Skill Creator 系统 (v1.2.0)
内置系统技能，用于生成候选、测试、优化和验证自定义技能。
create与描述优化只返回 candidate/diff，不直接写入 workspace 或 active Skill；公共0.166.21已接入受治理 evolution composition、Workbench 与 Skill Retrieval，但未默认开放无人值守 active promotion。
概述
Skill Creator 是 ChainlessChain 内置的系统级技能（category: system），用于生成候选、测试、优化和验证自定义 AI 技能。它可以渲染包含 YAML frontmatter 的 SKILL.md 与 handler.js 候选内容，但不会直接创建、覆盖或激活 workspace/active Skill。v1.2.0 的 optimize-description 会生成评估查询集并迭代比较描述，最终只返回建议差异。
当前状态：
0.166.21@1ff70b7856已公开 candidate/Eval/evidence/ledger/human-review/release 生命周期、统一 EvolutionRun、Workbench、digest-bound Retrieval 和 governed knowledge。生成成功仍不等于安装；缺 evaluator、store、active roots 或 trusted deployment host 时保持 unavailable/失败闭合。Desktop/IDE 审阅面不替代真实部署 authority。
核心特性
- 候选骨架生成 — 从名称和描述渲染标准
SKILL.md+handler.js候选，自动推断 6 种 category - LLM 驱动描述建议 —
optimize-description自动生成 eval 查询集并返回候选差异，不写回 active 文件 - 静态描述检查 —
optimize快速启发式检查：长度、触发词、冗余等问题秒级反馈 - 技能验证 —
validate检查 SKILL.md frontmatter 必填字段 + handler.js 可加载性与导出规范 - 测试执行 —
test直接调用 handler.js 的execute()并展示结果，支持快速迭代 - 内置模板库 — 5 种模板（basic / multi-action / api-integration / file-processor / code-analyzer），覆盖常见技能类型
- 60/40 数据集分割 — eval 查询集 60% 用于训练、40% 用于测试，防止描述过拟合训练集
- 无 active 写入权 —
create/optimize-description不持有文件系统写 authority；候选须经独立 candidate store 与 promotion gate _deps注入模式 — 生成的 handler.js 通过_deps对象管理外部依赖，测试时可完全 mock
系统架构
技能创建流水线
用户输入 → parseInput() 解析意图
→ 匹配动作 (create/test/optimize/validate/...)
→ [create] 推断 category → 选择内置模板 → 返回 SKILL.md + handler.js 候选（不写盘）
→ [test] 加载目标 handler.js → 执行 execute() → 返回结果
→ [validate] 检查 SKILL.md frontmatter 必填字段 + handler.js 可加载性optimize-description 优化循环
读取 SKILL.md description
→ callLLM() 生成 20 条 eval 查询（10 应触发 / 10 不应触发）
→ 60/40 分割为训练集 / 测试集
→ evaluateDescriptionDetailed() 在测试集上评估基线分
→ 迭代（最多 N 次）:
→ 在训练集找出失败案例
→ improveDescription() 由 LLM 改写描述
→ 测试集重新评分，更高则记录为最优
→ 返回最佳 description 与差异建议（不写回 SKILL.md）
→ 由独立候选注册表与晋升流程决定是否持久化/激活LLM 调用通过 callLLM() 桥接，内部使用 spawnSync 调用 chainlesschain ask 命令，因此依赖 CLI 运行环境。
故障排查
| 问题 | 原因 | 解决方案 |
|---|---|---|
create 返回候选内容但没有新目录 | candidate-only 设计不授予文件写 authority | 这是预期行为；审阅候选，等待受信 candidate store 与 promotion 流程，不要手工覆盖 active |
optimize-description 返回提示信息而非优化结果 | LLM 不可用（Ollama 未启动、API Key 未配置等） | 确保 chainlesschain ask "test" 能正常返回结果；检查 Ollama 服务或云端 provider 配置 |
optimize-description 生成 eval 查询不足 | LLM 返回的查询数 < 4 条 | 检查当前模型能力，尝试切换到更大的模型；或手动执行 optimize（静态检查）替代 |
validate 报缺少必填字段 | SKILL.md frontmatter 缺少 name、description 或 handler | 补全 YAML frontmatter 中的必填字段 |
validate 报 handler.js 加载失败 | handler.js 存在语法错误或 require() 依赖缺失 | 在 Node.js 中直接 require("./handler.js") 排查具体错误 |
| 中途 LLM 调用失败 | 网络超时或服务中断 | 循环终止并返回失败/已有建议，不会部分写回 active Skill；可恢复 provider 后重试 |
安全考虑
| 方面 | 说明 |
|---|---|
| 文件写入范围 | create 与描述优化没有直接 workspace/active 写 authority，只返回候选或差异 |
