Skill 该不该装？archscribe-skill 可视化生图快速看透一个陌生的 skill
Skill 装得越多效果越差；可视化是 5 分钟筛掉一个陌生 skill 的最快工具。
- 数量上限：相关研究显示 7-10 个 是单 agent 装 skill 的甜点，超过会显著掉效果
- 挑选两条件：取"充分理解"+"实际在用"的交集，任一不满足就别装
- 可视化筛选 Archscribe：把 SKILL.md 转可编辑 excalidraw + 动画 GIF，比逐字读快 5 倍
- 飞书 Coze 案例：五类功能各一张图，整体 5 分钟扫完
- 5 项硬指标：目录结构 / 触发条件 / 外部依赖 / 失败预案 / 不冲突，全过才装
Skill 不是装得越多越好
业界早就测过：每个 agent 同时挂的 skill 数量有甜点，超过之后不是"能力更广"而是"准确率断崖"。
具体数字不同研究有出入，但口径一致——单 agent 的 skill 数量保持在 7-10 个 最稳：
- 少了不够用，多了 agent 在多个 skill 之间反复横跳
- 这与模型能力正相关：模型越强，能稳定调度的上限越高；7-10 是稳妥起跑线，不是上限
- 一个反面验证：把自己常用的 30 个 skill 全塞进同一个 agent，定位单个 skill 的命中率，比手动选更差
所以"我多装几个以防万一"是个反直觉、且非常危险 的想法。
挑 skill 的两条铁律
数量收到 10 以内 后，挑哪个不挑哪个就变成核心决策。判定标准就是这两条的交集：
- 充分理解 — 你能讲清这个 skill 的输入输出、调用前置条件、典型失败模式
- 实际在用 — 上一周真的调过它，不是"先装着以后可能用得上"
两条都满足 → 装。任一不满足，听上去再炫也不装。
用大白话说：装一个 skill 等于让 agent 永远背着一份说明书，说明书自己都没读过，关键时刻必然翻车。
可视化：5 分钟看透一个陌生 skill
拿到不熟的 skill，最快的"判断值不值得装"方法不是从头读 SKILL.md，而是先看图。这里说的"图"不是手画的 mermaid，而是 Archscribe 这种 Codex/Claude skill——专把代码、skill 转成可编辑的 excalidraw + 真动画 GIF，1 句 $archscribe 几秒出一张。
具体做法：
Prompt:
用 $archscribe 把这个 Skill / Agent 的工作机制整理成深色霓虹手绘全景图,展示输入、核心流程、质量检查和最终产物,输出 GIF、PNG 和 Excalidraw。
可视化这一步本质上是把"读 500 行文字"压缩成"扫一张图"，决策效率能拉满。
5 项硬指标清单
无论换哪个 skill，都按这张表勾一遍：
| 指标 | 怎么扫图判断 | 不通过怎么处理 |
|---|---|---|
| 目录结构清晰 | SKILL.md + 子目录一眼能看到层级 | 单个 SKILL.md > 500 行基本该拆 |
| 触发条件明确 | description 写出"何时用 / 何时不用" | 只写"我会 XXX"的 坚决不装 |
| 外部依赖可见 | 调用工具 / 脚本 / API 在图上点得到 | 跳链多层的先放着 |
| 失败处理有预案 | 流程图上能看到 fallback 分支 | 失败路径不画的不装 |
| 跟已有 skill 不冲突 | 能力圈跟现有 skill 重叠 < 50% | 重叠过半只留一个 |
5 项里有 3 项不过，强烈建议不装。Agent 工具目录越精确、范围越清晰，调度越稳。
Archscribe 三套布局怎么选
Archscribe 自带 三套布局模板，对应三种 skill 扫描场景：
| 布局 | 适用场景 | skill 选择场景 |
|---|---|---|
panorama | 完整系统全景：输入源 → 核心管线 → 产出面板 | 评估一个完整 skill 体系的总能力面 |
swimlane | 分类横带 / 对比行（"N 种 X"）/ 跨角色协作 | 看单个 skill 的多个功能模块之间是否重叠 |
graph | 自由节点/边 + 自动 DAG + 回路通道 | 看含 fallback / 失败恢复的复杂 skill |
调用走 Codex/Claude skill，1 句 $archscribe 触发，配 JSON spec 即可。输出 四 种产物——
.excalidraw源文件（可继续手动微调）.png静态预览.gif/.mp4真动画（X / 微信公众号原生支持）.html交互版——点模块高亮连接，勾「整条链路」可 BFS 全链传播
实际用下来最大的价值是输出可继续微调的 .excalidraw——LLM 第一版往往颜色 / 布局跑偏，excalidraw 里手动拖一拖就修好，不用从头重新生成。
飞书 Coze skill 是怎么做的
飞书官方在 Coze 平台发布的 skill，是这套筛选法的正面案例——把"信息查找 / 任务执行 / 创作生成"拆成五类，Archscribe swimlane 一张就能扫完全貌（下面是我手画的等效版本用于对比）：
对照 5 项指标看：
- ✅ 目录结构清晰——五类独立模块
- ✅ 触发条件明确——每类有自己的 description
- ✅ 外部依赖可见——发消息、发邮件、建日程工具都点得到
- ✅ 失败处理有预案——身份权限分支处理得很扎实
- ⚠️ 跟已有 skill 冲突——如果你已经装了通用 IM / calendar skill，就别再装飞书 skill 的对应模块
整体来看，飞书这套 skill 是少数"垂直场景 × 完整能力"双优的官方实现，五分类的颗粒度刚好能让 agent 在 5 分钟内建立完整心智模型。
延伸：skill 管 skill
"都用上 skill 了，为什么不做个 skill 来管理 skill？"
这其实就是把"可视化筛选"做成 skill——装在 agent 最前面，专门负责告诉你：哪些 skill 该留、哪些该删。
已经有项目在试这个方向，例如 DingDongBuddy：定位是"全局多 agent 的 skill 管理 + 规则分发"，相当于 skill 元数据的 registry。
更激进的玩法：把 skill 当版本化资源来管——每次升级跑一遍可视化自检，确保当下真正在用的 skill 始终收敛在 7-10 个。
工程化版本已经有现成方案——Skills Manager 把散落在 15+ AI 工具的 skill 用一套中央库统一托管，三层工作区（全局 / 项目 / 预设）天然支持"升级即筛选"的版本化思路。
实操流程
下次装新 skill 之前，按这套流程走：
- 总量检查 — 当前装了多少？超过 10 个先收紧
- 可视化 —
$archscribe跑 Archscribe 出图，5 秒拿到可交互的 GIF 和 excalidraw - 5 项硬指标 — 对照上面的表勾一遍
- 不通过就不装 — 没有"以防万一"这回事
- 月度清理 — 每月把不用的 skill 摘掉一次，回到 7-10 个区间
可视化不是装饰，是skill 选型的必经步骤。
References
- 用可视化的方式去了解一个skill —— Token杰-自然智群, 哔哩哔哩, 2026-07-28
- Archscribe —— lazypay, GitHub, 2026-06-27