# BMAD Module Skill Forge

> 仓库地址：https://github.com/armelhbobdad/bmad-module-skill-forge
> 作者/组织：armelhbobdad
> 成熟度：beta
> 分析日期：2026-04-15

## 一句话总结
将代码仓库和文档转化为经源码验证的 agent instruction 文件，消除 AI hallucinated function names 问题。

## 项目定位与架构
Skill Forge（SKF）解决一个高频痛点："你让 AI agent 使用一个库，它编造了不存在的函数名。" 通过从源码和文档中提取 **source-linked instructions**，每条指令都追溯到具体代码文件和行号，使声明在几分钟内即可验证（falsifiable）。

Dual-output 格式：comprehensive skill files（完整版）+ compact context snippets（80-120 tokens，always-on 注入）。所有输出遵循 agentskills.io 规范，兼容 Claude、Cursor、Copilot 等。

## 关键技术特性
- **Source-linked Instructions**：每条指令追溯到代码文件和行号
- **Version Management**：per-version skill 组织，依赖更新不会 break
- **Dual-output Format**：完整 skill file + 紧凑 context snippet（80-120 tokens）
- **Audit Trail**：provenance map + metadata 验证每个 citation
- **agentskills.io Compliance**：标准化输出
- **Requirements**：Node.js ≥ 22、Python ≥ 3.10、uv

## 设计亮点与创新
"falsifiable output" 是核心创新——不是说"这个函数大概这样用"，而是"这个函数在 foo.py 第 42 行，参数签名是 X"。这种可验证性大幅降低了 AI hallucination 的风险。compact context snippet 的设计也很实用，80-120 tokens 的 always-on 成本极低。

## 局限性与风险
- 依赖 Node.js 22+ 和 Python 3.10+，环境要求较高
- 对大型仓库的处理效率未知
- 通过 @Ferris commands 的对话式工作流可能不够直观

## 与生态系统的关联
与 hermes-skill-factory 功能互补——Skill Factory 从工作流模式生成 skill，Skill Forge 从源码生成 skill。两者共同覆盖了 skill 自动生成的两大场景。