
Google Agent Skills:像产品一样发版——semver + 六门 CI,星标约 15k→21k+、170+ skills
工程Agent SkillsCI版本治理评测Developer Relations
一句话结论
Skill 不是文档而是改 agent 行为的产品:行为变更必须 bump 版本,PR 过结构/linter/semver/eval/链接/AI review 再加人人审;L1/L2/L3 渐进披露,SKILL.md 正文控制在 500 行内。
打开原文
Google Cloud:Behind the scenes — How we ship Google Agent Skills like products
背景与理念
文档给人读,skill 驱动推理、选工具与执行路径;错一句可能无效 flag、死循环或烧 token。规模上来后手工审不够,必须自动化门禁。
具体做法
- 六门 CI + 人审:结构符合、skill linter、语义化版本、评测套件与新鲜报告、链接校验、AI review agent。新 skill 从 1.0.0 起;改指令/脚本/引用必须 bump。
- Eval:文件引用可解析、期望原子化、禁重复冲突、PR 必须挂相对最新 commit 的报告。周一 lychee 扫外链。
- AI 审:抓「确定性陷阱」(刚性 CLI 序列应进 scripts/)、L1/L2/L3(正文 <500 行、references 扁平单跳)、非交互脚本设计。贵 LLM 门禁放在确定性检查之后。
关键数据/例子
星标约 15,000→逾 21,000;托管逾 170 个 skills,多平台分发。课:CI 路径要精确;复合期望会让 LLM judge 不稳定;目录表必须生成器+CI,不能靠手改。
创新点
第一,把 skill 变更显式当成行为发布,用 semver 与评测证据绑定。第二,用「skill 审 skill」的 AI 审稿补 linter 看不到的设计反模式。
可否复用
- 自建 skill/插件仓直接搬六门清单与原子期望规则。
- 正文只放判断与工作流,刚性命令进脚本。
- 先跑便宜确定性门禁,再触发贵评测与 AI 审。