今天下午复盘 Doramagic 的 GitHub 数据时，我看到一个和早上不同的信号。

早上最强的是 `doramagic-chrome-devtools-mcp-pack`，说明用户对浏览器证据和前端验收链路有兴趣。第二个值得单独拿出来讲的是：

`doramagic-skills`

它在 2026-05-20 的采样里有 35 次 view、8 个 unique viewer、10 次 clone、10 个 unique cloner。更重要的是，访问路径没有只停留在仓库首页，而是进入了具体 skill 文件，例如：

- `skills/economic-dashboard/human_summary.md`
- `skills/qlib-ai-quant`

这个行为说明，读者不是只看一个“提示词合集”的目录，而是在判断某个 skill 是否能直接解决一个任务。

## 为什么 skill 不应该只是提示词

很多所谓的 AI skill，实际只是把一段提示词放进文件里：

- 你是某某专家；
- 请按照某某步骤执行；
- 输出某某格式；
- 注意不要犯某某错误。

这当然有用，但还不够。

如果一个 skill 只是一段 prompt，它很难跨宿主复用，也很难被验证。换一个 AI 编程工具、换一个上下文窗口、换一个用户任务，它可能就变成一段很难维护的说明文字。

Doramagic 更关心的是：skill 能不能变成一种可装载的能力资产。

## 一个可装载 skill 至少要回答四个问题

第一，它解决什么任务。

不是“让 AI 更懂金融”这种泛化描述，而是更具体的任务边界。例如：

- 生成一个经济数据看板的分析摘要；
- 帮用户理解量化研究流程；
- 对一个开源项目提取可复用的操作规则；
- 把一个复杂工具转成 Codex、Claude Code、Cursor 等宿主能执行的步骤。

第二，它什么时候应该被触发。

一个 skill 如果没有触发条件，就会变成背景噪音。好的 skill 应该写清楚：

- 什么输入会触发它；
- 什么任务不应该触发它；
- 需要先检查哪些前置条件；
- 缺少关键数据时应该停下来，而不是继续编造。

第三，它如何输出可验证结果。

AI 生成一段话不等于任务完成。skill 应该让 Agent 留下可检查的结果，例如：

- 生成的文件路径；
- 使用的数据来源；
- 关键判断依据；
- 可复现命令；
- 验收标准；
- 失败时的下一步边界。

第四，它如何被迁移到不同宿主。

同一个能力不应该只能在一个工具里使用。一个成熟的 skill 最好能拆成：

- human manual；
- host instructions；
- prompt preview；
- eval checklist；
- known pitfalls；
- source map；
- boundary and risk card。

这样用户拿到的就不是“某个模型的一次回答”，而是一套能带走、能装载、能复用、能验证的能力资产。

## 今天这个数据对 Doramagic 的提醒

`doramagic-skills` 的访问路径说明，用户会进入具体 skill 文件看细节。

这对 Doramagic 很关键：我们不能只发布一个漂亮的项目介绍页，也不能把内容停留在“AI 能力包”这个概念层。真正有价值的是把一个 skill 拆到用户可以判断的程度：

- 我能不能把它装进自己的 AI 工具；
- 它会在什么任务里被触发；
- 它是否知道自己的边界；
- 它是否提供验收方式；
- 它失败时是否会留下可恢复的状态。

## 怎么试用

项目入口：

https://github.com/tangweigang-jpg/doramagic-skills

建议不要一次性把所有 skill 都塞进宿主。更稳的方式是先选一个具体任务，例如经济数据看板或量化研究辅助，然后检查对应 skill 是否包含：

- 使用说明；
- 触发条件；
- 输出格式；
- 验收标准；
- 失败边界；
- 来源说明。

如果这些信息缺失，就不要把它当成成熟能力，只能当成一个 prompt 草稿。

这是 Doramagic 制作的非官方 AI 能力资源内容。除非上游项目明确说明，否则不代表任何上游官方发布。Doramagic 的目标不是堆更多提示词，而是让普通人能用尽量简单的方式拥有自己的 AI 能力。