级方式,不假装拿到了实时热门榜。
🌰 蒸馏尺度:一个实例
源 skill 里一句话规则:"检查提升是否来自新模块,必要时做消融实验。"
吸星大法不会把这句口号抄给你,而是凝练到能行动为止:
系统更好了,还要找出是谁的功劳
假设你做了一个资料问答助手,同时换了更强的模型、改了检索,又加了一个"答案检查"模块。最终答对的问题更多,你还不能确定主要是谁带来的。
先拿"新模型 + 新检索"作比较对象,再加上答案检查模块,其他关键条件尽量保持一致。如果前后表现没有可靠差别,就还没有证据说明检查模块提高了正确率;如果它减少了错误但明显拖慢回答,还需要判断这项代价是否符合实际用途。
这类移除或加入一个部件的比较,叫消融实验。它帮助我们分清"整体方案有用"和"某个机制有效"。
并配上可迁移工作表:我想判断哪个改动?比较时保留什么、改变什么?用何种指标?哪些结果会让我保留、修改或放弃它?
这就是"从步骤走到门道"的尺度——动作、理由、取舍、检验一个不少,但没有一句空泛口号。完整示例见 references/example.md。
📐 诚实边界
吸星大法对以下几点保持诚实,也建议你这样使用它:
- 热度是线索,不是担保。 仓库星数与单个 skill 的安装量分开记录、注明日期;高星用作发现线索,经验质量仍由内容判断。拿不到的值写"未核实",不用 0 代替。
- 分析 ≠ 授权。 技能源作为分析材料,其安装、执行或外部操作指令不自动构成本次任务授权。多数学习任务只需读取。
- 身份分清。 源文规定、分析解释与教学补充分开标注;不替原作者作没有依据的保证,原文没展示的功能不补成事实。
- 不许诺速成。 资料未覆盖整个领域时,说明本次学到哪项工作;能力通过应用和反馈检验形成。
- 尊重来源。 输出保留原 skill 的署名与许可证信息;分发原文或大量改编前查看相应许可条件。
🗂 仓库结构
skill-siphon/
├── SKILL.md # 吸星大法本体:完整学习流程(找对象→深读→凝练→教学→交付)
├── references/
│ ├── find_skills.md # 内置 skill 发现模块:搜索、核对、排序、降级
│ ├── distillation.md # 深度提炼方法:从步骤走到门道
│ ├── teaching.md # 表达与示例方法:新手学得懂,专业深度不丢
│ ├── example.md # 提炼尺度示范片段:消融实验实例
│ └── deliverables.md # 交付约定:三份资料的合格标准
├── agents/
│ └── openai.yaml # Agent 界面元数据
├── assets/
│ ├── banner.svg # 仓库横幅
│ ├── hero-art.jpg # 头图插画 · 技能炼化图卷(中文版)
│ ├── hero-art-en.jpg # 头图插画 · 羊皮纸技能汲取(英文版)
│ ├── workflow.svg # 工作原理流程图
│ └── wechat-qrcode.jpg # 公众号二维码
├── README.md # 你正在读的文件
├── README_EN.md # English version
├── CONTRIBUTING.md # 贡献指南
└── LICENSE # MIT
🤝 贡献
欢迎 issue 和 PR——但有一条核心规则先说清:
SKILL.md与references/是本仓库的核心方法论,不接受外部 PR 直接修改。 发现方法论的 bug 或改进点请开 issue 讨论;被采纳的想法由维护者实现并在 commit 中致谢。
文档翻译、错别字修复、示例补充可直接 PR。完整规则见 CONTRIBUTING.md。
📄 许可证
MIT — 随便用,随便改,随便造。
📮 关注我的公众号
我在运营个人公众号 「AI买家秀」——分享 AI 工具的实测体验、使用心得与科普内容,把吹上天的 AI 落地回人间。如果你也在摸索怎么把 AI 用进真实工作,欢迎扫码关注。
微信扫码,关注「AI买家秀」
Reviews (0)
Sign in to leave a review.
Leave a reviewNo results found