aithos-rr/aithos-selection/skill-builder
Claude Code and agent skill by aithos-rr/aithos-selection
- community
Checking that the SKILL.md file is still in the repository.
Crea una nuova Agent Skill per Claude Code partendo da un'idea. Guida l'utente in 5 domande (cosa fa, quando si attiva, gotcha reali, tool dipendenti, come si testa) e produce una cartella completa con SKILL.md, scripts e references seguendo le best practice Anthropic. Da invocare quando l'utente dice "creami una skill", "voglio automatizzare un workflow", "fammi una skill che fa X", o quando un prompt in CLAUDE.md sta diventando una procedura ripetuta che va estratta.
Install
npx vskill@latest install aithos-rr/aithos-selection/skill-builderSKILL.md
The same SKILL.md was published earlier as aithos-rr/aithos-selection/skill-builder.
Skill Builder
Costruisce una skill Claude Code production-ready partendo da zero, applicando le best practice ufficiali Anthropic (frontmatter validato, description in terza persona, progressive disclosure, references one-level-deep).
When to use
Attivare quando:
- L'utente dice "creami una skill che...", "voglio una skill per...", "fammi una skill"
- Un workflow ripetuto può essere estratto in formato standalone
- Un prompt in CLAUDE.md sta diventando una procedura lunga
- L'utente vuole condividere una competenza come Agent Skill
Non attivare se:
- Il task è one-shot (non giustifica una skill)
- Non è ancora chiaro quale problema la skill risolve (chiedere prima)
Instructions
Eseguire 5 fasi in ordine, usando AskUserQuestion tra una fase e l'altra.
Fase 1 — Discovery (5 domande + type check)
Chiedere all'utente una per una via AskUserQuestion:
- Cosa fa la skill? (una frase, imperativo)
- Quando si attiva? (3 trigger phrases concrete che l'utente direbbe)
- Qual è la gotcha più comune? (un errore che succede davvero, non ipotetico)
- Serve accesso a tool esterni? (MCP, CLI, API, elencare)
- Come si testa? (un comando o check verificabile)
Se l'utente non ha una gotcha reale, la skill è prematura. Suggerire di usare il workflow 2-3 volte manualmente prima di formalizzarlo in skill.
Dopo le 5 domande, classificare la skill in uno dei 4 tipi (influenza struttura e frontmatter):
| Tipo | Cosa è | Frontmatter tipico | |
|---|---|---|---|
| Task-oriented | Esegue azione concreta (commit, deploy, report) | disable-model-invocation: true se side effect | |
| Reference | Conoscenza di dominio che Claude applica | user-invocable: false se background-only | |
| Meta | Opera su altre skill (creator, reviewer, optimizer) | default | |
| Hybrid | Task + reference combinati | default, scope esteso |
Fase 2 — Struttura
Creare la cartella in:
~/.claude/skills/<name>/se serve in più progetti (personal scope).claude/skills/<name>/se specifica del progetto corrente (project scope)
Chiedere lo scope se non è ovvio dal contesto.
Generare la struttura standard:
Fase 3 — Frontmatter
Applicare le regole di validazione ufficiali (vedere references/frontmatter-fields.md per il dettaglio di ogni campo):
name: lowercase + trattini + numeri, max 64 char, no parole riservate (anthropic,claude)description: terza persona, max 1024 char, front-loaded; include sia il cosa sia il quando; multipli trigger per combattere under-triggeringwhen_to_use: trigger phrases aggiuntive; combinato con description ≤ 1,536 charallowed-tools: minimal set scoped (es.Bash(git:*), nonBashgenerico)disable-model-invocation: truesolo per skill con side effect (deploy, commit, send)
Per esempi di description pushy vs vaghe, vedere references/description-examples.md.
