TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南

華爾街量化機構 Jane Street 開源 agent_skills,十八天內在 GitHub 破一萬顆星。整個 repo 其實只有一份 102 行的 socratic-tutor 提示詞:你說教我,代理就先診斷程度、畫技能地圖,答錯不給答案只問更窄的問題,它的規則、掛法與授權一次看懂。
用 AI 摘要這篇文章:
華爾街量化交易公司 Jane Street 在 2026 年 11 月 3 日把內部使用的 AI 代理技能 repo「agent_skills」放上 GitHub,到 11 月 21 日早上(UTC)已累積 10,443 顆星、721 次 fork。這個成長速度放在開源 AI 專案裡相當罕見,而它走紅的原因更反常:整個 repo 拆開來看,真正的主角只有一份 102 行的提示詞檔案,沒有多餘的程式碼,也沒有一整排技能清單。
這份檔案叫 socratic-tutor,掛在 repo 唯一的技能目錄裡。它的工作是把 AI 代理變成一位嚴格的家教:你說「教我某個主題」,它會先花幾題診斷你會什麼、不會什麼,畫出一張零到五級的技能地圖,接著一次只問一個問題;你答錯了,它不給答案,反過來問一個更窄的問題,逼你自己把推理裡的矛盾找出來。repo 採 MIT 授權,著作權人登記為 Jane Street Group, LLC,商用與改作都沒有額外限制。
repo 裡的東西半小時就能看完:三個 commit、一份 102 行技能檔案、一份授權與兩份說明文件。以下整理它實際的內容、規則細節、掛載方式,以及幾個在按下星號之前值得先知道的事實。
先看時間軸。GitHub API 顯示,這個 repo 建立於 2026 年 11 月 3 日 16:50 UTC,最初的 commit 作者名稱就叫做 public-release,訊息是 Initial commit;整整 63 分鐘後,下一個 commit 把所有實際內容一次推上來,包括授權檔、貢獻說明、.ocamlformat 設定,以及 socratic-tutor 目錄下的 SKILL.md。這個 commit 的訊息不是任何制式說明,而是一串內部版本號:v0.18~preview.133.03+642。這串號碼符合 OCaml 生態常見的版本格式,repo 裡的 .ocamlformat 也明確寫著 profile=janestreet,兩者相互印證:這批檔案確實是從 Jane Street 內部 repo 直接匯出的,沒有為了開源另外包裝。
內容上線後話題發酵了約一週。2026 年 11 月 10 日,Hacker News 出現一篇標題就叫「Socratic Tutor」的貼文,提交網址直接連到 SKILL.md 這份檔案本身,最終拿到 723 分與 172 則討論,是這波關注最主要的放大器。再往後到了 11 月 17 日,Jane Street 的 David Allsopp 推了 repo 至今最後一個 commit,更新 README 的貢獻政策(下文會談)。截至 11 月 21 日 03:35 UTC,星數停在 10,443,fork 數 721,全部 commit 就這三個,開放 issue 清單為零。
換句話說,這個 repo 從公開到破萬星前後不到十八天,靠的是一份提示詞檔案本身的內容力。想把它理解成「量化機構開源了一整套代理技能庫」的人,實際打開會發現裡面只有一個技能,而且 Jane Street 已經明說不打算收新的。

SKILL.md 開頭是一段 YAML 前置資料,寫明這個技能的觸發條件:使用者明確說出 teach me、tutor me、quiz me、drill me 或 help me master 這類短語才啟動;如果是「解釋一下 X」這種一次性問題,技能要求代理照常回答,不得硬把人拉進教學循環。意圖模糊時,代理可以先問一句「你要快速答案,還是要我真的教你」再決定。檔案裡連這個確認的成本都算過:錯誤啟動的代價是使用者沒預期的一場隨堂考,先確認一句的代價只有幾個字。這個設計值得注意:它不靠代理猜測你正在學習,觸發權在使用者手上,也避免了技能被濫用在只是想查個資料的場合。
進入教學後,流程分成四段。開場先把主題拆成 4 到 10 個具體子技能,範圍很窄的主題可以少切幾項,大主題則拆成兩層樹狀結構,先挑一條分支下手;接著跑一段 3 到 5 題、由易到難的診斷,在診斷結束前不教任何東西,只負責把每個子技能的起點定下來。診斷的題目設計也有方向:優先讓使用者預測結果、解釋原因、找出「看起來合理其實有錯」的說法哪裡有錯、把概念搬到新案例上用,或連接兩個看似無關的觀念;背誦題不在優先之列。
診斷完成後會出現一張技能地圖,每個子技能標上零到五級,各級的定義如下:
| 級別 | 原文定義 | 白話說法 |
|---|---|---|
| 0 | unaware | 沒聽過這個東西 |
| 1 | heard of it | 聽過名字而已 |
| 2 | can follow along | 別人講解時能跟著理解 |
| 3 | can do with help | 有人幫就能做到 |
| 4 | can do independently | 能獨立做到 |
| 5 | can teach it / handle edge cases | 能教別人,也扛得住邊界案例 |
地圖用 ASCII 字元畫出進度條,整體完成度以百分比呈現,當前練習的子技能會標上記號,每升一級或使用者要求看進度時就重新畫一次,進度在整個課程裡是持續可見的。
真正的核心是教學循環與評價紀律,規則寫得相當細:
這套規則的密度正是它與一般「請用蘇格拉底法教學」提示詞的差距所在。市面上同類提示詞大多只交代互動風格,這份檔案把評價的判準、升級的證據門檻、失敗的處置與退場條件全部寫死,代理沒有放水空間。從「等級五的定義是能教別人」與「非提示回憶才算數」這類設計,看得出機構內部訓練的思維:知識要能自主提取、能向他人轉述,才算真的學會。

