Skill 自动触发与组合矩阵¶
状态:
active。本页描述当前包路由;旧版本来源与迁移映射不作为现行规则。
零、最小充分加载策略¶
PRIMARY_DOMAIN_SKILL_LIMIT = 1
DEFAULT_SUPPORTING_SKILL_LIMIT = 2
MAX_ACTIVE_SKILLS_WITHOUT_JUSTIFICATION = 4
- 每个阶段先选择一个主领域 Skill;
- 默认最多补充两个辅助 Skill;
- 工作流 Skill 按阶段延迟激活,不在分析开始时提前加载全部交付、复审、文档和记忆规则;
- 同时激活超过四个 Skill 时,必须说明每个 Skill 的唯一职责;
- 当前阶段结束后,不再需要的 Skill 退出活动集合;
- 请求方显式指定优先,但仍不得扩大权限和突破项目规则。
典型阶段:
分析:领域 / 日志 Skill
→ 方案:必要时实施前复审
→ 实施:领域 + 质量交付
→ 稳定差异:实施后复审
→ 正式报告:文档 Skill
→ 跨会话:长期记忆
一、单 Skill 典型触发¶
| Skill | 应触发示例 | 通常不应单独触发 |
|---|---|---|
backend-engineering |
“分析 Spring 事务、FastAPI async、Fastify 或 Gin 服务端问题” | 纯 Vue 样式或纯 SQL 执行计划 |
frontend-engineering |
“修复路由切换后的请求竞态” | 纯数据库索引分析 |
ai-engineering |
“校验模型结构化输出、RAG 权限和 Agent 工具调用” | 不含模型行为的普通后端 Bug |
data-middleware-infrastructure |
“分析 Redis 热点 Key、数据库锁或 GPU 资源” | 普通服务端空指针说明 |
log-observability-analysis |
“分析这批本地日志并建立跨服务时间线” | 纯代码重构且没有日志输入 |
engineering-quality-delivery |
“修改后测试、复审并本地提交” | 只解释一个概念 |
multi-agent-independent-review |
“让多个 Reviewer 全面复审当前改动并减少回炉” | 无行为变化的文字修正 |
technical-document-writing |
“根据代码写正式架构设计文档” | 只改一条 Commit 信息 |
long-running-task-memory |
“任务跨多天,每个节点持续记录并可恢复” | 当前会话一次完成的小修复 |
二、推荐组合¶
| 任务 | 推荐组合 |
|---|---|
| 任意语言后端 Bug 修复 | 通用后端 + 质量交付;中高风险再加多 Agent 复审 |
| 后端 + Redis / MQ 修复 | 通用后端 + 数据基础设施 + 质量交付;高风险再加多 Agent 复审 |
| AI / RAG / GPU Worker 故障 | AI + 日志;按实际链路组合后端或数据基础设施,修改时加质量交付 |
| 前端与后端 SSE 全链路修复 | 通用前端 + 通用后端 + 数据基础设施 + 质量交付;高风险再加多 Agent 复审 |
| 基于代码写架构文档 | 文档 + 实际技术栈对应 Skill |
| 修改代码并同步正式方案 | 技术栈 + 质量交付 + 文档 |
| 跨会话大型改造 | 技术栈 + 质量交付 + 长期任务记忆;代码稳定后加多 Agent 复审 |
| 生产部署手册 | 文档 + 数据基础设施 + 质量交付 |
| 只读全方位审查 | 多 Agent 复审 + 对应技术栈 Skill |
| 多天生产观察 | 日志 + 长期任务记忆 + 对应技术领域;仅转入写操作时加质量交付 |
三、日志分析 Skill 触发测试¶
应触发¶
- 分析本地目录中的多份应用日志和压缩日志包。
- 根据 Docker、Kubernetes Pod 和 Nginx 日志建立故障时间线。
- 只读分析生产 Java 服务、数据库连接池和 RabbitMQ 日志。
- 根据 traceId 关联多个服务并区分根因与表象。
- 对日志中的异常进行聚类、统计频率并给出验证步骤。
通常不应触发¶
- 没有任何日志或可观测性数据的纯代码设计。
- 只修改 README 标点。
- 直接提出新增业务功能且不涉及故障证据。
- 只解释一个与当前日志无关的理论概念。
模式选择¶
- 本地静态文件:允许受控解压和临时解析,不覆盖原文件;
- 本地运行环境:默认只读,重启和修改单独授权;
- 远程非生产:限制命令成本,不因非生产自动获得写权限;
- 生产只读:限制时间窗、行数和查询成本,禁止清理、重启、部署和数据写入。
四、多 Agent 复审触发测试¶
应触发¶
- 当前改动涉及权限、公共接口、数据库和历史数据,请多开 Agent 全面复审。
- 修复完成后从功能、回归、安全、性能、数据和并发角度独立检查。
- 尽量一次找全问题,统一归因后集中修改,减少多次回炉。
- 当前差异跨后端、前端和消息链路,需要并行只读审查。
- 数据迁移即将提交,请执行严格独立复审。
通常不触发¶
- 只修改 Markdown 标点。
- 未修改代码,只解释异常含义。
- 只拆分已有 Commit,不改变文件内容。
- 明确限定只做一次局部自查且任务属于低风险非行为变更。
选择规则¶
- 低风险:0~1 个 Reviewer,默认
economy/ Luna; - 中风险:1~2 个 Reviewer,默认
balanced; - 高风险:2~3 个 Reviewer,默认
