BLCaptain Meta Skill：把你反复讲给 AI 的那套经验，封装成一次安装、永久复用的 Agent Skill

2026-06-15 · 工具观察

你有没有这种经历：

打开一个新的 AI 对话，想让它帮你做某件事，结果要先花 5 分钟把背景、规范、注意事项解释一遍。第二天，重新解释一遍。下周，再解释一遍。

AI 的记忆是会话级的。你的知识积累是职业级的。两者之间有一道墙。

BLCaptain Meta Skill 是一个刚刚开源的项目，专门用来拆掉这道墙——把你反复讲给 AI 的那套 SOP、提示词、专家经验，打包成一个可以安装到任何 Agent 上的 Skill 文件，下次直接调用，再不用重讲。

---

它是什么

这是一个”做 Skill 的 Skill”，也就是 Meta Skill。

普通 Skill 帮你完成某件事；Meta Skill 帮你把”如何完成某件事的方法论”本身封装起来。

用一句话说：BLCaptain 是一套把工作经验产品化为 Agent Skill 的 8 步方法论框架，本身就以 Skill 的形式发布，可以直接安装到 Claude Code、Codex 等支持 Agent Skill 的工具里。

---

它是怎么来的

这个项目本身就是用它所提倡的方法构建的——Codex 与 Claude Code 进行了 7 轮协同迭代：

Claude Code 负责：读代码 · 拆需求 · 做架构规划 · review 审计
Codex    负责：改代码 · 跑命令 · 修测试 · 补验证证据

两个 AI 系统各发挥所长——Claude Code 擅长全局理解和判断，Codex 擅长精确执行和验证——7 轮下来，把一套”如何封装 Skill”的方法论本身打磨成了可安装的 Skill。

这个 meta 结构本身就是一个论证：这套方法经受住了自身的检验。

---

核心思路：先问值不值得

绝大多数 Meta Skill 的问题是：它们只告诉你怎么做，没告诉你要不要做。

BLCaptain 的第一步是一个 Non-Skill 门控：

在开始封装之前，先回答这些问题：

• 这个任务是否重复发生（至少每周或每月）？
• 输出是否有明确的质量标准？
• 是否存在已知的失败模式？
• 这比写一个模板、脚本或文档更值得维护成本吗？

如果答案是否，BLCaptain 会直接告诉你：不需要做成 Skill，用更轻量的方案代替。

这是一个少见但非常实用的设计——过滤掉那些不值得封装的任务，避免把时间浪费在过度工程化上。

---

8 步工作流

通过门控检查后，进入正式的 8 步流程：

步骤	核心动作
① 调研	收集真实任务样本、成功案例和失败案例
② 分析	NABC 分析（需求/方法/收益/竞品）+ ROI 评估 + 边界定义
③ 计划	设计文件结构、资源架构、验证策略
④ 开发	写 SKILL.md 入口 + 补充资源文件 + 模板 + 验证脚本
⑤ 验证	检查结构完整性、链接有效性、Token 预算
⑥ 测试	正例/负例/边缘场景/压力测试，每一条都要有证据
⑦ 审计验收	判断是否可以发布，列出阻塞项和缺失证据
⑧ 总结迭代	记录发现、风险和下一轮改进方向

---

最关键的设计：薄入口，深资源

SKILL.md 是每个 Agent Skill 的”入口文件”。常见的做法是把所有内容都塞进这一个文件，变成一个巨大的 prompt。

BLCaptain 的设计原则完全相反：

SKILL.md 只放高信号内容（触发条件、第一步、资源导航），复杂内容放到资源目录，按需加载。

产出物的标准结构是：

your-skill/
  SKILL.md          ← 薄入口（≤1300 tokens）
  references/       ← 方法论深度文档
  assets/templates/ ← 可复用的模板
  scripts/          ← 可执行的验证脚本
  evals/            ← 测试证据
  examples/         ← 典型案例
  manifest.json     ← 治理元数据

为什么这样设计：Agent 有 context 限制。一次性加载所有内容既浪费 token，又让 Agent 难以聚焦。薄入口让 Agent 知道”有什么资源可用”，只在需要时才加载相应内容——效率更高，行为更可控。

---

证据驱动的发布

BLCaptain 另一个与众不同的地方：不以”看起来完整”作为发布标准，而以”能证明行为”为发布标准。

发布前必须有：

• Route 评估记录（13 条路径测试全过）
• 正例和反例的测试输出
• 已知 gotchas 的文档（基于真实失败案例，不是假设）
• context budget 验证（确认入口在 Token 限额内）

