27 KiB
Agent Skills 文档
概述
Agent Skills 是一种让 Agent 通过阅读"使用说明书"来学习新能力的扩展机制。与传统的硬编码工具不同,Skills 通过注入到 System Prompt 来扩展 Agent 的能力,遵循 Progressive Disclosure(渐进式披露) 的设计理念。 目前仅支持带智能推理能力的智能体使用。前端可在智能体的编辑页面找到相关配置
已安装到沙箱镜像的技能统一通过 shell_exec(skill_name=..., command=...) 执行;read_file(path="skill://<name>/SKILL.md") 返回具体执行方式。独立的 execute_skill_script 已删除;宿主机技能也通过同一 Shell 入口准备资源并执行,无 Shell 时仅可阅读技能。工具设计与沙箱迁移要求见 Agent Tools 设计评审与重构。
核心特性
- 非侵入式扩展:不影响原有 Agent ReAct 流程
- 按需加载:三级渐进式加载,优化 Token 使用
- 沙箱执行:脚本在隔离环境中安全执行
- 灵活配置:支持多目录、白名单过滤
设计理念
Progressive Disclosure(渐进式披露)
Skills 采用三级加载机制,确保只在需要时才向 LLM 提供详细信息:
┌─────────────────────────────────────────────────────────────────┐
│ Level 1: 元数据 (Metadata) │
│ • 始终加载到 System Prompt │
│ • 约 100 tokens/skill │
│ • 包含:技能名称 + 简短描述 │
└─────────────────────────────────────────────────────────────────┘
↓ 用户请求匹配时
┌─────────────────────────────────────────────────────────────────┐
│ Level 2: 指令 (Instructions) │
│ • 通过 read_file 读取技能 SKILL.md │
│ • SKILL.md 的指令内容 │
│ • 包含:详细指令、代码示例、使用方法 │
└─────────────────────────────────────────────────────────────────┘
↓ 需要更多信息时
┌─────────────────────────────────────────────────────────────────┐
│ Level 3: 附加资源 (Resources) │
│ • 通过 read_file 读取技能附加文件 │
│ • 补充文档、配置模板、脚本文件 │
│ • 通过 shell_exec(skill_name=...) 执行已安装脚本 │
└─────────────────────────────────────────────────────────────────┘
Skill 目录结构
每个 Skill 是一个目录,包含 SKILL.md 主文件和可选的附加资源:
my-skill/
├── SKILL.md # 必需:主文件(含 YAML frontmatter)
├── REFERENCE.md # 可选:补充文档
├── templates/ # 可选:模板文件
│ └── config.yaml
└── scripts/ # 可选:可执行脚本
├── analyze.py
└── generate.sh
SKILL.md 格式
YAML Frontmatter
每个 SKILL.md 必须以 YAML frontmatter 开头,定义元数据:
---
name: pdf-processing
description: Extract text and tables from PDF files, fill forms, merge documents. Use when working with PDF files or when the user mentions PDFs, forms, or document extraction.
---
# PDF Processing
This skill provides utilities for working with PDF documents.
## Quick Start
Use pdfplumber to extract text from PDFs:
```python
import pdfplumber
with pdfplumber.open("document.pdf") as pdf:
text = pdf.pages[0].extract_text()
print(text)
元数据验证规则
| 字段 | 要求 |
|---|---|
name |
1-50 字符,仅允许汉字、英文字母、数字,不能是保留词 |
description |
1-500 字符,描述技能用途和触发条件 |
保留词:system, default, internal, core, base, root, admin
配置
AgentConfig 配置项
type AgentConfig struct {
// ... 其他配置 ...
