通过扎实的上下文工程，您的 AI 智能体可以调用正确的工具并在第一次尝试时生成正确的图表

FlowZap 的 MCP 服务器已经确保您的图表可以在 Claude Code、Cursor 和 Windsurf 等工具中正确验证。现在，通过新的 FlowZap 图表技能，您的智能体可以从一个更智能的起点开始：它了解 FlowZap DSL，知道何时调用每个工具，以及如何在第一次尝试时正确构建图表。

FlowZap 图表技能是一个 SKILL.md 文件，它教导您的 AI 智能体在编写一行 .fz 代码之前如何思考 FlowZap 图表。理解您的代码库、使用您最喜欢的 LLM 头脑风暴开发策略、寻找优化策略和 bug，现在将比以往任何时候都更加流畅。

立即安装：

npx skills add flowzap-xyz/flowzap-mcp --skill flowzap-diagrams

在 GitHub 上获取。

什么是上下文工程（以及为什么您应该关心）？

您可能听说过提示工程这个词——精心设计正确的问题以从 LLM 获得良好的答案。上下文工程更进一步。它涉及设计模型操作的整个信息环境——不仅您问什么，而且模型在您的请求到达时已经知道什么。

在具体的 FlowZap 术语中：

	没有技能	有技能
智能体知道什么	来自 MCP 服务器的工具名称和 JSON 架构	完整的 DSL 规则、4 种形状、句柄语法、陷阱、模板和逐步工作流程
它首先做什么	根据训练中看到的 Mermaid/PlantUML 模式猜测 FlowZap 语法	遵循注入到其上下文窗口中的显式 FlowZap 代码规则
典型失败	节点上使用 `label="Start"`（错误）、缺少车道前缀、发明形状	罕见——陷阱部分在常见错误发生之前就捕获了它们
令牌成本	高（多次验证 → 修复 → 重新验证循环）	低（通常在第一次尝试时就验证）

MCP 服务器为智能体提供手（它可以调用的工具）。SKILL.md 为它提供领域专业知识（关于何时、为什么以及如何正确使用这些工具的知识）。您需要两者。

这解决了五个开发者的痛点

1. "它从一开始就编写完美的 FlowZap 代码。"

LLM 可能默认为 Mermaid 语法，因为它在其训练数据中很普遍。通过在开头明确说明 FlowZap DSL 规则，该技能确保您的智能体立即编写原生、准确的 .fz 代码。

2. "它掌握了精确的节点和边语法。"

FlowZap 代码在节点上使用 label:"Text" 但在边上使用 [label="Text"]。该技能包含一个专门的陷阱部分，明确训练智能体这些细微差别，确保每次都获得清晰、无错误的连接。

3. "多车道图表完美运行。"

复杂的多参与者工作流需要精确的车道前缀（如 sales.n5.handle(top)）。该技能为智能体提供完整的双车道模板以供参考，因此多车道边无需提示即可完美连接。

4. "它在第一次通过时验证，节省时间和令牌。"

与其使用昂贵的"验证 → 修复 → 重新验证"循环，该技能为智能体提供了一个清晰的逐步工作流程来遵循。通过在编写之前了解规则，第一次通过验证的成功率显着提高。

5. "它确切知道何时介入。"

您甚至不再需要按名称提及"FlowZap"。该技能包含明确的触发条件，因此无论您要求"工作流"、"流程图"、"流程图"还是"序列图"，智能体都知道确切要达到哪个工具。

SKILL.md 里面有什么

该文件遵循开放的智能体技能规范——这是一种轻量级标准，被 Claude Code、Cursor、Windsurf、Codex、Warp、Zed 和 30 多个其他编码智能体采用。

这是我们打包的内容：

YAML 前言——name、description、allowed-tools、metadata，用于在 skills.sh 上发现和索引。
MCP 设置——每个兼容平台的一键安装。
7 个 MCP 工具——快速参考表，涵盖 flowzap_validate、flowzap_create_playground、flowzap_get_syntax、flowzap_export_graph、flowzap_artifact_to_diagram、flowzap_diff 和 flowzap_apply_change。
DSL 快速参考——4 种形状（圆形、矩形、菱形、任务框）、所有语法规则和陷阱部分。
4 个模板——单车道、具有跨车道边的双车道、决策分支和完整的多车道身份验证流程。任何复杂度的可复制粘贴起点。
逐步工作流程——因此智能体不仅知道语法——它知道要遵循的过程。
公共 API 后备——对于不支持 MCP 的平台（如 Replit 或 Lovable.dev），该技能记录了 /api/validate 和 /api/playground/create 端点。

如何安装

选项 A：通过 skills CLI（推荐）

适用于 Claude Code、Cursor、Windsurf、Codex 和 37+ 智能体：

npx skills add flowzap-xyz/flowzap-mcp --skill flowzap-diagrams

选项 B：手动（任何智能体）

从 GitHub 复制 SKILL.md。
将其放在智能体的技能目录中：
- Claude Code： .claude/skills/flowzap-diagrams/SKILL.md
- Windsurf： .windsurf/skills/flowzap-diagrams/SKILL.md
- Cursor： .cursor/skills/flowzap-diagrams/SKILL.md
重新启动智能体或重新加载窗口。

选项 C：全局安装

npx skills add flowzap-xyz/flowzap-mcp --skill flowzap-diagrams -g

这使得技能在每个工作空间中都可用，而不仅仅是当前项目。

我仍然需要 MCP 服务器吗？

**是的。**该技能和 FlowZap MCP 服务器是互补的——不可互换。

	SKILL.md	MCP 服务器
它提供什么	领域知识、语法规则、工作流程说明	可执行工具（验证、创建 playground、导出、diff、patch）
类比	高级工程师的备忘单	工程师调用的 API
没有它	智能体有工具但不知道如何很好地使用它们	智能体知道规则但无法执行任何操作

最佳配置是两者：安装 MCP 服务器以获取工具访问权限，安装技能以获取上下文。这就是上下文工程。

简而言之

**FlowZap 图表技能：**为您的 AI 智能体提供知识，而不仅仅是工具。

npx skills add flowzap-xyz/flowzap-mcp --skill flowzap-diagrams

我们将根据现实世界的失败模式迭代该技能。如果您的智能体在安装技能后仍然生成损坏的图表，打开一个问题——我们想知道。

FlowZap 图表技能现已上线 — 为什么这很重要