Fase 4 — Corpo SKILL.md
Struttura standard:
Regole d'oro:
- SKILL.md ≤ 500 righe (raccomandato dalle docs Anthropic)
- Oltre le 500 righe, spostare materiale dettagliato in
references/e linkarlo - Nomi file parlanti (
api_schema.json, nondata.json) - Path con forward slash, mai path assoluti hardcoded
- Riferimenti a file only one level deep (no
references/a.mdche linkareferences/b.md)
Fase 5 — Validation checklist
Prima di chiudere la skill, verificare questi 10 punti (checklist esplicita, nessuno è opzionale):
- [ ]
namelowercase + trattini, no parole riservate (anthropic,claude) - [ ]
descriptionin terza persona, front-loaded, ≥ 3 trigger concreti - [ ]
description+when_to_usecombinati ≤ 1,536 char - [ ] SKILL.md ≤ 500 righe (target < 200 per skill nuove)
- [ ] "When to use" ha sia trigger sia anti-trigger
- [ ] "Examples" con ≥ 2 casi concreti (input + output)
- [ ] "Gotchas" con errori reali, non ipotetici
- [ ] Reference file citati esistono tutti sul filesystem
- [ ]
allowed-toolsscoped (noBashgenerico) - [ ] Zero CAPS eccessivi nella description (CRITICAL, MUST, ALWAYS come enfasi)
Fase 6 — Test live
Proporre all'utente di testare la skill:
Se funziona, suggerire /skill-reviewer <skill-name> per audit completo (30 regole). Se non si auto-attiva, rivedere la description (probabilmente non abbastanza specifica o in prima persona).
Examples
Esempio 1 — Skill /daily-linkedin-post
- Q1: Genera un post LinkedIn partendo dagli eventi di ieri (calendar + email)
- Q2: "Ogni mattina 9:00", "scrivi post LinkedIn", "post per LinkedIn"
- Q3: Se il giorno prima non ci sono meeting, il post viene vuoto
- Q4: OAuth Google (Gmail + Calendar), no Gmail MCP
- Q5:
/daily-linkedin-postproduce bozza > 200 parole
Risultato: skills/daily-linkedin-post/SKILL.md + scripts/fetch_events.py (OAuth).
Esempio 2 — Skill /audit-crm-contacts
- Q1: Analizza contatti CRM con campi mancanti e propone fix
- Q2: "qualità CRM", "pulizia contatti", "lead inquinati"
- Q3: Se il CRM MCP non è attivo, fallisce silenziosamente
- Q4: CRM MCP (search_records, get_record_details)
- Q5:
/audit-crm-contactsproduce report con >10 candidate fix
Risultato: skill che usa AskUserQuestion per confermare soglia qualità prima del report.
Gotchas
- Skill "tutto-fare" non si attivano: le skill focalizzate su un use case specifico si attivano meglio. Se il problema è ampio, produrre skill multiple invece di una sola.
- Gotcha ipotetica = skill prematura: se non c'è una gotcha reale, la skill non è pronta. Usare manualmente il workflow 2-3 volte prima.
- Description in prima persona: le docs Anthropic richiedono terza persona ("Genera X quando...") per auto-invocation coerente. Mai "Io genero" / "Ti aiuto a".
allowed-toolssenza scope: specificare sempre (es.Bash(git:*), nonBash). Riduce l'attack surface.- SKILL.md > 500 righe: spostare i dettagli in
references/. Claude carica SKILL.md inline, i references on-demand. - Claim numerici non verificabili: evitare "funziona in 3 secondi" o "2,000 template" senza fonte. Preferire claim qualitativi.
- Front-load nella description: le prime frasi sono quelle che matcha il selector. Non sprecare con intro generiche.
References
- references/frontmatter-fields.md: dettaglio dei 15 campi frontmatter con esempi
- references/description-examples.md: 15+ esempi di description pushy vs vaghe, third-person rule, character budget
_Basato su docs Anthropic skills, best-practices Anthropic, skill-creator di anthropics/skills, pattern da daymade/claude-code-skills. MIT License._
Security
- Security scanPassed, 95 of 100Pattern checks on the skill's files.
- Model reviewPassed
Quality evaluation
- Task evaluationNot runNo evaluation yet. Run one in Skill Studio.
Source
- SKILL.md in the repositoryCheckingskills/skill-builder/SKILL.md
Popularity
- 7-day trend score
- 0
Not refreshed yet.
Works with
Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.
- Claude Code
- Cursor
- GitHub Copilot
- Windsurf
- Codex
- Gemini CLI
- Cline
- Amp
- Roo Code
- Goose
- Continue
- Kilo Code
- Junie
- Trae
- OpenHands
- Qwen Code
- AI Agent
- Tabnine Chat
- Sourcegraph Cody
- Amazon Q
- Firebase Genkit
- Sweep
- Devin
- Phind
- Mentat
- Claude Desktop
- Aider
- GPT Pilot
- Plandex
- bolt.new
- v0
- Replit Agent
- Anse
- TypingMind
- BetterChatGPT
- LibreChat
- Warp AI
- Pieces
- Fig AI
Embed badge
[](https://verified-skill.com/skills/aithos-rr/aithos-selection/skill-builder)