EP12. 架构驱动工作流创建 Skill
至此我们学了 Cocrates 两种生成模式。
第一： 若 A 有 dedicated skill，用它。"Generate a blog series" → blog-series-authoring。快速简单。
第二： 若没有，回退到 spec-driven-generation。ASR → ADR → Spec → Generation → Verification。
但 EP11 之后你可能想：
"若我需要的 skill 根本不存在呢？"
say 你需要*"generate a regular code review report."* 没有这样的 skill。你可以每次回退——或若会重复该模式，建一次 skill。
今天：generating-skill-creation——制作 skills 的 skill。
🔍 Meta-Skill：制作 Skills 的 Skill
generating-skill-creation 是 Cocrates 的 meta-skill。与普通 skill 产出 artifacts 不同，它设计并创建 skills 本身。
类比比较：
- Normal skill："Catch me a fish" → 捕鱼技巧
- Meta-skill："Teach me to fish" → 教捕鱼
generating-skill-creation 运行在 五个 Artifact Components 上：
五个 Artifact Components：
- Assignment & Constraints： 这个 skill 解决什么问题与约束？
- Context & Rules： 什么上下文与规则约束该 skill？
- Entities： 该 skill 处理什么概念与对象？
- Space & Placement： 输出存放在哪里、如何组织？
- Structure & Flow： 各阶段的流程与结构是什么？
定义这五个是 skill 创建的第一步。
❄️ Snowflake 五阶段 — 逐步具体化
Components 识别后，Cocrates 通过 Snowflake 五阶段 细化 skill：
Stage 1 — Define： "What does this skill do?" 一句话定义 Kernel。
Stage 2 — Plan： "In what order?" 规划整体阶段与顺序。
Stage 3 — Architecture Design： "How do components relate?" 设计 Entities、Space、Flow。
Stage 4 — Detail Design： "What exactly happens each stage?" 输入、输出、批准条件、禁止项。
Stage 5 — Generation： "Generate SKILL.md." 全部设计完成之后。
一条关键规则：
🚫 绝对规则 — Detail Design 完成前禁止 Generation
Cocrates 生成原则中，这条执行最严：
"Do not move to Generation until Detail Design is fully settled."
为何？EP2 原则："The unexamined code is not worth generating." Skill 永久定义 AI 行为。坏的 skill 会反复产出坏结果。
因此在 Detail Design，Cocrates 严格检查：
- 每阶段输入与输出是否清晰？
- 每阶段是否有批准关卡？
- 禁止项是否具体？
- 异常如何处理？
每个问题都有答案之前，不写一行 SKILL.md。
🔄 Meta Snowflake 七阶段 — 更大图景
Snowflake 五阶段是基本 skill 设计流程。generating-skill-creation 描绘更大图景：Meta Snowflake 七阶段。
Kernel → Components → Frame → Outline → Spec → Skill → Verification
顺序：
Kernel： 一句话定义 skill 目的。
Components： 识别并定义五个 Artifact Components。
Frame： 整体结构与骨架——哪些阶段存在。
Outline： 细化 Frame——每阶段子项与流程。
Spec： 自包含 spec 整合所有决策。只读 Spec 就能理解完整行为。
Skill： 从 Spec 生成 SKILL.md。
Verification： Skill 是否 match Spec？缺什么？
不是纯顺序或并行——每阶段依赖前一阶段；verification 反馈可回到更早阶段。
🎯 每阶段 Refinement — Lazy Refinement Strategy
Meta Snowflake 七阶段中一条重要原则：
Components 不会以同样速率具体化。
有些早期就很具体；有些直到最后才清晰。Cocrates 称 Lazy Refinement。
示例：Entities 在 Kernel/Components 得粗略形状，在 Outline/Spec 细化。Structure & Flow 从 Frame 起就需要细节。
为何？避免过早决策。 早期锁定会使后期更好选项难以采纳。Lazy refinement 延迟决策以保持灵活性。
💡 今日洞察：Skills 是 AI 的 SOP
Skill 是给 AI 一条 SOP（Standard Operating Procedure，标准作业程序）。
新人入职，你教工作流："When this request comes, check A, review B, then do C."
Skills 对 AI 做同样："For this request type, work this way."
一旦定义，skill 是可复用资产——今天、下周、一年后，同样质量。
一次性请求是消耗品。Skills 是资产。
📌 要点回顾
- generating-skill-creation 是基于五个 Artifact Components 的 meta-skill。
- Snowflake 五阶段： Define → Plan → Architecture Design → Detail Design → Generation——阶段间有批准关卡。
- 绝对规则：Detail Design 完成前禁止 Generation。 坏的 skills 会放大坏产出。
- Meta Snowflake 七阶段： Kernel → Components → Frame → Outline → Spec → Skill → Verification。
- Lazy refinement： 不要一次全部具体化——只在需要时。
问自己：
- 你能解释 Snowflake 五阶段 vs Meta Snowflake 七阶段吗？
- 你能说出并解释五个 Artifact Components 吗？
- 为何 Lazy Refinement 重要？
🎬 下期预告
我们覆盖了 Cocrates 全部内容。
EP1–2 哲学与原则，EP3 安装，EP4–6 实践，EP7–10 内部，EP11–12 核心与 meta-skills。
我们已准备好使用 Cocrates。
但一个重要问题仍在：
"这就结束了吗？'用好 Cocrates' 够了吗？"
不。真正的部分现在开始。用好 Cocrates 不够。
EP13： 用户必须演进；Cocrates Harness 也必须演进——两者形成相互强化的反馈循环。
"Using Cocrates isn't enough—you must evolve Cocrates."
本系列介绍 Cocrates Harness 框架。Cocrates 是一个为苏格拉底式对话而设计的 agent harness，使用户保持主体性并持续成长。