Pluviobyte/rnskill

rnskill 是一个个人维护的 AI Agent 技能集合，目前主要包含一个名为“人话”的技能，用于将 AI 生成的中文技术内容润色得更像人类撰写。它的使用者是那些日常依赖 Claude Code、Codex 等 AI 编程助手进行内容创作，但又希望最终产出摆脱明显“AI 腔调”的开发者或技术写作者。

今天，一个开发者要写一篇技术博客或社交媒体帖子，典型的工作流是：打开 AI 助手（如 Claude Code），输入指令生成初稿，然后自己逐字逐句地修改，删除那些过于模板化、语气生硬的表达，同时确保技术细节和核心观点不被误改。这个过程卡在了一个微妙的环节：AI 擅长生成结构化的内容，但缺乏独特的“人味”；而人工修改又需要反复在“保留原意”和“调整语气”之间权衡，尤其是处理技术名词、测试数据和作者主观判断时，既耗时又容易顾此失彼。

rnskill 切入的正是 **Agent 执行层** 中的 **技能封装层**。它没有创造新的 AI 模型，而是将一套特定、可复用的文本处理指令和规则，打包成一个标准化的“技能”（Skill），供 AI Agent 在项目上下文中调用。旧方案是开发者每次在聊天窗口里手动输入长串的、非结构化的提示词，例如“请帮我重写这段，去掉 AI 痕迹，但保留所有模型名称和测试数据”。这种方案的不足在于，提示词效果不稳定，容易在对话中丢失或变形，且无法在不同项目或不同 AI 助手（如从 Codex 切换到 Claude Code）间轻松迁移和复用。

这个项目现在能够成立，直接源于 **AI 编程助手（如 Claude Code、Codex）开始普及项目级技能管理机制**。这些工具定义了 `.agents/skills` 或 `.claude/skills` 这样的目录规范，使得“技能”可以像代码依赖一样被安装和管理。这为个人积累和分享经过实战打磨的、高度垂直的 AI 使用经验提供了基础设施。过去，这些经验只能散落在聊天记录或私人笔记里。

它透露出一个变化：AI 工具的使用正在从临时的、对话式的“一次性提示”，转向可沉淀、可组合、可版本化的“技能资产”。开发者开始像管理代码库一样，管理自己驯化 AI 的“经验包”。这对于需要风格一致、质量稳定的内容产出（如技术博客、产品文档）尤为重要。

对于 Builder 而言，今天可以直接将“人话”技能复制到自己的项目 `.agents/skills/` 目录下，然后在与 AI 助手交互时，通过 `$renhua` 这样的指令快捷调用，实现批量化、标准化的内容润色。它最值得学习的设计，不是复杂的算法，而是 **将模糊的“使用经验”转化为结构化的、可插拔的接口**。这种将人类判断和偏好封装成机器可执行指令的思路，可以迁移到任何需要 AI 保持特定风格或遵循固定规则的场景，例如代码审查规范、API 文档生成模板、UI 设计描述转换等。这标志着 AI 协作进入了“工具化”和“资产化”的新阶段。