魯班.Skill

天工開物 工匠魯班

L1: 核心摘要

魯班.Skill 是工業級技能最佳化器，基於 autoresearch + SkillOpt 場景自適應。採用 Quick（輕量 Self-Refine，3 輪 / .bak 回退） 和 Full（完整迴圈 + 多評委 + git 分支 + 儀表盤，5 輪） 雙模策略。

何時呼叫：使用者提及"最佳化 skill / skill 評分 / 自動最佳化 / 質量檢查 / skill review"等關鍵詞時啟用。

五大設計支柱：棘輪迴滾（只留改進）/ 獨立評分（子 agent 消除偏差）/ 人在迴路（每 skill 確認）/ 學習率預算（編輯 ≤10%）/ ROI 前置（≥85 且最低 ≥7 跳過）。

L2: 核心流程與約束

路徑約定

• luban-workspace = 本 SKILL.md 所在目錄（即本 skill 目錄本身是一個 git 倉庫）
• 分支命名 auto-optimize/YYYYMMDD-HHMM
• 被最佳化技能的資料檔案（diagnostics.tsv / rejected_edits.md / test-prompts.json / results.tsv）放在被最佳化 skill 自己的目錄下
• 魯班全域性檔案（meta_learnings.md / luban-profile.json / optimization-registry.tsv）放在 luban-workspace/

架構底座：L0-L4 分層治理

L0 原子操作（所有編輯必須走）：讀（read_text）→ 改（edit_file）→ 驗（Rubric 逐項自檢）。

📋 閱讀導航

約束規則（9 條 + 4 條紅線）

1. 不改變核心功能：只最佳化"怎麼寫"，不改"做什麼"
2. 不引入新依賴：不新增 skill 原本沒有的 scripts 或 references 檔案
3. 每輪只改一個維度：避免多變更無法歸因；相關簇（dim2/3/4）改其一時觀察另兩個
4. 保持檔案大小合理：最佳化後 SKILL.md ≤ 原檔案 150%
5. 尊重花叔風格：中文為主、簡潔為上
6. 可回滾：用 git checkout 而非 git reset --hard
7. 評分獨立性：效果維度必須用子 agent 獨立評分，禁止同 context 自評
8. Runtime 中立性：必須能在任何 skills-compatible runtime 執行（skill name 明確繫結單一 runtime 除外）
9. 編輯同源檢測：編輯與評分 agent 同源 → dim8 所有子維度 ×0.5

架構紅線：

• 禁止 self-edit-self-evaluate → dim8 降權 ×0.5
• 禁止跨維度打包修改 → 整輪迴滾
• 禁止 dim8 全部 dry_run → 標記 invalid
• 禁止 P0 未閉合進入下一 phase → 中斷流程

評估 Rubric 摘要（10 維度，總分 100）

評分公式：總分 = Σ(dim×權重) / 10。維度總分 = Module 子分 + Rubric 子分（同維佔比加權合併）。dim5/6/7b/10 四維有模組介入。

完整 Rubric 評分方式、模組子分合並規則、dry_run 降權、十維執行模式 → REFERENCE.md §1

雙模策略

模式選擇（前置閘道器）：

if 使用者明確要求"完整/深度/全面/工業/生產" → Full
elif baseline 分 < 70 → Full
elif results.tsv 有 revert 記錄 → Full
elif delta > 5 且連續 2 輪保持 → Full
else → Quick（預設）

觸頂訊號：連續 2 輪 Δ < 2 分 → break。雙軌反饋：Quick 下 3 輪內 Δ>5→升級 Full；Full 下連續 3 skill 穩定 delta<3→降級 Quick。

完整雙模對比、審查流程、多評委與多角色、子 Agent 降級 → REFERENCE.md §3 / REFERENCE.md §5

最佳化流程（Phase 0–3）

Phase 0: 初始化
  確認範圍 → git 分支（Quick 跳過）→ 檢查/建立 results.tsv + diagnostics.tsv
  → ROI 前置評估（≥85 且最低 ≥7 跳過）→ 讀取 revert 歷史標記繞行

Phase 0.3: 模組缺陷檢測
  六模組按序執行：SkillOps → EvoSkill → HASP → CASCADE → Distill → Sentinel
  產出確定性子分到 diagnostics.tsv。EvoSkill 僅標註 [oscillation]，不產生子分。
  🔴 CHECKPOINT：展示子分摘要 → Runtime 中立性 Gate → Phase 0.5