| 文件系统访问 | handler.js 通过 _deps 注入 fs 模块，测试时可完全替换为 mock，生产环境受限于 Node.js 进程权限 |
| LLM 调用 | 遵循用户当前 provider 配置（本地 Ollama 或云端），不额外发起未授权的网络请求 |
| 生成的 handler.js | 候选代码在被显式审阅、评估和晋升前不会作为 active Handler 执行 |
| 敏感数据 | 技能描述通过 LLM 优化时仅传递技能名称和描述文本，不包含用户私有数据 |
Evolution ledger 使用 hash-linked、tamper-evident 事件合同，但当前没有被 Skill Creator 生产实例化；它不能为候选自动授予晋升权。
关键文件
| 文件 | 说明 |
|---|---|
desktop-app-vue/src/main/ai-engine/cowork/skills/builtin/skill-creator/SKILL.md | 技能声明文件（YAML frontmatter + 使用说明） |
desktop-app-vue/src/main/ai-engine/cowork/skills/builtin/skill-creator/handler.js | 核心执行逻辑：parseInput、create/test/optimize/validate 等全部动作处理 |
desktop-app-vue/src/main/ai-engine/cowork/skills/skill-loader.js | 技能加载器，四层加载机制（bundled → marketplace → managed → workspace） |
desktop-app-vue/src/main/ai-engine/cowork/skills/index.js | 技能注册表入口，管理技能生命周期 |
desktop-app-vue/src/main/ai-engine/cowork/skills/__tests__/v1.2.0-skill-creator.test.js | 单元合同：候选生成与依赖注入 |
packages/cli/__tests__/integration/skill-creator-handler.test.js | 集成合同：create 不落盘、不覆盖 active；优化只返回 proposal |
packages/cli/src/lib/evolution/skill-candidate-registry.js | source-only 内容寻址候选注册表 |
packages/cli/src/lib/evolution/evolution-ledger.js | source-only tamper-evident evolution ledger |
快速开始
bash
# 生成候选（不会安装）
chainlesschain skill run skill-creator "create my-skill-candidate \"搜索笔记并生成摘要\""
# test/validate 只针对已经安装的 Skill
chainlesschain skill run skill-creator "test smart-search 搜索示例"
# 验证技能完整性
chainlesschain skill run skill-creator "validate code-review"
# 为已安装 Skill 生成描述候选差异，不写回 active
chainlesschain skill run skill-creator "optimize-description code-review"这些命令的 candidate-only 结果不会自动出现在 skill list，也不代表已经安装或晋升。
功能概览
| 动作 | 说明 |
|---|---|
create | 返回技能骨架候选（SKILL.md + handler.js），不写盘 |
test | 执行技能的 handler.js 并展示结果 |
optimize | 静态检查描述质量（快速启发式） |
optimize-description | LLM 驱动迭代并返回描述差异，不写 active |
validate | 检查技能文件完整性和格式 |
list-templates | 列出所有内置模板 |
get-template | 获取指定模板内容 |
create — 创建技能
从名称和描述生成 SKILL.md + handler.js 骨架候选，不创建目录或修改 active 字节。
bash
chainlesschain skill run skill-creator "create my-skill \"做某件事的技能\""- 自动推断
category（knowledge / automation / development / system / media / productivity） - 即使同名 active Skill 已存在，也不会覆盖其内容
返回的候选逻辑结构（不是已创建的磁盘目录）：
candidate: my-skill
├── SKILL.md # 技能声明（YAML frontmatter + 描述）
└── handler.js # 执行逻辑（导出 execute() + init()）test — 测试技能
调用技能的 handler.js 并展示执行结果：
bash
chainlesschain skill run skill-creator "test smart-search 搜索示例"optimize — 快速优化（静态）
静态检查 SKILL.md 的 description 字段：
bash
chainlesschain skill run skill-creator "optimize code-review"检查规则：
- 长度 < 50 字符 → 建议补充触发场景
- 缺少
use when/trigger关键词 → 建议添加触发语句 - 长度 > 200 字符 → 建议精简
optimize-description — LLM 优化循环（v1.2.0 新增）
使用 LLM 自动迭代优化技能描述，使触发精度最大化：
bash
