Skill Portrait 与 Chain Graph
文件分层
| 文件 | 生产者 | 内容 | 是否调用 LLM |
|---|---|---|---|
runtime/skill-inventory.json |
refresh_skill_inventory.py |
规范 Skill 索引与内容指纹 | 否 |
runtime/skill-portraits.json |
distill_skill_portrait.py |
core/enhanced 功能画像 | 可选 |
runtime/skill-chain-graph.json |
distill_skill_portrait.py |
Skill 依赖与可衔接关系 | 可选 |
runtime/enhance-requests.jsonl |
消费者追加 | 按需增强画像请求 | 否 |
基础 inventory 刷新不得写入或覆盖 portrait/graph。消费者按各文件的 schema version 和 stable skill key 连接数据。
Portrait
核心画像建议字段:
{
"skill_key": "<stable-key>",
"content_hash": "<sha256>",
"core": {
"capability": "动词 + 对象 + 产出",
"inputs": [],
"outputs": [],
"depends_on": [],
"can_chain_to": [],
"not_for": []
},
"enhanced": {
"distilled_at": 1719000000,
"triggers": ["侵权比对", "实质性相似"],
"field_metadata": {
"triggers": {
"content_hash": "<sha256>",
"distilled_at": 1719000000
}
}
}
}只在 inventory 的内容指纹变化、画像缺失或显式 --force 时重蒸馏。失败时保留上次有效画像并记录失败状态,不写半成品。
Enhanced Portrait
增强画像只对消费者明确请求的少量 Skill 生成,可包含:
- 可复用 references/templates/scripts;
- workflow/reference 完整度;
- 扩展点;
- 精确触发词。
请求按 stable skill key 去重,并记录 fulfilled/failed 状态。不要为了“全量完整”高成本重跑所有 Skill。
增强值继续使用扁平字段,field_metadata 为每个字段分别记录其来源 content_hash 与蒸馏时间。多个不相交请求逐字段合并,不覆盖未请求字段。消费者只读取 content_hash 与当前 inventory 一致且时间有效的字段;没有哈希元数据的旧字段保留在运行数据中,但不作为当前事实暴露。增强层调用失败只记录诊断,不改变仍有效的 core stale 状态。
Chain Graph
链路图至少包含:
- schema version 与生成时间;
- 节点 stable skill key;
- 有方向的
depends_on/can_chain_to边; - 边的来源与置信度;
- 无法确认时的待观察状态。
lawyer-ip-positioning ──produces_for(positioning.yaml)──→ lawyer-ip-planner
lawyer-ip-os ──dispatches_to──→ lawyer-ip-planner / lawyer-ip-positioning
lawyer-video-script-writer ──produces_for(brief)──→ lawyer-video-productionedge kind 枚举:
| kind | 含义 | 例子 |
|---|---|---|
produces_for |
A 产出被 B 消费(契约文件/artifact) | positioning→planner via positioning.yaml |
dispatches_to |
A 调度/路由 B | lawyer-ip-os→lawyer-ip-planner |
depends_on |
A 运行依赖 B 的能力 | eval-harness→multi-agent-orchestration |
complements |
A 与 B 互补衔接,无强依赖 | legal-ocr→legal-text-format |
交叉对账:A 的 core.can_chain_to 含 B,但 B 的 core.depends_on 没声明被 A 消费——补一条 B→A 的反向 complements 边,evidence 标"单方声明,待核"。给协同迭代识别真实链路用。
只从明确正文或经过交叉核对的画像建立边,不凭名称相似臆测依赖。发现循环时标记并保留诊断,不把图伪装成 DAG。
命令
确定性降级检查:
python3 scripts/distill_skill_portrait.py distill --no-llm低频增量蒸馏:
python3 scripts/distill_skill_portrait.py distill --limit 24--limit 只在筛出画像缺失、内容哈希变化、标记 stale 或显式强制的目标后应用,并按 last_attempt_at 从最久未尝试到最近尝试排序;不要先截断 inventory,也不要让持续失败的固定前缀让后续待刷新 Skill 长期饥饿。
默认成本边界为:haiku、单次调用最多 $0.10、核心层与增强层合计最多 24 次、按单次上限预留的整批预算最多 $2.40。直接 CLI 同时限制单次预算硬上限 $5.00、整批预算硬上限 $100.00,且单次预算不得大于整批预算。需要更严格控制时显式传入:
python3 scripts/distill_skill_portrait.py distill \
--limit 12 \
--model haiku \
--max-budget-usd 0.08 \
--max-calls 12 \
--max-total-budget-usd 0.96预算按每次调用上限预留,而不是等调用结束后猜测实际费用。CLI 缺失、全部目标失败、锁冲突或预算耗尽时返回非零状态;core 蒸馏失败时保留上次有效画像并标记其内容新鲜度,enhanced/fulfill 失败只记录字段级诊断,不把仍与当前内容匹配的 core 标为 stale,也不用空对象覆盖既有字段。
消费增强请求:
python3 scripts/distill_skill_portrait.py fulfill画像属于运行数据,统一写入外部数据根,不提交个人扫描结果。