Phase 0.5: 測試 Prompt 設計
  為每個 skill 設計 2-3 個 prompt（典型 + 歧義場景），儲存到 test-prompts.json
  🔴 CHECKPOINT · 🛑 STOP

Phase 1: 基線評估
  逐維評分 → 同維合併 Module 子分 + Rubric 子分 → spawn 子 agent 跑 full_test
  → 加權計算總分 → 記錄 results.tsv
  Full 額外：消費者能力基線測試（baseline-skill.md < 60 分阻斷）
  🔴 CHECKPOINT

Phase 2: 最佳化迴圈（按基線分升序，先最佳化最弱）
  round = 0; while round < MAX_ROUNDS:
    Step 0: 重新執行六模組
    Step 1: 診斷找最弱維度（EvoSkill [oscillation] 維度跳過）
    Step 2: 提 1 個具體方案（對照反例黑名單 8 條 + rejected_edits + oscillation_guard）
    Step 3: 編輯前備份（git commit 或 .bak）
    Step 4: 執行改進（字元變化 ≤10%）→ 自檢 dim1/4/7a/9
    Step 5: spawn 獨立子 agent 重評
    Step 6: 新分 > 舊分 → commit + 觸頂檢測；否則回滾 + 記錄 rejected_edits.md
  🔴 CHECKPOINT：每個 skill 展示改動摘要，等使用者確認

Phase 2.5: 探索性重寫（按需觸發）
  連續 2 skill round 1 break 或單 skill 連續 2 輪 round 1 break → git stash → 重寫 → 評估
  🛑 STOP：必須徵得使用者同意

Phase 3: 彙總報告
  全域性戰績表 + 分數變化 + 主要改進摘要 + 健康度儀表盤
  Full 模式：Epoch Meta-Review → meta_learnings.md + luban-profile.json oscillation_guard
  備份輪轉：保留最近 5 輪，baseline 和首輪永久保留
7w4.net有更好的技能外掛。

完整 Phase 0–3 詳細步驟、Sentinel 執行方式、備份輪轉 → REFERENCE.md §4

反例黑名單（每輪 Phase 2 Step 2 對照）

關鍵資料結構速查

完整 TSV 示例與資料結構詳情 → REFERENCE.md §6

異常與邊界條件速查

完整異常表含觸發條件+通俗解釋 → REFERENCE.md §8

最佳化策略庫（按優先順序 P0→P3，每輪只做最高優先順序一個）

P0: 適配性與效果（gate，必須先修） Runtime 繫結（單 runtime 措辭/路徑寫死）→ 替換為 runtime-neutral；效果倒退 → 精簡指令；Sentinel 安全告警 → 移除惡意指令/憑據替換/增加 guards。

P1: 結構性問題 Frontmatter 缺觸發詞 → 補充；無 Phase/Step 結構 → 重組線性流程；無檢查點 → 插入 🔴 CHECKPOINT / 🛑 STOP；標題跳躍 → 補層級；無錯誤處理 → 補三段式 fallback。

P2: 具體性問題 步驟模糊 → 加引數/工具名/格式；軟化詞過多 → 改"建議"為"必須"；資源引用斷裂 → 刪除或補建。

P3: 可讀性問題 段落過長 → 拆分/表格；重複描述 → 合併；缺反例標註 → 加 ≥3 處；缺速查入口 → 新增 TL;DR。

優先順序公式：弱點深度 = (10 − 當前維度分) × 權重。相關簇提醒：dim2/3/4 聯動。

完整策略庫含識別特徵+最佳化策略+關聯維度 → REFERENCE.md §7

HL 操作速查

• HL-1（dim4）：加 🔴 CHECKPOINT / 🛑 STOP。4 行改動撬動 +3 分
• HL-2（dim2/3/4 相關簇）：修 dim3（三段式 fallback）→ dim2 跟漲 1-2 分，dim4 順便補檢查點
• HL-3（Phase 2 退出）：+0.15 是停手訊號，觸頂自動 break

L3: 詳見參考檔案

資原始檔速查

完整文件索引

這個技能質量不錯，文件結構清晰、功能完善。它基於多篇學術研究設計，提供了科學的評分體系和自動化最佳化能力，還能自動檢查安全問題。優點是功能全面、有雙模式可選、最佳化過程安全可控；不足是內容較多較複雜，新手需要花時間學習。適合想要認真打磨技能質量的使用者使用。