Skill 生命週期引擎

從原始對話到精煉可重用技能的七個階段：全自動化。

---

比喻：學徒成為大師

一位武術學徒透過階段性學習：

1. 啟動 — 師父開啟訓練場。學徒到場。
2. 壓縮 — 數百種技法濃縮為精華。沒有多餘動作。
3. 萃取 — 每次對練後，學徒回顧哪些有效、哪些無效。
4. 重建 — 學徒從零開始重建技法，理解每個動作為什麼重要。
5. 蒸餾 — 多年的練習壓縮成少數幾條可以傳授他人的原則。
6. 診斷師 — 師父檢視學徒的拳架，找出細微瑕疵。
7. 缺口分析 — 「你防守很強但反擊偏弱。我們來加強這塊。」

DuDuClaw 的 skill 生命週期反映這個過程，將原始對話經驗轉化為結構化、可重用、可分享的技能。

---

運作方式

階段 1：啟動

Agent 啟動時，skill loader 讀取 SKILLS/ 目錄並啟用已安裝的技能：

Agent 啟動
     |
     v
掃描 SKILLS/ 目錄
     |
     v
對每個 skill 檔案：
  - 解析 skill 定義
  - 驗證格式和依賴
  - 註冊到 SkillRegistry
     |
     v
技能現在可供 Agent 的 runtime 使用

階段 2：壓縮

隨時間推移，Agent 可能累積重疊或冗餘的技能。壓縮階段識別並合併它們：

Skill 庫存分析
     |
     v
找到重疊技能：
  - "complaint-handler-v1" 和 "complaint-handler-v2"
    共享 80% 的內容
     |
     v
合併為單一統一技能
     |
     v
移除重複，保留最佳版本

這防止技能膨脹，運行數月的 Agent 不會堆積 50 個幾乎相同的技能。

階段 3：萃取

成功對話後，系統可以自動萃取可能成為新技能的模式：

對話成功完成
     |
     v
分析對話模式：
  - 這是新穎的做法嗎？
  - 使用者表達了滿意嗎？
  - 這個模式可重複嗎？
     |
  +--+--+
  |     |
 是     否 → 不萃取技能
  |
  v
產生候選技能：
  - 識別觸發條件
  - 萃取回應模式
  - 定義成功標準
     |
     v
提交到階段 6（診斷師）進行品質檢查

階段 4：重建

有時技能需要從零重建，而非漸進改善。重建逆向工程出技能背後的意圖，並產生更乾淨的實作：

現有技能（隨時間累積，較雜亂）
     |
     v
分析核心意圖：
  「這個技能試圖達成什麼？」
     |
     v
從原則重建：
  - 更清晰的觸發條件
  - 更簡潔的回應模式
  - 更好的錯誤處理
     |
     v
以重建版本取代舊技能

階段 5：蒸餾

蒸餾將技能壓縮到其本質規則（有效應用所需的最小可行知識）：

完整技能（500 行，詳細範例）
     |
     v
識別核心規則：
  - 核心原則（5-10 條規則）
  - 關鍵限制
  - 關鍵決策點
     |
     v
蒸餾後技能（50 行，純粹原則）

蒸餾後的技能載入更快、消耗更少上下文視窗、更容易在 Agent 間分享。

階段 6：診斷師

技能的品質控管。診斷師檢查每個技能：

受審查的技能
     |
     v
檢查：
  - 觸發精確度：是否在正確的時機觸發？
  - 回應品質：是否產生良好結果？
  - 一致性：是否與其他技能衝突？
  - 完整性：邊緣案例是否處理？
     |
     v
報告：
  ✓ 觸發精確度：94%
  ✗ 邊緣案例：未處理多語輸入
  ✓ 與現有技能無衝突
     |
     v
建議：修正邊緣案例或標記待重建

階段 7：缺口分析

最後階段審視 Agent 的整體技能組合，找出缺失的部分：

分析對話歷史
     |
     v
識別 Agent 掙扎的模式：
  - 滿意度分數低的主題
  - 需要降級到雲端 API 的查詢
  - 被放棄的對話
     |
     v
缺口報告：
  「Agent 處理客訴很好（階段 2 技能），
   但在技術產品問題上掙扎。
   建議：從上週 5 次成功的技術對話中萃取技能。」

缺口分析形成閉環。它回饋到階段 3（萃取），指出哪裡需要新技能。

---

Skill 市集

除了自我產生的技能，Agent 還可以從社群發現和安裝技能：

GitHub 即時索引

市集使用 GitHub 的 Search API 即時搜尋 skill 儲存庫：

搜尋查詢："customer-support skill duduclaw"
     |
     v
GitHub Search API
     |
     v
結果（快取 24 小時）：
  1. zhixuli0406/skill-customer-support (★ 45)
  2. community/duduclaw-skills-pack (★ 120)
     |
     v
加權排名：
  - Stars
  - 近期活動
  - Skill 格式有效性
  - 安全掃描結果

安全掃描

安裝前，每個技能都通過 Rust-native 的 Skill 安全掃描器（skill_lifecycle::security_scanner）檢查：

來自市集的候選技能
     |
     v
安全掃描：
  - Prompt injection 模式？
  - 嘗試修改系統檔案？
  - 參照外部 URL？
  - 混淆內容？
     |
  +--+--+
  |     |
乾淨    標記
  |     |
  v     v
安裝   警告 + 需人工審查

MCP 工具

市集可透過 MCP 存取：

工具	用途
skill_search	搜尋 GitHub 的技能，加權排名
skill_list	列出每個 Agent 已安裝的技能

---

為什麼這很重要

複合學習

每次對話都教會 Agent 一些東西。Skill 生命週期捕捉這些學習並將其形式化。隨時間推移，Agent 真正變得更有能力：關鍵在技能庫持續增長，而非單純的模型改進。

知識轉移

技能可以在 Agent 間分享。從客服 Agent 萃取的技能可以安裝到銷售 Agent。這是自動化的組織知識管理。

品質控管

診斷師和缺口分析階段確保技能不只是累積，它們會改進。低品質技能被標記待重建。缺失的能力被主動識別。

社群

市集意味著你不需要從零開始。別人久經考驗的客服技能可以在幾分鐘內引導你的 Agent。

---

與其他系統的互動

• 演化引擎：技能為預測引擎提供資訊。技能完善的 Agent 預測錯誤更少。
• GVU 迴圈：技能萃取通常在成功的 GVU 迴圈後觸發；人格的改進揭示了值得捕捉的新模式。
• 記憶系統：技能補充記憶。記憶記住發生了什麼，技能記住該做什麼。
• CONTRACT.toml：技能必須在契約邊界內運作。診斷師檢查衝突。
• Dashboard：技能市集、已安裝技能和缺口分析報告都在 Web 介面中可見。

---

總結

技能是原始經驗和可靠能力之間的橋樑。7 階段生命週期確保每次成功的對話都貢獻於 Agent 的永久改進：自動萃取、品質檢查、然後分享。Agent 不只是處理今天的對話，也在為明天的對話變得更好。