这个 Skill 教 AI「谈」音乐，不是「写」音乐
打开 SJY051/music-composition 的 SKILL.md，第一感觉是——这不像一般的「AI 写歌」工具。市面上大多数 AI 音乐项目，要么是把 Suno/Udio 的 API 包一层让你「一句话生成一首」，要么是用 pretty_midi + SoundFont 弄一段能听的 MIDI。Music Composition Agent Skill 走的是第三条路：不做 DAW、不出 MIDI、不碰音频工程，专门教 AI 把「副歌不够炸」「bridge 太平」这类模糊的创作吐槽，翻译成和弦走向、旋律轮廓、节奏律动、配器动作。
这 Skill 解决什么问题
你跟普通 LLM 说「副歌不够炸」，大概率会得到一段鸡汤式的回答「试着用更饱满的混响和更宽的音域」。但音乐人真正想要的是：「在第二遍副歌把根音从 I 升到 bVII，加一个 16 分音符的军鼓填充，把 vocal hook 从长音切到 6 连音的快速句。」
这个 Skill 的核心思路就是把这件事做掉。SKILL.md 把所有可能触发的创作问题分成几类——和声进行、节奏律动、配器布局、形式与转折——每个问题背后都对应一组可执行的技术动作。它不发明新理论，而是把已经在 reference 目录里沉淀好的流派惯例、传统音乐学知识、热门参考曲目作为决策库，让 AI 在你描述问题时去查最相关的 1-3 份资料。
渐进式披露（progressive disclosure）是它设计的精华：日常只加载 SKILL.md，需要时再去翻 references/genres/k-pop.md 之类的细分文件。token 成本压得住。
跑分实测
Skill 自带两份基准测试，结果挺有意思：
- 方法一：把 SKILL.md 注入系统提示（GLM-5.1 盲测）——在 8 个代表性作曲 prompt 上，Skill 版赢了 6 个。最强的信号来自边界测试（明确拒答超出范围的混音问题），而基线模型会强行回答。
- 方法二：Claude Desktop 原生 Skills 功能（Opus 4.7）——模型按需读取 references。最惊艳的是韩国盘索里 OST 建议里直接引用了
yoseong / toeseong / chuseong的具体 cents 和毫秒级数据，而这些数值只存在于 references/genres/korean-traditional.md 里——证明模型确实用到了 Skill 的全量内容，不只是 SKILL.md 本身。
适用人群与边界
适合：词曲创作人、独立制作人、K-pop/J-pop 写作者、教学场景里的「乐理对话伙伴」、需要在多轮迭代里打磨一段 hook 的人。
不适合：想要直接出成品音频的人——这玩意不出 MIDI、不出 WAV、不碰混音。它是「音乐顾问型 Skill」，定位在创作前期的决策环节。如果你想要的是「立刻能发 Spotify」的曲子，去用 Suno。
安装
一行命令：
npx skills add SJY051/music-composition
要全局加 -g，要跳过确认加 --all -y。也支持手动 clone 到 ~/.claude/skills/。兼容 Claude Code、Claude Agent SDK、Claude.ai 和 OpenAI Responses API——任何读 SKILL.md + YAML frontmatter 标准的 agent harness 都能跑。
为什么值得写一篇
写 AI 行业文章的人很容易陷入「卷模型、卷参数、卷 benchmark」的怪圈。但 2026 年的 Skill 生态让我看到另一个趋势——大量垂直领域的专业知识，正在被压缩成一份份 SKILL.md，进入 agent 的工作流。
Music Composition 这类 Skill 的存在意义不在于「让 AI 取代音乐人」，而在于：把跨流派、跨传统、跨场景的作曲惯例沉淀下来，让 AI 能在你卡壳的时候给出一个「资深编曲会想到」的起点。它是工具，是备忘录，也是 prompt 工程的另一面镜子。
GitHub: https://github.com/SJY051/music-composition
评论区
登录后可评论。