gwrsfsfeefdsfs/dsh-skill-curator

README excerpt

skill-curator 会自我积累的 DSH skill 管家 ：一个"经验回流 + 知识积累"的闭环系统，而不只是安装与维护手册。 English version 这是什么 skill-curator 是一个面向 DeepSeek Harness（DSH）的元技能。它的核心职能是： 当任何一个 skill 在使用中遇到问题并被解决后，把解决方案与核心知识回流到那个 skill，并登记进统一的知识库；下次需要完善某个 skill 时，按知识库选择性应用已有经验。知识随使用滚雪球式积累。 辅助职能（同样完整支持）： 1. 安装 skill（zip/目录/单文件来源，含 frontmatter 校验与逐文件对账） 2. 创建 skill（把某个能力整理成规范 skill） 3. 本地化 （Codex/其他平台的 skill 转成 DSH 可用） 4. 自我维护 （skill-curator 自身也按同一流程维护，含自校验脚本） 与普通"skill 管理工具"的区别 特征 说明 事件触发 不只靠用户显式调用——其他 skill 出问题并解决后即触发回流，在经验最新鲜的时刻写回 核心知识库 所有核心知识登记入库（问题→根因→解决→验证→已回流到哪些 skill），关键词 + 本地 bge-small-zh 语义 双通道检索 7 项判断清单 写回前逐项过滤（可复现性/相关性/稳定性/正确性/无冲突/粒度/权威同步），防止垃圾知识污染 skill 防臃肿机制 登记前查重、条目分档管理、过时知识归档——知识库规模增长不失控 Token 意识 分流器式 SKILL.md + 按需加载分册 + 索引先行 + 局部读取，每次触发只加载相关部分 设计理念 1. 经验越新鲜越有价值 ：问题刚解决时，报错、根因、修复、验证都在上下文中，此时写回最准确；延迟写回会因上下文压缩丢失细节。 2. 知识分层 ：各 skill 的"维护须知"节只留"加载即得"的摘要；知识库条目是权威副本——不一致时以知识库为准。 3. 检索分工 ：检索器只负责召回候选，语义判断交给模型本身——所以关键词（快、可解释）为主、向量（同义兜底）为辅是最优组合。 4. 一切为省 Token ：SKILL.md 是分流器（只载核心速查+分流表+验证清单），操作细节按场景拆分到 references 分册按需读取。 如何使用 方式一：自然语言触发（最简单） 不需要记任何命令，直接说： 场景 您说的话 发生什么 安装 "安装这个 zip 里的 skill" 加载 skill-curator → 按安装流程执行 → 验证可用 创建 "把 XX 能力整理成一个 skill" 按规范创建 SKILL.md 与资源 → 安装验证 本地化 "把这个 Codex skill 转成 DSH 的" 删 Codex 专用配置、重构 fr…

Category