ใช้ทำอะไรได้
ยังไม่มีคำอธิบายภาษาไทย ดูข้อเท็จจริงด้านล่าง หรือเปิดคำอธิบายต้นฉบับจากผู้ทำ
- ต่อแบบ ไฟล์คำสั่งให้ AI อ่าน
- บัญชีหรือคีย์ ยังยืนยันไม่ได้ (ยังไม่ได้อ่าน README)
- หมวด เขียนโค้ด
คำอธิบายต้นฉบับจากผู้ทำ (อังกฤษ)
Making ANY Software Skill-Native -- Auto-generate production-ready AI Agent Skills for Claude Code, OpenClaw, Codex, and more.สำหรับผู้ทำ: ติดป้ายใน README
ถ้าคุณเป็นผู้ทำตัวนี้ คัดลอกโค้ดนี้ไปวางใน README ได้เลย ป้ายลิงก์กลับมาที่หน้านี้
[](https://mcp.popnx.com/th/skills/agentskillos-skillanything)ใช้คู่กับ
MCP ที่ต่อ AI เข้ากับบริการในงานเดียวกัน
Fallow
Codebase intelligence for TypeScript and JavaScript, exposed as structured MCP analysis tools.
Desktop Commander
MCP server for terminal commands, file operations, and process management
Skill ที่ทำงานคล้ายกัน
หมวดงานเดียวกัน เรียงแบบเดียวกับหน้ารายการ Skill
| ตัวนี้ SkillAnything | rea | andrej-karpathy-skills | graphify | MoneyPrinterTurbo | |
|---|---|---|---|---|---|
| ผู้ทำ | AgentSkillOS | morluto | multica-ai | Graphify-Labs | harry0703 |
| จำนวน Skill | 1 | 1 | 1 | 1 | 1 |
| ดาว GitHub | 482 | 463,670 | 233,682 | 148,887 | 143,987 |
| แก้โค้ดล่าสุด | 6 เม.ย. 2569 | 17 พ.ย. 2569 | 20 เม.ย. 2569 | 17 พ.ย. 2569 | 16 พ.ย. 2569 |
| สัญญาอนุญาต | MIT | MIT | – | Apache-2.0 | MIT |
ชุดคำสั่ง (Skill) 1 ชุดจาก AgentSkillOS ให้ AI อ่านแล้วทำงานตามวิธีนี้ · ไม่ใช่ MCP server
Skill ต่างจาก MCP ยังไง
MCP = มือ
ต่อ AI เข้ากับบริการหรือข้อมูลข้างนอก เช่น อ่าน Notion หรือสร้างใบแจ้งหนี้ ต้องมีโปรแกรมหรือ server ทำงานอยู่
Skill = คู่มือ
ไฟล์ข้อความที่สอน AI ว่างานนี้ทำยังไง ไม่ต่อบริการใด
บางตัวคล้ายกัน: Skill บางตัวมีสคริปต์เรียกเครื่องมือ และ MCP บางตัวส่งแค่ความรู้ ให้ดูที่งานที่อยากทำเป็นหลัก
ใช้กับแอปไหน
Claude CodeCodex
ตามที่ README ของผู้ทำเขียนไว้ และโฟลเดอร์ที่มีใน repo
ติดตั้ง
ปลอดภัยไหม
- ใครทำ
บัญชี GitHub AgentSkillOS (บุคคล) เพิ่งเปิดมา 11 เดือน ระวังเป็นพิเศษ
- คนใช้และการดูแล
★ 482 ดาว ยังมีคนใช้น้อย · แก้โค้ดล่าสุด 6 เม.ย. 2569
- มีสคริปต์ไหม
มีสคริปต์ 17 ไฟล์ที่รันบนเครื่องได้: eval-viewer/generate_review.py, scripts/__init__.py, scripts/aggregate_benchmark.py, scripts/analyze_target.py และอีก 13 ไฟล์
- ใช้อินเทอร์เน็ตไหม
สคริปต์ที่เรียกอินเทอร์เน็ต: scripts/init_skill.py
- แก้ค่าตั้งทั้งเครื่องไหม
สคริปต์ที่แตะโฟลเดอร์ค่าตั้ง (~/.claude หรือ settings.json): scripts/run_eval.py
ตรวจอัตโนมัติจากไฟล์ใน repo ที่ commit 0f7d527 (อ่านไฟล์อย่างเดียว ไม่ได้รัน) ไม่ใช่การรับรองความปลอดภัย อ่านแล้วตัดสินใจเอง
ขั้นแรก: คุณใช้ AI ตัวไหน
เลือกแอปที่ใช้ แล้วหน้านี้จะแสดงเฉพาะวิธีติดตั้งของแอปนั้น
ทางที่ 1อัปโหลดเข้า claude.ai (เว็บและแอป)
อัปโหลดใน claude.ai ไม่ผ่าน เพราะคำอธิบายยาวเกิน 200 ตัวอักษร (736 ตัวอักษร) ใช้ทาง "ให้ AI ติดตั้งให้" แทน