// Skills 相关配置
SkillsEnabled bool `json:"skills_enabled"` // 是否启用 Skills
SkillDirs []string `json:"skill_dirs"` // 测试/宿主技能目录(生产路径不填)
AllowedSkills []string `json:"allowed_skills"` // 白名单(空=全部允许)
TenantSkills []*TenantSkillEntity // 沙箱镜像内已安装技能
}
生产对话只使用当前智能体所选沙箱配置上的已安装技能(TenantSkills)。SkillDirs 仅用于测试或把宿主技能目录 stage 进会话,不再有部署级 skills/preloaded。
配置示例
{
"skills_enabled": true,
"allowed_skills": ["pdf-processing", "code-review"]
}
Sandbox 配置入口
Sandbox 不再把凭据和模板放进 WEKNORA_SANDBOX_*。后端、凭据、模板、执行超时、TTL 和私网访问策略均在「设置 → 沙箱后端」按空间保存;智能体没有选择空间配置时,脚本执行保持禁用。Docker 后端默认关闭,由系统管理员在「设置 → 系统设置」打开,或设置 WEKNORA_SANDBOX_DOCKER_ENABLED=true。
Sandbox 模式
Docker、CubeSandbox、E2B 均通过同一套空间配置 CRUD、连接检查和智能体选择接口管理。CubeSandbox / E2B 的集群搭建和设置页接入流程见 WeKnora 沙箱集群与标准模板。设置页会通过当前连接拉取模板目录;若没有 WeKnora 标准模板,后端会从标准镜像发起创建,用户无需复制模板 ID。
| 模式 | 状态 | 说明 |
|---|---|---|
docker |
稳定 | 单机 Docker daemon;会话级持久(一个会话一个长驻容器),支持多机 WeKnora 副本(需 Redis),但沙箱都落在同一台 daemon 上。见 Docker 沙箱后端 |
cube |
稳定 | Tencent CubeSandbox MicroVM;会话级持久,支持多机(需 Redis) |
e2b |
稳定 | E2B 云端 MicroVM;会话级持久,支持多机(需 Redis);依赖第三方 SDK go-e2b |
工作区沙箱后端配置
一个工作区可以维护多份具名沙箱后端配置(「设置 → 沙箱后端」),智能体在编辑弹窗的「能力扩展 → 沙箱后端」里各自选一份。不选表示禁用脚本执行。
同一后端类型可以有多份配置:例如两份 E2B 分别指向不同账号或区域,让不同智能体的技能脚本落在不同配额上。
空间配置是唯一运行时来源。 端点、凭据和运行参数不会从 .env 回退:
| 后端 | 必填 | 可留空 |
|---|---|---|
| Cube | API 端点、Proxy 端点、沙箱域名、从集群列表选择的模板 | API Key(自建部署通常无鉴权) |
| E2B | API Key、从账号列表选择的模板 | API 端点、沙箱域名(go-e2b 自行解析默认值) |
留空必填项在保存时就会被拒绝(HTTP 400)。HTTP 超时、沙箱 TTL 和执行超时留空均使用程序内置默认值。
这条规则换来的是:库里那一行就是沙箱位置的完整描述。因此身份比较不必再去解析 .env,改 .env 也不会在无人察觉的情况下把某份配置重新指向别的账号。
会话与配置的绑定是「随沙箱同生共死」的钉子。 会话首次创建沙箱时,把当时用的配置 ID 记在 sessions.sandbox_config_id 上;此后该会话的附件上传、产物收集、沙箱销毁都锁定在这份配置上。改智能体的选择只影响之后新建的沙箱——否则管理员改一次配置,正在进行的会话就会去错误的账号里找产物,销毁也会打空,留下一个没人知道 ID 的 paused 沙箱持续计费。
安装租户技能
空间「技能沙箱」设置里可以把技能装进当前配置的镜像。除上传 zip 外,也支持从托管平台粘贴来源(每种写法只对应一种来源,不会猜测):
- ClawHub:
@owner/slug,或不含/的 slug(如my-team--skill) - ClawHub skills.sh 联邦页:
https://clawhub.ai/skills-sh/owner/repo/slug或skills-sh:owner/repo/slug(服务端向 ClawHub 解析钉死的 GitHub commit,不会把 URL 最后一段当成仓库子目录) - 页面链接:ClawHub / skillhub.cn / 自托管 SkillHub、skills.sh、GitHub、GitLab
