Asgard Skills 研究筆記¶
資料來源¶
| 項目 | 連結 |
|---|---|
| GitHub Repo | asgard-ai-platform/skills |
| Skill Template | asgard-ai-platform/skill-template |
| MCP Servers | asgard-ai-platform/mcp-* |
專案狀態： ⭐ 69 stars · Python · MIT · 2026-04-07 創建 · 263 個 skills 已完成
專案概述¶
Asgard Skills 是一個開源的 263 個 coding agent skills 知識庫，分成 21 個主題類別。每個 skill 是獨立的 SKILL.md 檔案，遵循 Claude Agent Skills 規範。這是 Asgard AI Platform 的「原料庫」，Skills 會與 MCP servers 組合，打包成針對特定使用者情境的 plugin（如台股分析師、電商營運、政策研究者）。
核心理念：每個 skill 封裝的是某個明確任務的「方法論 + 判斷 + 陷阱」——那些 LLM agent 若沒有提示就會重新摸索、或直接做錯的東西。
與 wshobson/agents（77 個插件，偏軟體開發）不同，Asgard 聚焦在商業、學術、分析領域——研究所理論模型、商學院框架、統計方法、台灣在地知識。
21 個分類（263 個 Skills）¶
| 前綴 | 數量 | 主題 | 重點 |
|---|---|---|---|
grad- |
87 | 研究所級理論模型 | RBV、CAPM、SEM、DID、Affordance... |
algo- |
62 | 演算法 | PageRank、BM25、ARIMA、EOQ、風險模型... |
biz- |
22 | 商學院框架 | SWOT、Porter 五力、DCF、損益兩平... |
tw- |
9 | 台灣在地知識 | 股市、稅務、電子發票... |
hum- |
9 | 人文 / 批判性推理 | |
ecom- |
7 | 電商實務 | RFM、定價彈性... |
soc- |
7 | 社會科學 | Cialdini、認知偏誤、創新擴散... |
econ- |
6 | 經濟學基礎 | |
meta- |
6 | 跨領域思維模型 | |
ops- |
6 | 企業營運 | OKR、合約審查、pitch deck... |
law- |
5 | 法律框架 | |
pr- |
5 | 公關 / 品牌傳播 | |
cs- |
4 | 客戶服務 | SOP、通知策略... |
data- |
4 | 資料分析 | Cohort、Dashboard、SQL 優化... |
mfg- |
4 | 製造業 | OEE、預測性維護、MPS/MRP... |
mkt- |
4 | 數位行銷 | A/B 測試、廣告優化、SEO... |
stat- |
4 | 統計方法論 | 因果推論、假設檢定、EDA... |
tech- |
4 | 一般技術 | API、MCP server、prompt engineering... |
ux- |
4 | 設計 / UX 方法論 | Design Thinking、JTBD、Nielsen... |
fin- |
2 | 金融實務 | 財務模型、法說會摘要... |
xborder- |
2 | 跨境電商 | 物流策略、東南亞進入... |
Skill 結構模板¶
---
name: "{category}-{skill-name}"
description: "[祈使句 WHAT + WHEN，< 1024 字元]"
metadata:
category: "WP-XX Topic Label"
tags: [...]
