1. 为什么 SKILL.md 写完了触发测试却跑不起来你大概遇到过这种场面照着教程把tech-blog-generator的 SKILL.md 写完了L1 Frontmatter 里name和description的 Use when / NOT for 都填了L2 的 NO AI Fluff、NO Pedagogical Tone 也抄得一字不差L3 的references/和scripts/目录也建好了。结果到第 6 节「触发测试」这一步上传main.go让它写并发博客Agent 要么毫无反应要么回你一句「我无法访问文件」——正触发和负触发的差别根本看不出来。问题不在 Skill 本身。Skill 是一堆机器指令级的规则文件它需要被一个能正常推理的模型加载、扫描 Frontmatter、判断是否激活然后执行 L2 里的工作流。如果加载这个 Skill 的 Agent 压根没有一条能用的模型通道那些精心设计的负向约束就永远停在磁盘上一次都不会被执行。很多人卡在这里以为是 description 写得不对反复改 Frontmatter其实通道根本没通。这篇就按「视角槽Skill / 规则文件」来写把原文第 4 节发布前的准备工作改造成一条能跑通的链路先拿到可用的 Key 和 Base URL填进加载 Skill 的 Agent 配置再回到 6.1 做一轮真正的正负触发验证。适合已经在写 OpenClaw / Codex 类 Skill、但触发测试一直跑不出效果的人。2. 前置给加载 Skill 的 Agent 接上模型通道Skill 的执行链路是这样的Agent 启动 → 扫描技能目录里所有 SKILL.md 的 Frontmatter → 用户输入进来 → 模型判断是否命中 Use when → 命中则加载 L2 Body → 按 Workflow 执行 → 需要时读 L3。整条链路里唯一需要外部服务的就是「模型判断」和「内容生成」这两步。通道不通链路在第二步就断了。传统做法是逐个去各家官方控制台申请填表、等审核、配额度一圈下来半天没了而且不同工具要接不同家的 Key配置项还不一样。我试过更省事的路径打开 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 注册创建一个 Key拿到统一的 Base URLhttps://taotoken.net/api然后把它填进 Agent 的模型配置里。这样 Codex、OpenClaw 这类工具共用一条通道不用为每个 Skill 单独折腾。这里要区分两个地址的用途官网https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end用来注册和创建 KeyAPI 地址https://taotoken.net/api是填进配置文件里的 Base URL注意它不带任何查询参数。Key 的创建入口在控制台的 API Keys 页面模型对话入口和 Coding Plan 入口是分开的长期跑编码类 Agent 的话可以看 Coding Plan。注意Base URL 填错是最常见的坑。有人把官网地址直接填进base_url结果请求 404。记住配置里只填https://taotoken.net/api。3. 可复制配置把 Key 和 Base URL 填进 Agent按原文第 3 节的项目结构tech-blog-generator要放进技能目录。不同工具的目录约定不一样但模型配置的字段名大同小异。下面给一份通用的配置片段你按自己用的工具改字段名即可。先看技能目录该长什么样这是原文结构的精简版tech-blog-generator/ ├── SKILL.md # L1 Frontmatter L2 Body ├── README.md # 给人看的说明 ├── agents/ │ └── openai.yaml # UI 展示层配置 ├── references/ │ ├── style_guide.md # 反模式清单 │ └── common_pitfalls.md └── scripts/ ├── validate_yaml.py # 校验 frontmatter └── count_tokens.py # 检查输出长度把整个文件夹放进 Agent 的技能目录比如 Codex 类工具常见的~/.codex/skills/OpenClaw 类工具常见的~/.openclaw/skills/。放好后编辑 Agent 的模型配置文件。以常见的 TOML 配置为例# ~/.codex/config.toml 或对应工具的配置文件 model_provider taotoken [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api chat然后在环境变量里放 Key别把 Key 硬编码进配置文件避免提交到 Git 时泄露# Linux / macOS写进 ~/.bashrc 或 ~/.zshrc export TAOTOKEN_API_KEYsk-你的Key # Windows PowerShell $env:TAOTOKEN_API_KEYsk-你的Key如果你用的是 JSON 配置的工具结构等价{ provider: taotoken, baseUrl: https://taotoken.net/api, apiKeyEnv: TAOTOKEN_API_KEY, model: claude-sonnet-4-5 }配好后重启 Agent让它重新扫描技能目录。这一步很关键很多工具只在启动时读一次技能列表热改配置不生效。4. 验证正面触发与负面触发各跑一轮配置填完不代表通了得按原文 6.1 做一轮真正的触发测试。测试分两次一次正面一次负面看的是 description 的边界有没有被模型执行。