- 直接的 zip /
SKILL.mdURL
不要粘贴裸的 owner/slug:请改成 @owner/slug 或完整 https://github.com/... 链接。来源必须可匿名读取,服务端下载时不携带任何凭据;私有仓库请先导出 zip 再上传。安装仍走原有镜像快照流程。
有沙箱在跑时改不了身份字段。 身份字段分两组,成因不同但后果都足够严重:
| 组 | 字段 | 一改会怎样 |
|---|---|---|
| 控制面 | 后端类型、API 端点、API Key | 旧沙箱再也无法列举/删除/恢复——新凭据没有权限动它们,而 onTimeout=pause 意味着 TTL 也不会回收 |
| 数据面 | E2B 沙箱域名;Cube 代理地址、沙箱域名 | 旧沙箱仍可删,但 envd 请求会打到错的主机 ⇒ 该配置下所有活会话立刻失效,而沙箱还活着继续计费 |
因此这类修改会被拒绝(HTTP 409),界面会给出沙箱数量、受影响会话数,以及两条出路:结束或删除那些会话(删会话会销毁其沙箱),或者新建一份配置把智能体指过去(旧凭据原样留着,清理能力不丢)。没有「释放沙箱」按钮——那等于在管理员背后销毁正在进行的对话。
删除配置只拦远端沙箱,不拦智能体引用:确认弹窗会列出仍指向它的智能体名单,但不阻止删除;删除后那些智能体执行技能时会明确报错,而不是静默换到别的后端。若后端已连不上、无法核实是否仍有沙箱,可以强制删除(这是唯一能强制的情形——能数出来的活沙箱永远不让强删)。
sessions.sandbox_config_id 取值语义:
| 值 | 含义 |
|---|---|
NULL |
当前无活沙箱(删会话 / 销毁后会 Clear) |
"-" |
旧版本部署默认沙箱的历史兼容标记;新会话不再写入 |
| UUID | 活沙箱建在工作区某份具名配置上 |
会话级 sandbox 部署要点
- binding store 自动选择:进程根据通用
REDIS_ADDR是否配置自动决定绑定存储;Redis key 命名空间复用WEKNORA_REDIS_NAMESPACE,未设置时为weknora。 - 多机部署(生产推荐):配置
REDIS_ADDR。多副本共享同一 session 的沙箱绑定,通过 Redis SET NX + 可续租分布式锁串行化 create / recover / delete。 - ⚠️ binding store 现在保存承载凭证,必须做访问控制:入站一律要求凭证,Cube / E2B 的 traffic token 随绑定一起明文存放——它是访问该沙箱公网 URL 的凭证,读到它就等于能访问那个沙箱暴露的端口。因此存放绑定的 Redis 必须启用认证并限制网络可达范围,不能与不受信任的服务共用实例。这里不加密是有意的:每次重连都要解密会把开销加在热路径上,而 Redis 本身的访问控制是更合适的边界。代码侧的对应约束是绝不整体打印绑定或 handle(日志里只出现
sandbox_id与凭证的有无),改动session_binding.go/ 适配器日志时请一并保持。 - 单机部署:不配置
REDIS_ADDR(或 Lite 模式)时使用进程内内存 binding,仅限单实例。进程重启会丢失 session→sandbox 映射,remote 侧沙箱成为孤儿(注意:TTL 到期只会暂停、不会销毁,见下)。绑定丢失后,Cube / E2B 配置不会再按 metadata 领养旧沙箱——旧沙箱的 traffic token 随绑定一起没了且 provider 不会重发,领养只会得到一个每次数据面调用都 403 的死会话。lifecycle 会直接删掉它再新建,/workspace里的临时文件随之丢失。Docker 没有 traffic token 概念,照旧领养。 - 切换 provider:不同 provider 的 sandbox ID 不通用。智能体改选配置只影响之后新建的沙箱,已有沙箱继续按 session pin 回收。
- ⚠️ 孤儿沙箱不会被 TTL 自动回收:会话沙箱创建时使用
onTimeout=pause+autoResume=true(见buildSessionCreateRequest),因此 TTL 到期是"暂停"而非"销毁"——保留状态本就是 pause 的目的。加上 CAS 换绑会把旧 sandboxID 从 binding store 覆盖掉,被替换的沙箱会变成无人知晓 ID 的 paused 孤儿,持续占用快照存储与费用。删除会话(session.go的 destroyer)与 lifecycle 的惰性 orphan cleanup 都覆盖不到这种情况。生产环境需依赖按 metadata 列举并与 binding 对账的清理任务来回收(internal/sandbox/orphan_reaper.go),且必须显式包含paused状态。对账维度是(tenant_id, config_id)而非仅tenant_id:同一工作区的两份配置可能指向同一个 provider 账号(例如同一个 E2B Key 只差模板),只按tenant_id过滤会把另一份配置的沙箱一并误删。 - 网络策略:每份具名沙箱配置带一块