---
# {Skill 顯示名稱}
## Overview / Framework
## When to Use (and When NOT to Use)
## Methodology（Phase-Gate 或 Hub-and-Spoke）
## IRON LAW：{非顯而易見的約束} ← 核心設計
## Output Format
## Gotchas
## Scripts（若適用）
## References
確定性計算腳本（20 支）¶
LLM 常算錯的計算用 Python 腳本處理（純 stdlib、無外部依賴）：
| 領域 | Skills |
|---|---|
| 財務 | biz-cac-ltv、biz-breakeven、biz-dcf、biz-dupont、grad-capm、fin-modeling |
| 風險/統計 | algo-risk-altman-z、algo-risk-var、mkt-ab-testing |
| 供應鏈 | algo-sc-eoq、algo-sc-safety-stock、algo-sc-newsvendor |
| 排名 | algo-rank-wilson、algo-rank-elo、algo-rank-bayesian |
| 電商/搜尋 | ecom-rfm-analysis、algo-price-elasticity、algo-seo-tfidf、algo-ecom-bm25 |
# 每支腳本都支援 --help、--input、--verify（自我測試）
python biz-cac-ltv/scripts/cac_ltv.py \
--marketing-cost 100000 --new-customers 500 \
--arpu 50 --gross-margin 0.70 --monthly-churn 0.05
設計原則¶
| 原則 | 說明 |
|---|---|
| Iron Law | 每個 skill 定義一條非顯而易見的約束，agent 不提示就會踩雷 |
| Hub-and-Spoke | SKILL.md 精簡（< 200 行），冗長內容外掛到 references/ |
| Phase-Gate | 演算法類 skill 明確步驟 + 步驟間驗證關卡 |
| 具體驗證 | 範例必須可精確計算，不接受模糊範圍 |
| 不過度教學 | 假設 agent 已懂基礎，只強調它會做錯的地方 |
品質狀態¶
| 階段 | 狀態 |
|---|---|
| Phase 1：263 個 skills 生成 | ✅ |
| Phase 1.5：自動 lint | ✅ 263/263 |
| Phase 1.7：with/without skill 評估 | ✅ 4/4 with_skill 勝 |
| Phase 2-3：品質審計（抽樣 28 份） | ✅ 14 PASS / 13 MINOR / 1 MAJOR |
| Phase 4：description 最佳化 | ✅ |
確定性腳本 --verify |
✅ 全部通過 |
| Plugin 打包（Phase 5） | 🟡 規劃中 |
目前限制 / 注意事項¶
- 尚未打包為 Plugin — Phase 5 規劃中，目前需手動安裝個別 SKILL.md
- 品質審計覆蓋率低 — 263 個只抽樣 28 個（~10%），其餘未經人工審查
- 新專案風險 — 2026-04-07 建立，不到兩週歷史
- 87 個 grad- skills 的實用性 — 研究所理論模型對多數實務場景可能過於學術
- 台灣在地 skills 僅 9 個 —
tw-前綴的覆蓋面有限
研究價值與啟示¶
關鍵洞察¶
-
「Iron Law」設計是 Skill 品質的決定性差異。 大多數 skill 只告訴 agent「怎麼做」，Asgard 的每個 skill 額外定義「做錯會踩什麼雷」。這比正面指引更有價值——LLM 最常犯的錯是它「不知道自己不知道」的邊界案例。
-
確定性腳本解決了 LLM 的致命弱點。 LLM 做 DCF 估值、A/B 測試統計、安全庫存計算常算錯。Asgard 用純 Python stdlib 腳本處理這些——讓 LLM 做推理和決策，把計算交給確定性程式碼。這是「AI + 傳統程式」的正確分工。
-
「原料庫 + MCP + Plugin」的三層架構值得借鑑。 Skills 是原料（方法論知識），MCP servers 是資料管道（連接外部系統），Plugin 是組合包（針對特定角色打包）。這種解耦設計讓同一個 skill 可以在不同 plugin 中復用。
-
263 個 skills 的廣度反映了「AI 顧問化」趨勢。 從 SWOT 分析到 CAPM 模型、從客服 SOP 到預測性維護——Asgard 本質上是把 MBA + 研究所 + 產業實務的方法論封裝給 AI Agent。這跟 Claude Ads 封裝廣告顧問知識的模式一致，但覆蓋面更廣。
-
tw-前綴是差異化的起點。 台灣稅務、電子發票、股市規則——這些在地知識是英文世界的 skill 庫完全沒有的。雖然目前只有 9 個，但這個方向（在地化 skills）有巨大的擴展空間。
與其他專案的關聯¶
- vs wshobson/agents（33.6K stars）： wshobson 聚焦軟體開發（77 個 plugin、182 個 agent），Asgard 聚焦商業分析（263 個 skill、21 個主題）。兩者幾乎零重疊，可以同時安裝。wshobson 的四層模型策略和 PluginEval 在工程面更成熟，Asgard 的 Iron Law 和確定性腳本在知識面更深入。
- vs Claude Ads： Claude Ads 是廣告審計的「深度垂直」（250+ checks 只在廣告領域），Asgard 是跨領域的「廣度覆蓋」（263 skills 橫跨 21 個主題）。Asgard 的
mkt-ad-optimizationskill 可能和 Claude Ads 有功能重疊。 - vs KC AI Skills / Slavingia Skills： 同屬 Claude Code Skill 生態，但 Asgard 的學術深度（grad- 87 個研究所理論）和確定性腳本是獨特差異。
- vs OpenAI Agent 建構指南： 指南說「用確定性工具防幻覺」——Asgard 的 20 支計算腳本就是這個建議的最佳實踐。
- 對 Fluffy 生態的啟示：
tw-前綴的台灣在地知識 skills 可以直接參考。如果 fluffy-agent-core 需要處理台灣電商場景（稅務、發票、物流），這些 skills 是現成的知識來源。