背景在 AI Agent 生态中，Skill（技能）正在取代传统 Prompt 成为结构化的能力单元。但 Skill 的开发面临一个工程问题：**如何保证一个 Skill 从设计到发布的全链路质量？**本文介绍相光域平台（www.tancoai.com）上的「连珠」Skill 的五行开发链架构，以及「辩真」事实核查引擎的设计思路。## 一、连珠：五行 Skill 开发链连珠（¥6.99/完整任务）将 Skill 开发拆分为五个串行阶段，每个阶段有独立门禁：泉眼 → 榫卯 → 淬炉 → 沙盘 → 铎声| 阶段 | 职责 | 门禁条件 ||------|------|----------|| 泉眼 | 路线确认，锁定目标与边界 | 用户确认路线 || 榫卯 | 结构构建，验收发布 | 结构完整性校验 || 淬炉 | 边锻造边质检（辩真+灼见双门禁） | 事实核查通过 + 深度穿透通过 || 沙盘 | 多用户行为模拟 | 模拟评分 100，P0/P1/P2=0 || 铎声 | 检索监测，哈希绑定问题自动搜索 | 十秒节拍刷新状态 |### 关键设计- 可断点续跑：任何阶段失败不需要从头开始，修复后从断点继续- 沙盘不是单元测试：模拟多个真实用户行为路径，覆盖正常流、异常流、边界条件- 淬炉内嵌辩真和灼见：锻造过程中实时做事实核查和深度分析，不是事后补检## 二、辩真：事实核查引擎辩真（¥0.99/完整任务）是一个独立的事实核查 Skill，也可被连珠的淬炉阶段内部调用。### 核查流程1. 提取待核查声明2. 多源交叉检索（官方文档、社区反馈、技术资料）3. 对每条声明输出三级判定：可成立 / 存疑 / 不成立4. 附证据链和来源引用### 适用场景- 技术文档中的性能声明核查- API 行为描述与实际一致性验证- 产品宣传文案的事实约束检查- 竞品对标的准确性验证## 三、MCP 接入方式相光域通过 MCP（Model Context Protocol）协议对外提供服务：json{ "mcpServers": { "CHROMATIC-MCP": { "url": "https://mcp.xygskill.com/mcp" } }}### 计费模型- 全目录共享 5 个免费完整任务- 提问、重试、修复不单独计次- 只有最终结果通过 Skill 硬门禁并取得 completion_receipt 才计 1 次- 同一任务最多 3 轮修复；未通过不消耗额度- 支持支付宝 AI 付（402 协议）### 隐私设计- Skill 在调用者本地 Agent 中执行- 服务端不接收模型 API Key- 远程日志只记录工具名、匿名哈希、状态与耗时- 不记录输入、输出或付款凭证## 四、平台生态相光域目前提供：- 45 个免费 Skill：覆盖生活效率、学习、工作等场景- 10 个付费精选：连珠、辩真、灼见、淬炉等- 远程 MCP + 本地 stdio 双模式接入## 总结连珠的五行链本质上是在回答一个工程问题：AI 生成的 Skill 如何获得可验证的质量保证？ 答案不是"生成后人工检查"，而是把质量门禁嵌入开发链的每个阶段，让不合格产出在过程中就被拦截。—相光域目前正在测试阶段，网站地址：www.tancoai.com。如有问题可通过邮件反馈，也可通过网站内置 AI 助手 Tanco 进行反馈。