network策略,作用于该配置下所有沙箱(会话、技能安装、深度检查共用同一份)。默认出站放行;入站一律要求凭证——沙箱公网 URL 必须携带创建时签发的 traffic token,WeKnora 自身的 envd 链路会自动携带(Cube 由 SDK 附加,E2B 由 WeKnora 的数据面 transport 附加)。若 Cube / E2B 没有签发 token,create 会失败并销毁该沙箱,而不是把空凭证写入 binding(数据面 403 会被当成 authentication,会话会永久卡住)。管理员可配置 allow / deny 列表,Cube 额外支持 CubeEgress L7 规则(scheme / sni / host / method / path + 审计 + header 注入),E2B 额外支持按 host 注入 header。Docker 只能整体开关(bridge/none)。表单不再提供入站开关;解析忽略已存的allow_public_inbound,保存时清掉该字段。改策略只影响之后新建的沙箱:本期不做运行中热更新。 - ⚠️ 升级行为变更:入站从「公网可达」改为「一律要求凭证」。浏览器或外部服务不能再直连沙箱端口;管理界面和 API 都打不开入站。
Agent 工具
Skills 功能通过两个工具与 Agent 交互:
read_file
统一读取沙箱文件和允许使用的技能资源,参数为 path、offset、limit、max_bytes。
{"path": "skill://pdf-processing/SKILL.md"}
读取 SKILL.md 会返回技能指令、执行方式和文件列表。附加文件使用同一种地址:
{"path": "skill://pdf-processing/FORMS.md", "offset": 1, "limit": 200}
沙箱文件可以使用绝对路径,也可以使用相对于 /workspace 的路径:
{"path": "scripts/analyze.py"}
两类内容共用分页、输出预算和二进制抑制;内容较长时按返回的 next_offset 继续。技能资源经过技能白名单和包内路径校验,即使没有沙箱也能阅读。skill:// 代表技能包资源,不是可用于 Shell 的路径;运行脚本时使用加载结果给出的执行方式。
新会话仅注册 read_file,不再同时暴露 read_skill 和 read_sandbox_file。旧的 Tool 实现已删除;名称只保留用于识别和展示旧记录。
shell_exec
执行普通命令和已安装技能,共用当前会话沙箱。省略 skill_name 使用系统环境;指定技能后,仅本次命令使用它的 Python 虚拟环境、Node 模块路径、会话依赖目录和调用者凭据。工作目录默认 /workspace,相对 work_dir 也从这里解析;每次调用重新设置工作目录。
{
"skill_name": "pdf-processing",
"command": "python3 \"$WEKNORA_SKILL_DIR/scripts/analyze.py\" /workspace/input/report.pdf --format json"
}
自己编写的脚本先用 write_sandbox_file 写入 scripts/analyze.py,然后以相同 skill_name 运行 python3 scripts/analyze.py。用 edit_sandbox_file 修改,用 read_file 查看;这些工具的相对路径也从 /workspace 解析。Shell 已启用时通过 ls/find 浏览目录,不再额外注册 list_sandbox_files。
生成文件放在 /workspace/output;原始附件位于 /workspace/input,应保留原样。已安装技能可在本会话沙箱内补装依赖,写入随会话销毁,不会修改其他会话使用的镜像。Node 的 NODE_PATH 支持 CommonJS,自建 ESM 脚本仍需在可写项目目录安装依赖,或调用技能目录中的原始脚本。
旧工具迁移
read_skill、read_sandbox_file、execute_skill_script 已删除独立实现与注册路径。旧记录仍能展示,但不会作为可执行工具重新注册。
脚本执行统一传给 shell_exec:
{
"skill_name": "pdf-processing",