檔案也替使用者留了退場與控制權:隨時可以說 show progress 看地圖、harder 或 easier 調難度、just tell me 讓代理在這一題破例直接給答案、save state 產生一段可貼進新對話的存檔、resume from 接著上次的進度繼續。整份檔案沒有程式碼,全部是行為規則,所以它能原封不動搬進任何支援這個格式的代理。
Jane Street 在 README 給的用法只有兩條路:代理支援 SKILL.md 格式的,把技能目錄複製進代理的 skills 資料夾,然後對代理說「教我 X」;用一般聊天機器人的,直接把 SKILL.md 的內容貼進對話或系統提示詞。要注意的是,README 從頭到尾沒有點名任何一家工具,相容性的依據是「支援 SKILL.md 格式」這一個條件。
SKILL.md 這個格式本身有明確出處。按照官方標準的定義,一個技能就是一個資料夾加上一份 SKILL.md,檔案開頭的元資料至少寫出名稱與描述,讓代理判斷什麼場合該用這個技能,檔案其餘部分就是給代理的行為指令。維護這個開放標準的 agentskills.io 明載:Agent Skills 格式由 Anthropic 原創、以開放標準釋出,已被多家代理產品採用,官方展示頁列出的支援者包括 VS Code 的 Copilot、Claude Code、Cursor、Gemini CLI,以及 ChatGPT 與 Codex。Claude Code 的官方文件也說明,技能的內容只在被用到時才載入,長篇參考資料平時幾乎不佔上下文,這正是 Jane Street 這類「平時不需要、上課才載入」的技能最適合的載入模型,也回應了傳統把所有規則塞進單一系統提示詞造成的上下文膨脹問題。
把兩件事合起來看:你手上只要是用上述任何一款工具,複製資料夾就能用;就算只用網頁版聊天機器人,貼提示詞這條路也完全走得通。安裝第三方技能前先掃過內容是比較穩的做法,可以參考用 NVIDIA SkillSpector 讀技能安全報告的做法。相容性問題不在 Jane Street 有沒有替哪家工具背書,而在你的工具認不認得這個格式。想讓代理自己累積技能的話,先前介紹過的 Hermes Agent 走的是另一條自學路線。
Claude Code 官方文件對技能與 CLAUDE.md 的分工有一句很實用的對照:CLAUDE.md 的內容每個對話都會載入,技能的內容卻只在用到的時候才載入,所以長篇參考資料在真正需要之前幾乎零成本。對 socratic-tutor 這種上百行的行為規則來說,放在技能裡比塞進全域設定檔合理得多:平常工作時它只剩描述欄的一點篇幅,說出教學短語的那一刻才整份生效。
11 月 17 日那次 README 更新,補上了兩段很有訊息量的政策。Jane Street 說,這些技能是從內部 repo 匯出的,他們每天都在用,分享是希望大家看見這套經驗;但因為想分享的是「他們自己覺得有用的東西」,所以不收新技能,也不收改寫既有技能文字的 pull request,你改了覺得更好用,請留著自己的版本。有東西壞了歡迎開 issue,但他們不保證每一個都會處理。README 也誠實交代了先行者:蘇格拉底式教學遠早於 LLM,市面上早有同類提示詞,這份技能是內部自寫,據他們所知並非衍生自任何既有實作。
repo 裡另有一份制式的 CONTRIBUTING.md,寫的是要求 DCO 簽署、歡迎 pull request 的標準開源流程。兩份文件並不矛盾,只是分工不同:CONTRIBUTING 講法律程序,README 講實際意向。對外部開發者來說,真正有約束力的訊息是後者,別抱著「幫 Jane Street 擴充技能庫」的期待去開分支。

授權方面,LICENSE.md 是標準 MIT 條文,著作權人 Jane Street Group, LLC,聯絡信箱一併列出。MIT 允許商用、修改、散布與私用,唯一條件是保留版權聲明,把 socratic-tutor 改編成團隊內部訓練用的版本完全沒有授權障礙。
這 102 行規則能把「怎麼嚴格」寫成可執行的判準(兩次獨立驗證、非提示回憶、無預警複習),學習效果卻無法從規則文字推得:它取決於底層模型對規則的服從程度,不同模型表現可能差很大,想確認效果,對代理說一聲 teach me 試一輪最實在。
兩個會漂移的數字也要留意:星數與 fork 數隨時在變,文中數字是 2026 年 11 月 21 日 03:35 UTC 的 API 快照,動手前以 GitHub 現況為準;Jane Street 雖然不收外部新技能,但內部 repo 未來仍可能再匯出新目錄,屆時「只有一個技能」的描述就會過期。
這個技能的價值場景很明確:學新框架、準備技術面試、帶新人 onboarding,或任何「看 AI 寫完就以為自己會了」的高風險學習。如果你要的只是快速拿到一段能跑的程式碼,蘇格拉底式的追問只會拖慢你,維持平常的對話模式就好;反過來說,當你發現自己連「為什麼這樣寫」都答不上來時,把這份檔案掛上去,讓代理用問題把你逼回推理現場,正是它被寫出來的目的。