deep,仅关键维度可 Terra High; - 不为凑数量启动职责重复的 Reviewer;
- 第一轮未全部返回前不边审边改;
- 默认并行 3、累计 6、post 2 轮、修复 2 轮、Terra High 1 个;模型、人数、上下文和轮次同时受预算约束。
五、长期任务记忆触发测试¶
应触发¶
- 任务预计跨多个会话或多个工作日。
- 任务明确规定每完成一个小节点就更新任务和进度文档。
- 多个 Agent 并行,必须确保上下文压缩后仍可继续。
- 生产灰度需要连续观察和记录验证状态。
- 当前对话已很长,后续仍有多个实施阶段。
小节点检查点¶
以下节点完成后立即更新 CURRENT_TASK.md 和 PROGRESS.md:
- 形成调用链结论;
- 确认或排除根因;
- 完成一组同功能边界修改;
- 完成构建、测试、迁移或样例验证;
- 派发、收齐或归并一轮 Reviewer;
- 完成集中修复或定向复核;
- 发生阻塞、范围变化、提交、部署或暂停。
单次 ls、grep、未形成结论的阅读和立即撤销的临时尝试不需要单独写检查点。
六、文档 Skill 触发测试¶
应隐式触发¶
- 根据当前仓库写一份系统架构设计文档。
- 把现有 Markdown 技术方案全面重构,保留业务口径。
- 输出数据库表结构与索引设计文档。
- 根据日志和代码写故障分析报告。
- 整理成适合管理层讨论的正式项目报告。
- 编写部署、灰度和回滚操作手册。
- 写 API 接口设计和错误码说明。
通常不应单独触发¶
- 给一个 Java 方法补一行注释。
- 把 Commit 信息改成中文。
- 只更新 CHANGELOG 中的一条记录。
- 解释 Redis 缓存击穿。
- 执行
npm run build并报告结果。
七、实际 Codex 路由回归¶
包内提供:
tests/skill-routing-cases.json:required / optional / forbidden / 最大活动 Skill;scripts/routing-eval.py:用例结构校验、观察模板生成和结果评分。
使用方式:
python3 scripts/routing-eval.py validate
python3 scripts/routing-eval.py make-template --output routing-observations.json
然后在 Codex 中逐条发送测试 Prompt,记录实际显示或报告的激活 Skill;不要根据期望值手工补齐。完成后:
python3 scripts/routing-eval.py evaluate --results routing-observations.json
包结构校验只能证明用例和工具有效,不能替代本机 Codex 的真实自动激活观察。每次修改 Skill 名称、description、全局调度规则或组合边界后都应重新执行。
Reviewer 隔离调度补充¶
- TOML
read-only只表示配置声明; - 父会话为
danger-full-access或workspace-write时,默认只能标记logical-readonly; - 高风险、生产和严格只读任务必须使用整体只读父会话或有效系统隔离证据;
- 自查不能冒充独立 Reviewer,逻辑只读不能冒充系统隔离。
八、四主领域路由¶
| 场景 | 主 Skill | 可选支撑 Skill |
|---|---|---|
| Java、Python、Node.js、Go、.NET、Rust 或其他服务端应用 | backend-engineering |
修改时质量交付;数据组件按需组合基础设施 |
| 浏览器、WebView、Renderer 与前端框架 | frontend-engineering |
后端、AI、数据按实际调用链组合 |
| 模型调用、RAG、Agent、AI 评测、推理与多模态生成 | ai-engineering |
SDK/Worker 组合后端;向量库/GPU 资源组合基础设施 |
| 数据库、缓存、MQ、搜索/向量存储、文件、GPU 资源、容器和网络 | data-middleware-infrastructure |
应用调用方组合后端;AI 语义组合 AI |
同一阶段只选一个主领域。项目使用 Python 不等于 AI,项目名称包含 AI 也不等于当前任务应触发 AI;package.json 不等于前端,纯 Node.js 服务端必须路由通用后端。
前端领域细化路由¶
| 场景 | 主 Skill | 辅助 Skill |
|---|---|---|
| Vue/Nuxt、React/Next/Remix、Preact、Angular、Svelte、Astro/Ember、传统/静态页面 | frontend-engineering |
修改时质量交付 |
| SSR/全栈前端服务端逻辑 | frontend-engineering |
对应后端与数据基础设施 |
| 微前端/Monorepo | frontend-engineering |
按修改组合质量/文档 |
| Hybrid Web / WebView / Renderer | frontend-engineering |
原生桥、主进程和系统能力另行审查 |
| Electron/Tauri 主进程、原生移动端 | 不使用 frontend-engineering |
按系统/后端/安全边界选择能力 |
| 纯 Node.js 后端 API/Worker | 不使用 frontend-engineering |
backend-engineering;涉及数据库/MQ 时组合数据基础设施 |