4.1 正面触发上传 main.go 让它写并发博客准备一个带并发逻辑的 Go 文件比如package main import ( fmt sync ) func worker(id int, jobs -chan int, results chan- int, wg *sync.WaitGroup) { defer wg.Done() for j : range jobs { results - j * 2 } } func main() { jobs : make(chan int, 100) results : make(chan int, 100) var wg sync.WaitGroup for w : 1; w 3; w { wg.Add(1) go worker(w, jobs, results, wg) } for j : 1; j 5; j { jobs - j } close(jobs) wg.Wait() close(results) for r : range results { fmt.Println(r) } }在 Agent 里输入「这是 main.go帮我写一篇关于 Go 并发的技术博客。」预期结果是 Skill 被激活输出里应该出现 ASCII 流程图、代码逐段解释、对比表格而且不能出现「In todays digital landscape」这类废话也不能有「让我们一起来学习」这种老师腔。如果输出里出现了这些说明 L2 的负向约束没被执行要么是 Body 没加载要么是模型通道返回的内容被截断了。4.2 负面触发问天气看它是否不激活同一轮会话里直接问「今天天气怎么样」预期是 Skill不激活Agent 要么回一句「这个技能只处理代码转博客」要么交给通用逻辑处理。如果它硬套博客模板给你写一篇「今日天气技术解析」说明 description 里的 NOT for 没起作用边界太松。4.3 确认调用真的发出去了光看输出还不够得确认请求确实打到了通道上。多数工具支持日志级别调整把日志开到 debug# 以 Codex 类工具为例启动时加日志参数 codex --log-level debug # 或在配置里开启 [log] level debug日志里应该能看到类似这样的记录说明请求发到了https://taotoken.net/api[DEBUG] POST https://taotoken.net/api/v1/chat/completions [DEBUG] modelclaude-sonnet-4-5, messages3, streamtrue [DEBUG] response status200, tokens_in1240, tokens_out860如果日志里status401是 Key 没读到status404是 Base URL 填错status429是额度或频率问题。这三种在下一节展开。5. 本篇常见错排查5.1 触发测试没反应日志里根本没有请求最常见的原因是 Agent 没重新扫描技能目录。SKILL.md 放进技能目录后必须重启 Agent 进程。有些工具支持热重载但默认不开。先确认技能列表里能看到tech-blog-generator再测触发。5.2 请求发出去了但返回 401Key 没被正确读取。检查环境变量名和配置里的env_key是否一致大小写敏感。如果你在 shell 里export了但 Agent 是从桌面图标启动的它可能读不到你 shell 里的环境变量。解决办法是把 Key 写进工具自己的配置文件或者用系统级环境变量。5.3 返回 404路径拼错Base URL 只填https://taotoken.net/api不要在后面加/v1或/chat/completions这些路径由工具自己拼接。有人把官网地址https://taotoken.net/?utm_source...整个填进去查询参数会导致路由匹配失败。5.4 正面触发时输出被截断负向约束没生效如果博客写到一半停了或者 NO AI Fluff 没起作用先看max_tokens设置。Skill 的 L2 Body 加上 L3 按需加载的内容输入 token 不小输出又被模板要求写长文很容易撞上限。把max_tokens调到 4096 以上再试。另外确认references/style_guide.md真的被读到了有些工具不会自动加载 references需要在 SKILL.md 里显式写读取指令。5.5 负面触发时 Skill 仍然激活说明 description 里的 NOT for 写得太弱。原文强调 Use when 和 NOT for 必须同时存在而且 NOT for 要具体。把「NOT for: general chat」改成「NOT for: weather, news, casual conversation, or any request without code files attached」边界收紧后负面触发才会干净。6. 通道通了Skill 才真正开始工作回到最开始那个卡点SKILL.md 写得再精细L1 的触发决策、L2 的负向约束、L3 的脚本校验全都依赖模型通道能正常跑。通道不通你改一百遍 Frontmatter 也没用因为那些规则根本没机会被模型读到。配好之后迭代维护的流程就顺了本地改 SKILL.md 或补 references跑python scripts/validate_yaml.py .校验格式再跑一轮正负触发测试确认边界没松然后提交。每次改完都测一遍负面触发这是防止 Skill 越改越宽、最后什么都触发的关键习惯。不想再为通道来回折腾直接到 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 创建一个 Key 就能接上Base URL 填https://taotoken.net/api把省下来的时间花在打磨 Skill 的负向约束上那才是决定输出质量的地方。