从Skill IR到多端适配器Yao Meta Skill目标编译器与编译原理深度解析【免费下载链接】yao-meta-skillYAO Yielding AI Outcomes. A rigorous engineering, evaluation, governance, and portability system for reusable agent skills.项目地址: https://gitcode.com/gh_mirrors/ya/yao-meta-skillYao Meta SkillYAO Yielding AI Outcomes是一个面向可复用 Agent Skill 的工程化系统其中最核心的 2.0 能力就是Skill IR平台中立中间表示 目标编译器 多端适配器把一份 Skill 的语义只定义一次再自动编译成 OpenAI、Claude、VS Code 等 5 类平台各自的适配产物。本文用尽量少的代码带你吃透这条从 IR 到编译、到打包、到证据门禁的完整链路。为什么需要Skill 编译器一个真实痛点把 Skill 写成SKILL.md很容易难的是跨平台分发OpenAI 风格平台读的是接口元数据display name、默认 prompt、权限契约Claude 风格平台读的是SKILL.mdfrontmatter 作为激活契约VS Code/Copilot 又依赖文件夹名 frontmatter 做项目/用户级安装。如果每个平台手抄一份语义漂移几乎不可避免。Skill IR 的作用就是中间表示——类似编译器里的 IR 层源码语义与目标机器解耦改动只发生在一处。Skill IR 是什么一份能力契约而非配置文件Skill IR 由 scripts/export_skill_ir.py 从SKILL.md、manifest、agents/interface.yaml、evals 和资源清单中自动导出产出一份符合 skill-ir/schema.json 的 JSON 契约。对照 references/skill-ir-method.mdIR 里应该只放耐久的语义IR 字段含义job_to_be_done这个 Skill 真正负责的重复工件trigger_surface触发描述 应触发 / 不应触发 / 边缘案例workflow步骤、决策点、失败模式resourcesreferences / scripts / assets / reports 四类资源eval_plan触发评测、输出评测、对抗评测、基线risk/governance风险边界与治理元数据同时 IR 明确不收平台私有路径、客户端 UI 文案、未经测试的臆想适配器——这保证 IR 永远可以被多个目标安全消费。编译原理拆解一次编译五端产出核心入口是 scripts/compile_skill.py它读取 IR 后调用 scripts/compile_skill_targets.py 中声明式定义的TARGET_TRANSFORMS表——这是整个编译器的后端描述。以 OpenAI 目标为例选择适配器模式metadata-adapter生成伴生元数据文件主源保持中立生成文件映射targets/openai/adapter.json、targets/openai/agents/openai.yaml元数据映射display_name、default_prompt、激活模式、执行上下文、信任级别、权限契约、降级策略逐项映射到目标文件路径声明保留语义trigger、workflow 计数、资源、评测计划、风险、治理、权限等必须无损保留记录不支持特性如客户端原生权限提示只能以权限契约元数据表示。五个目标各自的定位详见 reports/compiled_targets.mdopenaiOpenAI 风格接口元数据 中立 Agent Skills 源claudeClaude 兼容的中立源目录 适配器说明genericAgent Skills 兼容的中立包供任意消费方agent-skills-compatible标准 Agent Skills 源树SKILL.mdagents/interface.yamlvscodeVS Code/Copilot 项目级或用户级技能适配。降级与权限编译器的异常分支真正体现工程严谨性的是每个目标都显式声明降级路径和权限执行模型目标权限模型原生强制降级行为openaimetadata-only否元数据被忽略时包仍是可读的中立源claudemetadata-fallback否回退到 SKILL.md 与 references 作为事实源generic消费方执行或仅元数据否中立源即运行时兜底vscode工作区信任 元数据否安装范围写入 README 说明当前编译结果5 个目标全部 pass、0 警告、0 阻断可移植性评分100/100见 reports/portability_score.md 与 reports/runtime_permission_probes.md。动手体验三步跑通编译链路# 1. 导出 Skill IR平台中立契约 python3 scripts/yao.py skill-ir . --output-json skill-ir/examples/yao-meta-skill.json # 2. 编译到多端目标 python3 scripts/yao.py compile-skill . --target openai --target claude --target generic --target vscode # 3. 打包并验证产物 python3 scripts/yao.py package . --platform generic --output-dir dist python3 scripts/yao.py runtime-permissions . --package-dir dist完整回归可以直接make testIR 示例见 skill-ir/examples/yao-meta-skill.json快照测试在 tests/snapshots/。总结把跨平台 Skill从手艺变成工程IR 层skill-ir/README.md让语义只定义一次改动不扩散编译器层声明式TARGET_TRANSFORMS让新增平台只需加一条后端描述证据层编译报告、权限探针、可移植性评分让每个目标的行为可审计。这正是 Yao Meta Skill 2.0 建模一次、编译多端、证据闭环的方法论缩影——适合任何需要把团队 Skill 资产跨端分发的工程师入门参考。【免费下载链接】yao-meta-skillYAO Yielding AI Outcomes. A rigorous engineering, evaluation, governance, and portability system for reusable agent skills.项目地址: https://gitcode.com/gh_mirrors/ya/yao-meta-skill创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考