ทางที่ 1ให้ Claude Code ติดตั้งให้
คัดลอกประโยคนี้ไปวางในแชตของ Claude Code
เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ
AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น
เปิด Claude Code ใหม่ แล้วพิมพ์ /SkillAnything หรือสั่งงานที่ตรงเรื่อง Claude จะเลือกใช้เอง
ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: code.claude.com
สำหรับคนที่ใช้ Terminal
Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้
เปิด Terminal
Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน
คัดลอกโฟลเดอร์ skill ไปไว้ที่ ~/.claude/skills
คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md
กำลังตรวจคำสั่ง · ปุ่มคัดลอกจะขึ้นเมื่อตรวจผ่าน
เปิด Claude Code ใหม่ แล้วพิมพ์ /SkillAnything หรือสั่งงานที่ตรงเรื่อง Claude จะเลือกใช้เอง
Skill ที่ติดตั้งเองใช้ได้ในแอป ChatGPT บนคอม, Codex CLI และส่วนขยาย Codex ใน IDE · ChatGPT บนเว็บและมือถือใช้ Skill ที่ติดตั้งเองไม่ได้ ใช้ได้เฉพาะ Skill ที่มากับปลั๊กอินในไดเรกทอรี
แอป ChatGPT บนคอม
แอป ChatGPT บนคอมมี Codex อยู่ในตัว Codex อ่าน Skill จากโฟลเดอร์ ~/.agents/skills
ทางที่ 1ให้ ChatGPT ติดตั้งให้
เปิด Codex ในแอป ChatGPT บนคอม แล้ววางประโยคนี้ในแชต
AI จะบอก path ให้ดูก่อนติดตั้งเสมอ
AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น
ทางที่ 2วางโฟลเดอร์เอง
วางโฟลเดอร์ skill-anything ไว้ที่ ~/.agents/skills/skill-anything
~ คือโฟลเดอร์บ้านของคุณ ($HOME)
สำหรับคนที่ใช้ Terminal
Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้
เปิด Terminal
Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน
คัดลอกโฟลเดอร์ skill ไปไว้ที่ ~/.agents/skills
คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md
กำลังตรวจคำสั่ง · ปุ่มคัดลอกจะขึ้นเมื่อตรวจผ่าน
หลังติดตั้ง
- แอป ChatGPT บนคอม: เปิด Skills ในแถบข้างเพื่อดูว่า Skill ขึ้นแล้ว
- เรียกใช้: ใน ChatGPT พิมพ์ @ แล้วเลือก Skill · ใน Codex CLI หรือส่วนขยายใน IDE พิมพ์ /skills หรือพิมพ์ $ แล้วตามด้วยชื่อ Skill
- Codex เห็น Skill ที่ติดตั้งใหม่เอง ถ้ายังไม่ขึ้นให้ปิดแล้วเปิด Codex ใหม่
ตรวจกับเอกสารทางการล่าสุด 15 พ.ย. 2569 · แหล่ง: learn.chatgpt.com
ChatGPT บนเว็บและมือถือ
ใช้ Skill ที่ติดตั้งเองไม่ได้ ใช้ได้เฉพาะ Skill ที่มากับปลั๊กอินในไดเรกทอรี
อยากใช้ Skill นี้กับ ChatGPT ให้ใช้แอป ChatGPT บนคอมตามวิธีด้านบน
ตรวจกับเอกสารทางการล่าสุด 15 พ.ย. 2569 · แหล่ง: learn.chatgpt.com
ทางที่ 1ให้ Codex ติดตั้งให้
คัดลอกประโยคนี้ไปวางในแชตของ Codex · ใช้ได้ทั้ง Codex ในแอป ChatGPT บนคอม, Codex CLI และส่วนขยายใน IDE
เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ
AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น
Codex เห็น Skill ที่ติดตั้งใหม่เอง ถ้ายังไม่ขึ้นให้ปิดแล้วเปิด Codex ใหม่ · เรียกใช้: ใน ChatGPT พิมพ์ @ แล้วเลือก Skill · ใน Codex CLI หรือส่วนขยายใน IDE พิมพ์ /skills หรือพิมพ์ $ แล้วตามด้วยชื่อ Skill