# 默认 5 次迭代
chainlesschain skill run skill-creator "optimize-description code-review"
# 指定迭代次数
chainlesschain skill run skill-creator "optimize-description code-review --iterations 3"
# 通过 --advanced 标志触发（等价）
chainlesschain skill run skill-creator "optimize code-review --advanced"
chainlesschain skill run skill-creator "optimize code-review --advanced --iterations 3"优化流程
- 生成 eval 查询集：LLM 生成 20 条真实用户请求（10 应触发 / 10 不应触发）
- 60/40 分割：前 60% 为训练集，后 40% 为测试集（防止过拟合）
- 评估基线分：在测试集上评估当前描述的触发准确率
- 迭代优化（最多 N 次）：
- 在训练集找出失败案例
- 若全部正确 → 提前终止
- LLM 根据失败案例改写描述
- 测试集重新评分，更高则记录为最优
- 生成候选差异：返回更优 description，不替换 active
SKILL.md - 等待治理：只有独立 candidate store、评估与 promotion 流程可以持久化并激活
降级处理
| 场景 | 行为 |
|---|---|
| LLM 不可用 | 返回提示信息，建议通过 CLI 运行 |
| eval 生成失败（< 4 条） | 同上 |
| 中途 LLM 失败 | 停止迭代，不产生部分 active 写入 |
| 描述已是最优 | 不修改 SKILL.md，报告"already optimal" |
注意：
optimize-description仅在chainlesschain skill run上下文中可用（需要 CLI 环境调用chainlesschain ask）。
validate — 验证技能
检查技能目录完整性和格式：
bash
chainlesschain skill run skill-creator "validate ultrathink"检查项：
SKILL.md存在且包含 YAML frontmatter- 包含
name、description、handler必填字段 handler.js存在且可正常require()handler.js导出execute()和init()函数
list-templates / get-template — 内置模板
bash
chainlesschain skill run skill-creator "list-templates"
chainlesschain skill run skill-creator "get-template basic"
chainlesschain skill run skill-creator "get-template api-integration"| 模板名 | 说明 |
|---|---|
basic | 最简技能骨架，单动作结构 |
multi-action | 多动作任务追踪器（create/list/complete/stats） |
api-integration | REST API 调用，含 _deps 注入和认证处理 |
file-processor | Markdown 文件分析，含 _deps.fs 注入 |
code-analyzer | 纯正则表达式代码复杂度分析 |
使用示例
完整技能开发生命周期
bash
# 1. 生成新候选
chainlesschain skill run skill-creator "create summary-helper-candidate \"搜索笔记并生成摘要，当用户询问笔记内容或需要知识检索时触发\""
# → 返回 SKILL.md + handler.js 候选；不创建 active 目录
# 2. 审阅返回的候选；它尚未安装，不能用 active 名称 test/validate
# 3. 测试一个已经安装的技能
chainlesschain skill run skill-creator "test smart-search 搜索关于 TypeScript 的笔记"
# → 直接调用 handler.js execute()，展示实际输出
# 4. 快速检查一个已经安装的技能描述（静态）
chainlesschain skill run skill-creator "optimize code-review"
# → 检查描述长度、触发词、冗余等问题
# 5. 为已安装技能生成 LLM 描述差异（v1.2.0）
chainlesschain skill run skill-creator "optimize-description code-review"
# → 生成 20 条 eval 查询集，迭代 5 次优化描述触发精度
# → 返回候选差异，不写回 active SKILL.md使用内置模板创建不同类型技能
bash
# 查看所有内置模板
chainlesschain skill run skill-creator "list-templates"
# 获取 API 集成模板（含 _deps 注入和认证处理）
chainlesschain skill run skill-creator "get-template api-integration"
# 获取多动作模板（含 create/list/complete/stats 动作结构）
chainlesschain skill run skill-creator "get-template multi-action"限定迭代次数的描述优化
bash
# 快速优化（3 次迭代，适合简单技能）
chainlesschain skill run skill-creator "optimize-description code-review --iterations 3"
# 深度优化（10 次迭代，适合触发场景复杂的技能）
chainlesschain skill run skill-creator "optimize-description code-review --iterations 10"
