# 烧掉20亿Token后，他开源了一个帮Agent把模糊需求转成任务书的Leader.skill

> 原标题：浪费20亿Token后，我开源了帮Agent定义目标的Leader.skill

- 来源：AI HOT 精选
- 发布时间：2026-07-27T00:12:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/46787
- 原文：https://mp.weixin.qq.com/s/AwOk3di8m6eVeIUjzNftgg

## 摘要

Leader.skill 用一套叫“目标七问”的方法，把人类一句模糊的想法拆成 Agent 能跑几小时的任务书，写清楚目的、做完长什么样、怎么防作弊、边界在哪。作者推荐用 Claude Fable 5 或 Kimi K3 做规划，再交给 GPT-5.6 Sol 或 GLM-5.2 去长程执行。项目已开源，但正文没披露那20亿 Token 的实验细节和具...

## 推荐理由

一篇扎实的Agent工程分享，把烧钱踩坑的经验提炼成一套“目标七问”框架并开源，做Agent的人能直接拿去用。扣分是因为那20亿Token的实验细节正文没展开，说服力打了折，不然分数还能更高。

## 锐评

Leader.skill 做了一件挺实在的事：把人类一句“帮我做市场调研”拆成 Agent 能跑几小时的任务清单。它用“目标七问”把目的、完成标准、防作弊规则、边界都写清楚，相当于给模型配了份不会跑偏的施工图。作者推荐用 Claude Fable 5 或 Kimi K3 做规划，再交给 GPT-5.6 Sol 或 GLM-5.2 去长程执行，这个分工思路对长任务场景有参考价值。

标题里“浪费20亿Token”是个钩子，但正文没披露这20亿Token是怎么花的、测了什么、成本多少。没有对照实验和失败案例，就很难判断这套方法到底省了多少力气。项目已开源，但文档和示例的完整度也还没法从现有信息里确认。

如果后续能补上那20亿Token的消融实验和具体任务成功率，这套方法的可信度会高很多。