鲁班.Skill

天工开物 工匠鲁班

L1: 核心摘要

鲁班.Skill 是工业级技能优化器，基于 autoresearch + SkillOpt 场景自适应。采用 Quick（轻量 Self-Refine，3 轮 / .bak 回退） 和 Full（完整循环 + 多评委 + git 分支 + 仪表盘，5 轮） 双模策略。

何时调用：用户提及"优化 skill / skill 评分 / 自动优化 / 质量检查 / skill review"等关键词时激活。

五大设计支柱：棘轮回滚（只留改进）/ 独立评分（子 agent 消除偏差）/ 人在回路（每 skill 确认）/ 学习率预算（编辑 ≤10%）/ ROI 前置（≥85 且最低 ≥7 跳过）。

L2: 核心流程与约束

小葱技能7w4.net持续更新中。

路径约定

• luban-workspace = 本 SKILL.md 所在目录（即本 skill 目录本身是一个 git 仓库）
• 分支命名 auto-optimize/YYYYMMDD-HHMM
• 被优化技能的数据文件（diagnostics.tsv / rejected_edits.md / test-prompts.json / results.tsv）放在被优化 skill 自己的目录下
• 鲁班全局文件（meta_learnings.md / luban-profile.json / optimization-registry.tsv）放在 luban-workspace/

架构底座：L0-L4 分层治理

L0 原子操作（所有编辑必须走）：读（read_text）→ 改（edit_file）→ 验（Rubric 逐项自检）。

📋 阅读导航

约束规则（9 条 + 4 条红线）

1. 不改变核心功能：只优化"怎么写"，不改"做什么"
2. 不引入新依赖：不添加 skill 原本没有的 scripts 或 references 文件
3. 每轮只改一个维度：避免多变更无法归因；相关簇（dim2/3/4）改其一时观察另两个
4. 保持文件大小合理：优化后 SKILL.md ≤ 原文件 150%
5. 尊重花叔风格：中文为主、简洁为上
6. 可回滚：用 git checkout 而非 git reset --hard
7. 评分独立性：效果维度必须用子 agent 独立评分，禁止同 context 自评
8. Runtime 中立性：必须能在任何 skills-compatible runtime 运行（skill name 明确绑定单一 runtime 除外）
9. 编辑同源检测：编辑与评分 agent 同源 → dim8 所有子维度 ×0.5

架构红线：

• 禁止 self-edit-self-evaluate → dim8 降权 ×0.5
• 禁止跨维度打包修改 → 整轮回滚
• 禁止 dim8 全部 dry_run → 标记 invalid
• 禁止 P0 未闭合进入下一 phase → 中断流程

评估 Rubric 摘要（10 维度，总分 100）

评分公式：总分 = Σ(dim×权重) / 10。维度总分 = Module 子分 + Rubric 子分（同维占比加权合并）。dim5/6/7b/10 四维有模块介入。

完整 Rubric 评分方式、模块子分合并规则、dry_run 降权、十维执行模式 → REFERENCE.md §1

双模策略

模式选择（前置网关）：

if 用户明确要求"完整/深度/全面/工业/生产" → Full
elif baseline 分 < 70 → Full
elif results.tsv 有 revert 记录 → Full
elif delta > 5 且连续 2 轮保持 → Full
else → Quick（默认）

触顶信号：连续 2 轮 Δ < 2 分 → break。双轨反馈：Quick 下 3 轮内 Δ>5→升级 Full；Full 下连续 3 skill 稳定 delta<3→降级 Quick。

完整双模对比、审查流程、多评委与多角色、子 Agent 降级 → REFERENCE.md §3 / REFERENCE.md §5

优化流程（Phase 0–3）

Phase 0: 初始化
  确认范围 → git 分支（Quick 跳过）→ 检查/创建 results.tsv + diagnostics.tsv
  → ROI 前置评估（≥85 且最低 ≥7 跳过）→ 读取 revert 历史标记绕行

Phase 0.3: 模块缺陷检测
  六模块按序执行：SkillOps → EvoSkill → HASP → CASCADE → Distill → Sentinel
  产出确定性子分到 diagnostics.tsv。EvoSkill 仅标注 [oscillation]，不产生子分。
  🔴 CHECKPOINT：展示子分摘要 → Runtime 中立性 Gate → Phase 0.5

