adfd7024df
- Restructure §8 from "文档沉淀规则" to "文档管理规则" with 4 subsections - Add docs/ structure with features/ and knowledge-base/ directories - Add feature documentation template with 7 sections (概述/设计初衷/技术设计/预期作用/实际效果/演化路线/头脑风暴) - Add feature update trigger matrix (新增/修改/完成/问题/反馈) - Add documentation quality checklist - Add §16
5.9 KiB
5.9 KiB
Skills 系统概述 (Skill System)
分类: Skills 生态 优先级: P1 - 重要 成熟度: L4 - 生产 最后更新: 2026-03-16
一、功能概述
1.1 基本信息
Skills 系统是 ZCLAW 的核心扩展机制，通过 SKILL.md 文件定义 Agent 的专业技能，支持自动发现和推荐。
| 属性 | 值 |
|---|---|
| 分类 | Skills 生态 |
| 优先级 | P1 |
| 成熟度 | L4 |
| 依赖 | SkillDiscovery, AgentSwarm |
1.2 相关文件
| 文件 | 路径 | 用途 |
|---|---|---|
| 技能目录 | skills/ |
74 个 SKILL.md |
| 发现引擎 | desktop/src/lib/skill-discovery.ts |
技能发现 |
| 模板 | skills/.templates/skill-template.md |
技能模板 |
| 协调规则 | skills/.coordination/ |
协作规则 |
二、设计初衷
2.1 问题背景
用户痛点:
- 单一 Agent 能力有限
- 不同任务需要不同专业技能
- 技能定义缺乏标准
系统缺失能力:
- 缺乏标准化的技能定义
- 缺乏技能发现机制
- 缺乏多技能协作
为什么需要: 标准化的技能系统让 Agent 可以动态获得专业能力，支持多 Agent 协作。
2.2 设计目标
- 标准化: SKILL.md 统一格式
- 可发现: 自动发现和推荐技能
- 可组合: 多技能协作
- 可扩展: 易于添加新技能
2.3 SKILL.md 格式
---
name: skill-name
description: "简短描述"
triggers:
- "触发词1"
- "触发词2"
tools:
- bash
- read
- write
---
## Identity & Memory
[角色定义、性格、专业技能]
## Core Mission
[负责与不负责的边界]
## Core Capabilities
[具体能力描述]
## Workflow Process
[标准化工作流程]
## Deliverable Format
[交付物格式]
## Collaboration Triggers
[何时调用其他 Agent]
## Critical Rules
[关键约束]
## Success Metrics
[成功指标]
2.4 设计约束
- 格式约束: 必须遵循 SKILL.md 模板
- 性能约束: 发现不能阻塞主流程
- 可读约束: 人类可读，机器可解析
三、技术设计
3.1 技能分类
| 分类 | 技能数 | 代表技能 |
|---|---|---|
| 开发工程 | 15+ | ai-engineer, senior-developer, backend-architect |
| 协调管理 | 8+ | agents-orchestrator, project-shepherd |
| 测试质量 | 6+ | code-reviewer, reality-checker, evidence-collector |
| 设计体验 | 8+ | ux-architect, brand-guardian, ui-designer |
| 数据分析 | 5+ | analytics-reporter, performance-benchmarker |
| 社媒营销 | 12+ | twitter-engager, xiaohongshu-specialist |
| 中文平台 | 5+ | chinese-writing, feishu-docs, wechat-oa |
| XR/空间 | 4+ | visionos-spatial-engineer, xr-immersive-dev |
3.2 发现引擎
interface SkillDiscovery {
// 搜索技能
search(query: string, options?: SearchOptions): Promise<Skill[]>;
// 推荐技能
recommend(context: TaskContext): Promise<Skill[]>;
// 解析技能文件
parse(content: string): Skill;
// 列出所有技能
listAll(): Promise<Skill[]>;
}
interface Skill {
name: string;
description: string;
triggers: string[];
tools: string[];
capabilities: string[];
collaborationTriggers: string[];
filePath: string;
}
3.3 发现流程
任务上下文
│
▼
关键词提取
│
├──► 从任务描述提取
└──► 从历史行为提取
│
▼
技能匹配
│
├──► 触发词匹配
├──► 能力匹配
└──► 语义相似度
│
▼
排序推荐
│
├──► 相关性排序
├──► 历史成功率
└──► 用户偏好
│
▼
返回 Top-N
3.4 协作触发
// 技能可以定义何时调用其他技能
const collaborationTriggers = [
{
condition: "任务涉及 UI 设计",
action: "调用 ux-architect"
},
{
condition: "代码需要审查",
action: "调用 code-reviewer"
},
{
condition: "部署到生产",
action: "调用 security-engineer"
}
];
四、预期作用
4.1 用户价值
| 价值类型 | 描述 |
|---|---|
| 能力扩展 | 获得专业能力 |
| 效率提升 | 自动匹配技能 |
| 质量保证 | 专业技能保证质量 |
4.2 系统价值
| 价值类型 | 描述 |
|---|---|
| 架构收益 | 可扩展的能力系统 |
| 可维护性 | 标准化易于管理 |
| 可扩展性 | 易于添加新技能 |
4.3 成功指标
| 指标 | 基线 | 目标 | 当前 |
|---|---|---|---|
| 技能数量 | 0 | 50+ | 74 |
| 发现准确率 | 0% | 80% | 75% |
| 技能使用率 | 0% | 60% | 50% |
五、实际效果
5.1 已实现功能
- 74 个技能定义
- 标准化模板
- 发现引擎
- 触发词匹配
- 协作规则
- Playbooks 集成
5.2 测试覆盖
- 单元测试: 43 项 (swarm-skills.test.ts)
- 集成测试: 完整流程测试
- 覆盖率: ~90%
5.3 已知问题
| 问题 | 严重程度 | 状态 | 计划解决 |
|---|---|---|---|
| 语义匹配精度待提高 | 中 | 待优化 | Q2 |
| 技能质量参差不齐 | 低 | 持续改进 | - |
5.4 用户反馈
技能覆盖全面，但发现准确性需要提高。
六、演化路线
6.1 短期计划（1-2 周）
- 优化发现算法
- 添加技能评分
6.2 中期计划（1-2 月）
- 技能市场 UI
- 用户自定义技能
6.3 长期愿景
- 技能共享社区
- 技能认证体系
七、头脑风暴笔记
7.1 待讨论问题
- 是否需要技能版本控制？
- 如何处理技能冲突？
7.2 创意想法
- 技能组合：多个技能组合成新技能
- 技能学习：从用户行为学习新技能
- 技能热力图：可视化技能使用频率
7.3 风险与挑战
- 技术风险: 技能匹配精度
- 质量风险: 技能定义质量
- 缓解措施: 评分系统，社区审核