这类似于软件工程里的”发布门控”——不是凭感觉觉得好了就发，而是有明确的通过条件。

---

适合哪些场景

值得封装成 Skill 的任务特征：

• 重复发生（每周/每月都要做）
• 有清晰的输出质量标准
• 有已知的失败模式可以沉淀
• 维护成本低于每次重新解释的成本

具体场景举例：

• 产品经理：把 PRD 写作规范封装成 Skill，每次让 AI 写需求文档自动遵循格式
• 运营：把内容审核 SOP 封装成 Skill，AI 按你的标准而不是它自己的标准判断
• 开发者：把 Code Review 检查项封装成 Skill，统一团队 review 标准
• 设计师：把视觉规范封装成 Skill，AI 生成内容自动符合品牌风格
• 创作者：把写作语气和格式规范封装成 Skill，保持内容一致性

不适合封装的情况：

• 一次性的问题或探索性任务
• 流程还在频繁变化、尚未稳定的工作
• 用一个模板或脚本就能解决的事情

---

技术信息

• GitHub：dososo/blcaptain-meta-skill
• 发布时间：2026-06-13（刚刚开源，2天前）
• 语言：Python（验证脚本）+ Markdown（Skill 内容）
• 许可证：个人和开源项目免费使用，商业用途需授权
• 兼容：Claude Code、Codex CLI、以及其他支持 Agent Skill 格式的工具

---

安装和调用

# 克隆仓库
git clone https://github.com/dososo/blcaptain-meta-skill

# 将 skill 目录放到你的 skills 目录下
cp -r blcaptain-meta-skill/blcaptain-meta-skill ~/.claude/skills/

# 在 Claude Code 或 Codex 中调用
$blcaptain-meta-skill

调用后，它会引导你走完 8 个步骤，帮你把手头的工作流封装成一个新的 Skill。

---

一点思考

这个项目打动我的地方，不是它有多复杂，而是它解决的是一个非常真实但经常被忽视的问题：

AI 工具的能力边界，往往不在于模型本身，而在于你有没有办法把自己的专业判断持久化。

Claude Code 或 Codex 很强，但每次新会话，你的经验从零开始——除非你花时间封装它。BLCaptain 提供的，是一套让这件事变得系统化、可验证的方法。

它目前刚开源，stars 还很少（16），文档体系也在建立中。但它解决的问题方向是对的，8 步框架也足够严谨。如果你已经在用 Claude Code 或 Codex，并且有一些反复使用的工作流，这个项目值得花一小时认真看一遍。

---

GitHub：dososo/blcaptain-meta-skill

BLCaptain Meta Skill: Package Your Repeated AI Instructions Once, Use Forever

Every time you open a new AI conversation, you spend 5 minutes re-explaining the same SOPs, prompts, and expert rules. AI memory is session-level; your expertise is career-level. BLCaptain Meta Skill bridges the gap.

What It Is

A “meta skill” — a Skill that creates other Skills. It’s an 8-step methodology framework for productizing repetitive workflows into installable, verifiable, iterable Agent Skills, itself distributed as an Agent Skill you can install into Claude Code or Codex.

How It Was Built

7 collaborative iterations between Codex and Claude Code:

• Claude Code: reads code, breaks down requirements, architecture planning, audit review
• Codex: modifies code, runs commands, fixes tests, supplements validation evidence

The Non-Skill Gate

Before packaging anything, answer: Does this task repeat regularly? Are there clear quality standards? Are failure modes known? Is it worth more than writing a template or script? If not, BLCaptain tells you: don’t make it a Skill.

8-Step Workflow

Research → Analysis (NABC/ROI) → Plan → Develop → Validate → Test → Audit → Iterate

Key Design: Thin Entry, Deep Resources

SKILL.md stays minimal (≤1300 tokens) — only triggers, first steps, and navigation. Complexity lives in references/, assets/templates/, evals/, scripts/, examples/. Loaded on demand, not all at once.

Evidence-Driven Release

Not “looks complete” but “behavior proven”: 13 route test cases, positive/negative scenario outputs, real-failure-based gotchas, context budget verification.

GitHub: dososo/blcaptain-meta-skill · Free for personal/OSS · Commercial requires authorization