ตรวจกับเอกสารทางการล่าสุด 15 พ.ย. 2569 · แหล่ง: learn.chatgpt.com
สำหรับคนที่ใช้ Terminal
Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้
เปิด Terminal
Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน
คัดลอกโฟลเดอร์ skill ไปไว้ที่ ~/.agents/skills
คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md
กำลังตรวจคำสั่ง · ปุ่มคัดลอกจะขึ้นเมื่อตรวจผ่าน
เปิด Codex ใหม่ แล้วสั่งงานที่ตรงเรื่อง Codex จะเห็น skill นี้ในรายการ
ทางที่ 1ให้ Cursor ติดตั้งให้
คัดลอกประโยคนี้ไปวางในแชตของ Cursor
เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ
AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น
ใน Agent chat ของ Cursor พิมพ์ / แล้วเลือก SkillAnything
ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: cursor.com
สำหรับคนที่ใช้ Terminal
Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้
เปิด Terminal
Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน
คัดลอกโฟลเดอร์ skill ไปไว้ที่ ~/.cursor/skills
คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md
กำลังตรวจคำสั่ง · ปุ่มคัดลอกจะขึ้นเมื่อตรวจผ่าน
ใน Agent chat ของ Cursor พิมพ์ / แล้วเลือก SkillAnything
ทางที่ 1ให้ AI ติดตั้งให้
สำหรับแอปอื่นที่อ่าน Skill ได้ ประโยคนี้มี path ของ Claude Code, Codex และ Cursor ให้ AI เลือกตามแอปที่ใช้ · คัดลอกประโยคนี้ไปวางในแชตของแอป
เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ
AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น
ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: code.claude.com, learn.chatgpt.com, cursor.com
สำหรับคนที่ใช้ Terminal
แอปอื่นที่รองรับ Agent Skills (เช่น Gemini CLI, GitHub Copilot) เก็บ skill ในโฟลเดอร์ต่างกัน ดูคู่มือของแอปนั้น แล้วคัดลอกโฟลเดอร์ที่มี SKILL.md ไปวาง
ตรวจโฟลเดอร์ skill กับคู่มือทางการของ Claude Code, Codex และ Cursor เมื่อ 11 พ.ย. 2569
ดูไฟล์ต้นฉบับ SKILL.md
ข้อความต่อไปนี้มาจาก repo ของผู้ทำ ไม่ใช่คำสั่งของ PopNx MCP
7,465 ตัวอักษร · เปิดไฟล์เต็มบน GitHub
---
name: skill-anything
description: >
Automatically generate production-ready Skills for any software, API, CLI tool, library, workflow,
or service. Use this skill whenever the user wants to create a skill from scratch for a target
application, convert an existing tool into an agent-native skill, generate skills for multiple
platforms (Claude Code, OpenClaw, Codex), or automate the full skill creation pipeline including
analysis, design, implementation, testing, optimization, and multi-platform packaging. Also use
when the user mentions "skill-anything", "generate a skill for", "make a skill from", "skillify",
or wants to turn any software into an agent-ready skill. Even if they just say "create a skill
for X" where X is any tool or API, this skill should trigger.