# 通过 --advanced 标志触发（等价于 optimize-description）
chainlesschain skill run skill-creator "optimize code-review --advanced --iterations 5"批量验证多个技能
bash
# 在 Agent 模式下批量操作
chainlesschain agent
# > 验证 smart-search、code-review、data-analyzer 三个技能的完整性
# > 对所有描述长度不足 80 字符的技能运行 optimize-description相关命令
bash
# 查看所有已安装技能
chainlesschain skill list
# 在 skill run 之外创建/删除自定义技能
chainlesschain skill add my-skill
chainlesschain skill remove my-skill
# 列出技能层路径
chainlesschain skill sources配置参考
Skill Creator 作为 bundled 系统技能，通过 .chainlesschain/config.json 读取 LLM 配置：
javascript
{
"llm": {
"provider": "ollama", // 用于 optimize-description 的 LLM provider
"model": "qwen2:7b", // 用于生成 eval 查询集和改写描述
"ollamaHost": "http://localhost:11434"
},
"skillCreator": {
"defaultIterations": 5, // optimize-description 默认迭代次数
"evalQueryCount": 20, // 生成 eval 查询集的数量（10 正 + 10 负）
"trainTestSplitRatio": 0.6 // 训练集比例（剩余为测试集）
}
}| 配置项 | 类型 | 默认值 | 说明 |
|---|---|---|---|
llm.provider | string | "ollama" | optimize-description 使用的 LLM provider |
llm.model | string | 当前活跃模型 | 用于生成 eval 查询集和改写描述 |
skillCreator.defaultIterations | number | 5 | optimize-description 默认最大迭代次数 |
skillCreator.evalQueryCount | number | 20 | 每次生成的 eval 查询数量 |
skillCreator.trainTestSplitRatio | number | 0.6 | 训练集占 eval 查询的比例 |
Skill Creator 不提供把候选直接落到 workspace/active 的公开配置项。candidate store 与 promotion controller 是独立的 source-only 受信端口，不能用 workspaceDir 绕过。
性能指标
以下数据来自本地基准测试（配置：Ollama qwen2:7b，Core i7，16GB RAM）：
各动作执行耗时
| 动作 | 平均耗时 | 说明 |
|---|---|---|
create | < 1s | 历史本地观测；当前路径只渲染候选，不写盘 |
validate | < 100ms | 文件系统检查 + require() 验证 |
test | 依赖 handler | 调用目标 handler.js execute()，耗时取决于技能本身 |
optimize（静态） | < 100ms | 纯字符串分析，无 LLM 调用 |
list-templates | < 50ms | 返回内置模板列表 |
optimize-description 优化耗时
| 迭代次数 | eval 查询数 | LLM 模型 | 平均总耗时 |
|---|---|---|---|
| 3 次 | 20 条 | qwen2:7b | 45–90s |
| 5 次（默认） | 20 条 | qwen2:7b | 75–150s |
| 10 次 | 20 条 | qwen2:7b | 150–300s |
| 5 次 | 20 条 | claude-3-haiku | 20–40s |
描述优化效果
| 场景 | 优化前准确率 | 优化后准确率 | 提升 |
|---|---|---|---|
| 描述过短（< 50 字符） | 55–65% | 80–90% | +20–30% |
| 缺少触发场景描述 | 60–70% | 82–92% | +15–25% |
| 描述已较完整 | 80–85% | 85–92% | +5–10% |
测试覆盖率
相关测试合同位于：
desktop-app-vue/src/main/ai-engine/cowork/skills/__tests__/v1.2.0-skill-creator.test.jspackages/cli/__tests__/integration/skill-creator-handler.test.jspackages/cli/__tests__/unit/skill-candidate-registry.test.jspackages/cli/__tests__/unit/evolution-ledger.test.js
它们覆盖候选生成、不创建 active 目录、不覆盖现有 active 字节与 proposal-only 优化。233e1bdc exact working tree 的原六个治理测试文件为 6/6 文件、126/126 测试通过（28.84 秒）；ledger 独立定向结果仍为 34/35 通过，另 1 项触发默认 5 秒超时。六文件全绿仍不是统一生产 wiring、qualification 或发布验收，且 ledger 尚无生产 import/实例化。
相关文档
- 技能系统 (skill) — 技能层、加载机制、
skill run完整说明 - 自主学习循环 — candidate-only 合成与 unavailable 边界
- 设计文档 — 模块 76 — 内部实现架构