SkillAlchemy 是一个开放世界 Agent Skill 创建系统。它从简短、欠完整的 Skill 需求和开放世界公开资料中发现遗漏条件，提取有证据支持的可执行步骤，并将其编译为 Agent 可以直接安装和使用的 Skill。

🔥 最新动态

• 2026-08-24 — 我们的论文 SkillAlchemy: Open-World Agent Skill Creation 已上线 arXiv。

概览

当目标能力并不熟悉时，创建可靠的 Agent Skill 并不容易：简短需求往往遗漏关键条件，现成的专家流程可能并不存在，完整的执行轨迹也未必能够获得。

SkillAlchemy 将 Skill 创建建模为一个基于来源证据的流程准入问题（source-grounded procedure-admission problem）。

给定一个信息不完整的 Skill 需求以及开放世界资料，SkillAlchemy 会：

1. 发现隐含需求 — 补全原始需求中遗漏、但会影响实际执行的条件、约束和能力维度。
2. 提取有依据的可执行流程 — 从文档、代码仓库、论文、Issue、访谈等公开资料中提炼可执行方法。
3. 判断流程的适用范围 — 区分哪些内容可以写成通用指令，哪些只能作为限定场景下的示例，以及哪些内容证据不足、不应纳入。
4. 生成可安装的 Skill 包 — 将最终确认的流程、示例、参考资料和辅助资源编译成 Agent 可直接加载和使用的 Skill。

核心能力

• 发现隐含需求 — 从简短、欠完整的需求中恢复实际执行所需的约束、条件和行为维度。
• 蒸馏人物 — 从公开资料中提取决策方式、失败处理、价值取舍和表达特点，生成 Persona Skill。
• 蒸馏方法 — 将书籍、方法论、开源仓库、技术文档、论文或访谈整理为包含条件、步骤、分支和失败处理的可执行 Skill。
• 基于证据准入流程 — 区分可复用指令、限定场景示例和证据不足的内容，避免把所有检索结果都无条件泛化为通用规则。
• 融合 Skill — 组合已有工作流程、领域知识或工作风格，形成新的复合能力。
• 生成可安装 Skill — 将确认后的流程、示例、引用和相关资源打包为 Agent 可以直接加载和复用的 Skill。

快速开始

最简单的方式是直接告诉 Claude Code 或 Codex：

请从 https://github.com/agentsope/SkillAlchemy 安装 SkillAlchemy，并告诉我如何使用。

也可以使用命令行：

npx skills add agentsope/SkillAlchemy

安装后，直接描述你想创建的 Skill：

使用 SkillAlchemy，从公开文档和论文中创建一个用于审查 RAG 系统的 Skill。

生成结果默认写入当前项目的 output/。

单独安装 Skill

# 核心组件
npx skills add agentsope/SkillAlchemy/skills/Lens
npx skills add agentsope/SkillAlchemy/skills/LEAP

# 仓库中的其他 Skill
npx skills add agentsope/SkillAlchemy/skills/<skill-name>

浏览全部可安装 Skills

实验结果

我们在 SkillsBench v1.1 的 87 个任务和四种 Agent–Model 配置上评估了 SkillAlchemy。

SkillAlchemy 在 4 种配置中的 3 种取得了最高任务通过率。

在四种配置上取平均后，SkillAlchemy 的任务通过率达到 55.8%：

• 相比不使用 Skill，提升 19.9 个百分点；
• 相比最强的自动 Skill 创建基线，提升 8.6 个百分点；
• 整体表现与人工编写的 Skill 相当，并在平均结果上略高于人工 Skill。

Skill Setting	Claude Code DeepSeek-V4-Pro	Claude Code Opus 4.8	Codex DeepSeek-V4-Pro	Codex GPT-5.5	Avg.
No Skill	23.4	45.3	29.7	45.1	35.9
Anthropic Skill-Creator	31.7	49.2	32.9	48.5	40.6
OpenAI Skill-Creator	33.3	49.9	37.0	48.5	42.2
OpenSkill	42.3	51.5	40.7	49.4	46.0
MUSE-Autoskill	43.2	53.3	40.2	52.0	47.2
Human-Curated Skill	51.3	59.5	45.7	60.9	54.4
SkillAlchemy	54.7	60.9	43.9	63.7	55.8

论文与引用

完整的问题定义、系统设计和实验结果请参见：

SkillAlchemy: Open-World Agent Skill Creation Hengjun Wang, Shuyue Wei, Boyi Liu, Jun Yang, Yongxin Tong arXiv:2608.23417, 2026 arXiv · PDF

如果 SkillAlchemy 对你的研究或工作有帮助，欢迎引用我们的论文：

@article{wang2026skillalchemy,
  title   = {SkillAlchemy: Open-World Agent Skill Creation},
  author  = {Wang, Hengjun and Wei, Shuyue and Liu, Boyi and Yang, Jun and Tong, Yongxin},
  journal = {arXiv preprint arXiv:2608.23417},
  year    = {2026}
}

License

SkillAlchemy 基于 MIT License 开源。

---

技术文档