---
# SkillAnything
Automatically generate production-ready Skills for any target — software, API, CLI tool, library,
workflow, or web service. SkillAnything runs a 7-phase pipeline that analyzes your target, designs
the skill architecture, implements it, generates test cases, benchmarks performance, optimizes the
description, and packages for multiple agent platforms.
## Quick Start
**Fully automated** (one command):
```
Give SkillAnything a target and it handles everything:
- "Create a skill for the jq CLI tool"
- "Generate a skill for the Stripe API"
- "Turn this workflow into a multi-platform skill"
```
The pipeline runs all 7 phases automatically. Results land in `sa-workspace/`.
## The 7-Phase Pipeline
```
Phase 1: Analyze → Detect target type, extract capabilities → analysis.json
Phase 2: Design → Map capabilities to skill architecture → architecture.json
Phase 3: Implement → Generate SKILL.md + scripts + references → complete skill directory
Phase 4: Test Plan → Auto-generate eval cases + trigger queries → evals.json
Phase 5: Evaluate → Benchmark with/without skill, grade results → benchmark.json
Phase 6: Optimize → Improve description via train/test loop → optimized SKILL.md
Phase 7: Package → Multi-platform distribution packages → dist/
```
See `METHODOLOGY.md` for the full pipeline specification.
## Usage Modes
### Auto Mode (default)
Runs all 7 phases end-to-end. Provide the target and SkillAnything does the rest:
```
Target: "the httpie CLI tool"
→ Analyzes httpie --help output, designs command structure, generates skill,
creates tests, benchmarks, optimizes, packages for 4 platforms
```
### Interactive Mode
Set `auto_mode: false` in `config.yaml`. SkillAnything pauses after each phase for review:
- Phase 1 → "Here's what I found about the target. Look right?"
- Phase 2 → "Here's the proposed skill architecture. Any changes?"
- Phase 3 → "Draft skill ready for review."
- ...continues with user feedback at each step
### Single Phase Mode
Run any phase independently:
```bash
python -m scripts.analyze_target --target "jq" --output analysis.json
python -m scripts.design_skill --analysis analysis.json --output architecture.json
python -m scripts.init_skill my-skill --template cli --output ./out
python -m scripts.generate_tests --analysis analysis.json --skill-path ./out/my-skill
python -m scripts.run_eval --eval-set evals.json --skill-path ./out/my-skill
python -m scripts.run_loop --eval-set trigger-evals.json --skill-path ./out/my-skill --model <model>
python -m scripts.package_multiplatform ./out/my-skill --platforms claude-code,openclaw,codex
```
## Configuration
Edit `config.yaml` to customize the pipeline. Key settings:
| Setting | Default | Description |
|---------|---------|-------------|
| `pipeline.auto_mode` | `true` | Run all phases or pause for review |
| `target.type` | `auto` | Force target type: api, cli, library, workflow, service |
| `platforms.enabled` | all 4 | Which platforms to package for |
| `platforms.primary` | claude-code | Primary output platform |
| `eval.max_optimization_iterations` | 5 | Max description optimization rounds |
| `obfuscation.enabled` | `false` | Obfuscate original scripts with PyArmor |
See `references/schemas.md` for the complete configuration schema.
## Platform Output
| Platform | Install Path | Package Format |
|----------|-------------|----------------|
| Claude Code | `~/.claude/skills/<name>/` | Directory |
| OpenClaw | `~/.openclaw/skills/<name>/` | Directory |
| Codex | `~/.codex/skills/<name>/` | Directory + openai.yaml |
| Generic | anywhere | `.skill` zip |
See `references/platform-formats.md` for platform-specific format details.