"command": "python3 \"$WEKNORA_SKILL_DIR/scripts/analyze.py\" --format json",
"stdin": "{\"query\": \"example\"}"
}
stdin 保留引号、Unicode 和末尾换行,最大 65536 字节;更大的输入用文件重定向。宿主机技能的脚本、辅助文件及二进制资源自动复制到会话的 /workspace/.skills/<name>/<revision>;使用系统运行时及会话依赖目录,不复制宿主机的虚拟环境或 node_modules。资源准备限制为 1000 个文件、合计 32 MiB,超出时需先安装到沙箱镜像。无 Shell 的后端不会获得另一套执行工具;配置支持 Shell 的沙箱后才能运行脚本。
创建自定义 Skill
暂时不支持用户自主创建自定义 Skill
沙箱安全机制
脚本安全校验(Script Validator)
在脚本执行前,系统会进行多层安全校验,拦截潜在的恶意操作:
校验类型
| 类型 | 说明 | 示例 |
|---|---|---|
| 危险命令检测 | 检测可能破坏系统的命令 | rm -rf /, mkfs, shutdown, fork bombs |
| 危险模式匹配 | 正则匹配高危操作模式 | curl | bash, base64 -d, eval() |
| 网络访问检测 | 检测网络请求尝试 | curl, wget, socket.connect, requests.get |
| 反向 Shell 检测 | 检测远程控制后门 | /dev/tcp/, bash -i, nc -e |
| 参数注入检测 | 检测命令行参数中的注入 | &&, |, $(), 反引号 |
| Stdin 注入检测 | 检测标准输入中的嵌入命令 | 嵌入的命令替换语法 |
拦截的危险命令
系统破坏类:
rm -rf /,rm -rf /*- 递归删除根目录mkfs,dd if=/dev/zero- 文件系统/磁盘操作- Fork bombs:
:(){ :|:& };:
系统控制类:
shutdown,reboot,halt,poweroffkillall,pkillsystemctl,service
权限提升类:
chmod 777 /,chown rootsetuid,setgid,passwd- 访问
/etc/passwd,/etc/shadow,/etc/sudoers
凭证窃取类:
- 访问
.ssh/,id_rsa,id_ed25519 - 读取敏感配置文件
容器逃逸类:
docker,kubectl,nsenterunshare,capsh
拦截的危险模式
代码注入:
# 以下模式会被拦截
curl ... | bash # 下载并执行
wget ... | sh # 下载并执行
eval() # 动态代码执行
exec() # 命令执行
os.system() # 系统命令执行
subprocess.Popen(shell=True) # Shell 命令执行
编码绕过尝试:
# 以下模式会被拦截
base64 -d # Base64 解码执行
echo ... | base64 -d # 管道解码
xxd -r # Hex 解码
Python 特有风险:
# 以下模式会被拦截
__import__() # 动态导入
pickle.load() # 反序列化(可执行任意代码)
yaml.load() # 不安全的 YAML 加载
yaml.unsafe_load() # 显式不安全加载
Shell 操作符拦截
参数中包含以下操作符时会被拦截:
| 操作符 | 说明 |
|---|---|
&&, || |
命令链接 |
; |
命令分隔 |
| |
管道 |
$(), ` |
命令替换 |
>, >>, < |
重定向 |
2>, &> |
错误/组合重定向 |
\n, \r |
换行注入 |
校验结果
校验失败时返回详细的错误信息:
type ValidationError struct {
Type string // 错误类型:dangerous_command, dangerous_pattern, arg_injection 等
Pattern string // 匹配到的模式
Context string // 上下文信息
Message string // 人类可读的描述
}
示例错误:
security validation failed [dangerous_command]: Script contains dangerous command: rm -rf / (pattern: rm -rf /, context: ...cleanup && rm -rf / && echo done...)