Phase 0.5: 测试 Prompt 设计
  为每个 skill 设计 2-3 个 prompt（典型 + 歧义场景），保存到 test-prompts.json
  🔴 CHECKPOINT · 🛑 STOP

Phase 1: 基线评估
  逐维评分 → 同维合并 Module 子分 + Rubric 子分 → spawn 子 agent 跑 full_test
  → 加权计算总分 → 记录 results.tsv
  Full 额外：消费者能力基线测试（baseline-skill.md < 60 分阻断）
  🔴 CHECKPOINT

Phase 2: 优化循环（按基线分升序，先优化最弱）
  round = 0; while round < MAX_ROUNDS:
    Step 0: 重新运行六模块
    Step 1: 诊断找最弱维度（EvoSkill [oscillation] 维度跳过）
    Step 2: 提 1 个具体方案（对照反例黑名单 8 条 + rejected_edits + oscillation_guard）
    Step 3: 编辑前备份（git commit 或 .bak）
    Step 4: 执行改进（字符变化 ≤10%）→ 自检 dim1/4/7a/9
    Step 5: spawn 独立子 agent 重评
    Step 6: 新分 > 旧分 → commit + 触顶检测；否则回滚 + 记录 rejected_edits.md
  🔴 CHECKPOINT：每个 skill 展示改动摘要，等用户确认

Phase 2.5: 探索性重写（按需触发）
  连续 2 skill round 1 break 或单 skill 连续 2 轮 round 1 break → git stash → 重写 → 评估
  🛑 STOP：必须征得用户同意

Phase 3: 汇总报告
  全局战绩表 + 分数变化 + 主要改进摘要 + 健康度仪表盘
  Full 模式：Epoch Meta-Review → meta_learnings.md + luban-profile.json oscillation_guard
  备份轮转：保留最近 5 轮，baseline 和首轮永久保留

完整 Phase 0–3 详细步骤、Sentinel 执行方式、备份轮转 → REFERENCE.md §4

反例黑名单（每轮 Phase 2 Step 2 对照）

关键数据结构速查

完整 TSV 示例与数据结构详情 → REFERENCE.md §6

异常与边界条件速查

完整异常表含触发条件+通俗解释 → REFERENCE.md §8

优化策略库（按优先级 P0→P3，每轮只做最高优先级一个）

P0: 适配性与效果（gate，必须先修） Runtime 绑定（单 runtime 措辞/路径写死）→ 替换为 runtime-neutral；效果倒退 → 精简指令；Sentinel 安全告警 → 移除恶意指令/凭据替换/增加 guards。

P1: 结构性问题 Frontmatter 缺触发词 → 补充；无 Phase/Step 结构 → 重组线性流程；无检查点 → 插入 🔴 CHECKPOINT / 🛑 STOP；标题跳跃 → 补层级；无错误处理 → 补三段式 fallback。

P2: 具体性问题 步骤模糊 → 加参数/工具名/格式；软化词过多 → 改"建议"为"必须"；资源引用断裂 → 删除或补建。

P3: 可读性问题 段落过长 → 拆分/表格；重复描述 → 合并；缺反例标注 → 加 ≥3 处；缺速查入口 → 添加 TL;DR。

优先级公式：弱点深度 = (10 − 当前维度分) × 权重。相关簇提醒：dim2/3/4 联动。

完整策略库含识别特征+优化策略+关联维度 → REFERENCE.md §7

HL 操作速查

• HL-1（dim4）：加 🔴 CHECKPOINT / 🛑 STOP。4 行改动撬动 +3 分
• HL-2（dim2/3/4 相关簇）：修 dim3（三段式 fallback）→ dim2 跟涨 1-2 分，dim4 顺便补检查点
• HL-3（Phase 2 退出）：+0.15 是停手信号，触顶自动 break

L3: 详见参考文件

资源文件速查

完整文档索引

这个技能质量不错，文档结构清晰、功能完善。它基于多篇学术研究设计，提供了科学的评分体系和自动化优化能力，还能自动检查安全问题。优点是功能全面、有双模式可选、优化过程安全可控；不足是内容较多较复杂，新手需要花时间学习。适合想要认真打磨技能质量的用户使用。