## Evaluation and Benchmarking
SkillAnything uses the same eval system as the Anthropic skill-creator:
1. **Test cases** with assertions → graded by `agents/grader.md`
2. **Benchmark** comparing with-skill vs baseline → `benchmark.json`
3. **Description optimization** with train/test split → prevents overfitting
4. **Interactive viewer** via `eval-viewer/generate_review.py`
The eval loop is optional (`skip_eval: true` in config) for rapid prototyping.
## Scripts Reference
| Script | Phase | Purpose |
|--------|-------|---------|
| `analyze_target.py` | 1 | Auto-detect and analyze target |
| `design_skill.py` | 2 | Generate skill architecture from analysis |
| `init_skill.py` | 3 | Scaffold skill directory from templates |
| `generate_tests.py` | 4 | Auto-generate test cases and trigger queries |
| `run_eval.py` | 5 | Test description triggering accuracy |
| `aggregate_benchmark.py` | 5 | Aggregate benchmark statistics |
| `generate_report.py` | 5-6 | Generate HTML optimization report |
| `improve_description.py` | 6 | AI-powered description improvement |
| `run_loop.py` | 6 | Full eval + improve optimization loop |
| `quick_validate.py` | 7 | Validate SKILL.md structure |
| `package_skill.py` | 7 | Package for single platform |
| `package_multiplatform.py` | 7 | Package for all enabled platforms |
| `obfuscate.py` | - | PyArmor wrapper for code protection |
## Agents
Read these when spawning specialized subagents:
| Agent | Purpose |
|-------|---------|
| `agents/analyzer.md` | Phase 1: Target analysis instructions |
| `agents/designer.md` | Phase 2: Skill architecture design |
| `agents/implementer.md` | Phase 3: Skill content writing |
| `agents/grader.md` | Phase 5: Eval assertion grading |
| `agents/comparator.md` | Phase 5: Blind A/B output comparison |
| `agents/optimizer.md` | Phase 6: Description optimization orchestration |
| `agents/packager.md` | Phase 7: Multi-platform packaging instructions |
## Target Types
SkillAnything auto-detects the target type and adapts its analysis:
| Type | Detection | Analysis Method |
|------|-----------|-----------------|
| API | URL with /api, OpenAPI spec, swagger | Fetch spec, extract endpoints |
| CLI | Executable name, --help output | Run help, parse subcommands |
| Library | Package name, import path | Read docs, parse public API |
| Workflow | Step descriptions, sequence | Parse steps, map data flow |
| Service | URL, web interface | Scrape docs, identify actions |
## Troubleshooting
- **Phase 1 fails**: Target not found or inaccessible → provide `--target-type` override
- **Low eval scores**: Description too vague → run Phase 6 optimization
- **Platform packaging errors**: Missing required fields → check `references/platform-formats.md`
- **PyArmor not found**: Install with `pip install pyarmor`
## License
MIT License. See `NOTICE` for third-party attributions (CLI-Anything, Dazhuang Skill Creator,
Anthropic Skill Creator).
พูดคุย
ถาม แชร์เคล็ดลับ หรือแจ้งว่าใช้ไม่ได้ เรียงตามที่คนกดว่ามีประโยชน์
ยังไม่มีใครโพสต์ ถามหรือแชร์เป็นคนแรกได้เลย
ข้อความในส่วนนี้เขียนโดยผู้ใช้ ไม่ใช่ทีม PopNx
ข้อมูลจาก GitHub
- ดาว GitHub
- 482
- ผู้ทำ
- AgentSkillOS
- license
- MIT
- แก้โค้ดล่าสุด
- 6 เม.ย. 2569
- ไฟล์ SKILL.md ใน repo (นับรวมสำเนาภาษาอื่นและแม่แบบ)
- 1
- topic
- agent-native, ai-agent, ai-skills, automation, claude-code, cli-anything, codex, meta-skill, openclaw, skill-generator