使用示例
// 创建校验器
validator := sandbox.NewScriptValidator()
// 校验脚本内容
result := validator.ValidateScript(scriptContent)
if !result.Valid {
for _, err := range result.Errors {
log.Printf("Security error: %s", err.Error())
}
return errors.New("script validation failed")
}
// 校验命令行参数
argsResult := validator.ValidateArgs(args)
// 校验标准输入
stdinResult := validator.ValidateStdin(stdin)
// 或一次性校验全部
fullResult := validator.ValidateAll(scriptContent, args, stdin)
Docker 沙箱
Docker 后端为每个会话提供独立容器,当前隔离和资源配置如下(详见 Docker 后端):
- 执行账号:默认 root;宿主机和跨会话隔离依赖容器与挂载配置,容器共享宿主机内核。
- Capability 限制:先移除全部,再补回 CHOWN、DAC_OVERRIDE、FOWNER、FSETID、SETGID、SETUID、KILL;启用
no-new-privileges。 - 文件系统:容器可写层承载技能和工作区,根文件系统不设为只读;当前不支持挂载技能卷,技能随镜像进入会话。
- 资源限制:默认 2 GiB 内存、2 核 CPU、512 个进程,可通过配置调整。
- 网络:默认
bridge,配置禁止出网时使用none;不支持域名级网络规则。 - 工具约束:Shell 命令黑名单和文件路径前缀检查用于限制误操作,不是容器内 root 的安全边界。
沙箱镜像
系统使用专用的沙箱镜像 wechatopenai/weknora-sandbox,预装了 Python 3.11、Node.js 20、uv 和常用 CLI 工具;技能依赖在技能安装阶段写入各自环境。
预拉取镜像(推荐在首次部署时执行,避免首次执行脚本时等待下载):
# 方式一:直接拉取
docker pull wechatopenai/weknora-sandbox:main
# 方式二:本地构建
sh scripts/build_images.sh -s
如果未预拉取,创建第一个沙箱时会先拉取镜像,首次执行需要等待下载完成;也可以在设置页的模板步骤提前触发拉取。
示例使用
main;生产部署应固定已验证的版本标签,并确认镜像与应用版本兼容。
镜像内置环境:
- Python 3.11 + pip、uv;第三方 Python 包由技能安装阶段提供
- Node.js 20 + npm、pnpm
- CLI 工具:jq、curl、bash、grep、sed、awk 等
# Docker 执行示例
docker run --rm \
--user 1000:1000 \
--cap-drop ALL \
--read-only \
--memory=256m \
--network=none \
-v /path/to/skill:/skill:ro \
-w /skill \
wechatopenai/weknora-sandbox:main \
python scripts/analyze.py input.pdf
API 参考
SkillManager
type Manager interface {
// 初始化,发现所有 Skills
Initialize(ctx context.Context) error
// 获取所有 Skill 元数据(Level 1)
GetAllMetadata() []*SkillMetadata
// 加载 Skill 指令(Level 2)
LoadSkill(ctx context.Context, skillName string) (*Skill, error)
// 读取 Skill 文件内容(Level 3)
ReadSkillFile(ctx context.Context, skillName, filePath string) (string, error)
// 列出 Skill 中的所有文件
ListSkillFiles(ctx context.Context, skillName string) ([]string, error)
// 为统一 Shell 准备技能资源和环境,命令由 shell_exec 执行
PrepareShellEnvironment(ctx context.Context, sessionID, skillName, command string, env map[string]string) (string, map[string]string, error)
// 检查是否启用
IsEnabled() bool
}
Skill 结构
type Skill struct {
Name string // 技能名称
Description string // 技能描述
BasePath string // 目录绝对路径
FilePath string // SKILL.md 绝对路径
Instructions string // SKILL.md 主体指令内容
Loaded bool // 是否已加载 Level 2
}
type SkillMetadata struct {
Name string // 技能名称
Description string // 技能描述
BasePath string // 目录路径
}
ExecuteResult 结构
type ExecuteResult struct {
ExitCode int // 退出码
Stdout string // 标准输出
Stderr string // 标准错误
Duration time.Duration // 执行时长
Error error // 执行错误
}
示例:完整工作流
以下是 Agent 处理用户请求的完整流程:
用户: "帮我从 report.pdf 提取表格数据"
Agent 思考:
→ 查看 System Prompt 中的 Skills 列表
→ 发现 "pdf-processing" 技能匹配
Agent 行动 1: 调用 read_file
→ {"path": "skill://pdf-processing/SKILL.md"}
→ 获取 SKILL.md 指令内容
→ 学习如何使用 pdfplumber
Agent 行动 2: 调用 shell_exec
→ {"skill_name": "pdf-processing",
"command": "python3 \"$WEKNORA_SKILL_DIR/scripts/extract_text.py\" /workspace/input/report.pdf"}
→ 脚本在沙箱中执行,返回提取的表格数据
Agent 回复:
→ 向用户展示提取的表格数据
→ 提供数据使用建议
故障排查
Skill 未被发现
- 检查
skill_dirs配置是否正确 - 确认目录中存在
SKILL.md文件 - 验证 YAML frontmatter 格式
# 运行 demo 验证
go run ./cmd/skills-demo/main.go
脚本执行失败
- 检查沙箱后端配置
- Docker 模式:确认 Docker 服务运行中
- 检查脚本权限和语法
元数据验证错误
常见错误:
skill name too long: 名称超过 50 字符skill name contains invalid characters: 包含非法字符skill name is reserved: 使用了保留词skill description too long: 描述超过 500 字符