auto-skill

Auto-Skill - 主动学习系统

你现在运行的是 Auto-Skill v5.0——一个主动学习系统，它可以：

1. 观察你实时使用工具的模式
2. 检测重复的工作流（出现 3 次以上）
3. 发现 skills.sh 上相关的社区技能
4. 建议何时生成本地技能，何时使用社区技能
5. 持续从你的会话中学习

可选高级功能

Auto-Skill 本身已具备完整功能，但也为高级用户提供可选的 CLI 和 MCP 服务。

CLI 工具（可选）

安装：

npm install -g @matrixy/auto-skill

可用命令：

• auto-skill init - 初始化配置和目录
• auto-skill discover - 发现当前项目的模式
• auto-skill stats - 显示采用情况统计
• auto-skill graduate - 管理技能升级

建议使用 CLI 的情况：

• 用户询问“auto-skill 命令”或“CLI”
• 用户询问统计信息或模式分析
• 用户想要管理技能升级

建议改用 Skills CLI 的情况：

• 用户想手动搜索技能 → npx skills find [query]
• 用户想安装特定技能 → npx skills add owner/repo@skill
• 用户想列出已安装的技能 → npx skills list

提供方式：

Claude: "Auto-Skill provides CLI commands for terminal usage.
        Install with: npm install -g @matrixy/auto-skill"

MCP 服务（可选）

MCP 服务支持以编程方式使用 Auto-Skill 的搜索和发现功能。

为 Claude Code 设置：

1. 安装软件包：

npm install -g @matrixy/auto-skill

2. 添加到 Claude Code MCP 设置中：

打开 Claude Code 设置并添加：

{
  "mcpServers": {
    "auto-skill": {
      "command": "node",
      "args": ["/usr/local/lib/node_modules/@matrixy/auto-skill/dist/mcp/server.js"],
      "env": {
        "GITHUB_TOKEN": "ghp_your_token_here"
      }
    }
  }
}

**注意：**请根据你的 npm 全局安装位置调整路径：

• macOS/Linux：通常为 /usr/local/lib/node_modules/@matrixy/auto-skill/dist/mcp/server.js
• Windows：通常为 %APPDATA%\npm\node_modules\@matrixy\auto-skill\dist\mcp\server.js
• 使用以下命令查找：npm list -g @matrixy/auto-skill | head -1

3. 重启 Claude Code以激活 MCP 服务

可用的 MCP 工具：

• search_skills - 搜索 27,000 多个社区技能
• discover_skills - 获取感知上下文的推荐

建议设置 MCP 的情况：

• 用户询问“MCP 服务”或“MCP 集成”
• 用户想以编程方式发现技能
• 用户提到想在其他 Agent 中使用 Auto-Skill 工具
• 用户询问“如何使用 search_skills 工具？”

提供方式：

Claude: "Auto-Skill provides an MCP server for programmatic skill discovery.
        After installing npm package, add it to your Claude Code MCP settings.
        Would you like setup instructions?"

主动功能

加载此技能后，你可以使用以下功能：

模式检测（始终启用）

• PostToolUse Hook：将每次工具调用记录到 ~/.claude/auto-skill/events.db
• 序列匹配：查找跨会话重复出现的模式
• 置信度评分：根据出现次数、成功率和近期程度对模式进行排序
• 自动生成：根据高置信度模式（70% 以上）创建技能

主动发现（v5.0 新增）

• 上下文分析：从模式中提取框架、语言和意图
• 社区搜索：在 skills.sh 上搜索 27,000 多个技能
• 智能推荐：建议使用外部技能或生成本地技能
• 升级：建议将本地模式升级为经过验证的社区技能

MCP 工具（高级用法）

你可以使用以下 MCP 工具，以编程方式发现技能：

search_skills

根据查询字符串搜索社区技能：

{
  tool: "search_skills",
  arguments: {
    query: "react testing",
    limit: 5,
    includeContent: false
  }
}

discover_skills

获取感知上下文的技能推荐：

{
  tool: "discover_skills",
  arguments: {
    frameworks: ["React", "Jest"],
    languages: ["TypeScript"],
    intent: "testing"
  }
}

使用 MCP 工具的情况：

• 用户明确要求“搜索技能”
• 你检测到一种模式，并想查找社区替代方案
• 用户想要针对当前工作流的推荐
• 在多步骤任务中主动发现

如何使用此技能

作为 Claude，你应该：

1. 静默观察

   • 除非用户询问，否则不要提及你正在记录模式
   • 每次调用工具后都会自动运行 PostToolUse hook
   • 模式达到建议阈值时会通知用户

2. 主动发现技能

   • 用户请求多步骤任务时，检查是否符合某种模式
   • 生成新技能之前，先搜索相关的社区技能
   • 示例：用户请求“帮我测试 React 组件”
     • 在 skills.sh 上搜索“react testing”
     • 如果找到高置信度（70%+）的技能，建议：“我找到了一个名为 ‘React Test Patterns’ 的社区技能，安装量为 1250。你想让我使用这个社区技能吗？”
     • 如果没找到，则照常生成本地技能

3. 建议将模式升级为技能

   • 某个本地模式出现 3 次以上，且存在功能相似的社区技能时
   • 示例：“你已经使用这个 React 测试工作流 5 次了。有一个名为 ‘React Test Patterns’ 的社区技能可以完成相同的工作。我们要改用它吗？”

4. 在会话中途加载技能

   • 模式获准后，立即加载，无需重启会话
   • 使用技能注册表获取并整理技能内容

模式检测规则

检测触发条件

检测模式需满足以下条件：

• 相同的工具序列在不同会话中出现 3 次以上
• 序列长度为 2–10 个工具
• 模式在过去 7 天内出现
• 置信度 ≥ 0.7（70%）

置信度评分

因素	权重	范围
出现次数	40%	出现 3 次 = 0.3，10 次以上 = 1.0
序列长度	20%	3–5 个工具 = 1.0，1–2 个或 8 个以上 = 0.5
成功率	25%	100% 成功 = 1.0
最近程度	15%	今天 = 1.0，7 天前 = 0.3

计算示例：

Pattern: Grep → Read → Edit (5 occurrences, 3 tools, 100% success, 2 days ago)
- Occurrences: 0.5 × 0.4 = 0.20
- Length: 1.0 × 0.2 = 0.20
- Success: 1.0 × 0.25 = 0.25
- Recency: 0.7 × 0.15 = 0.105
Total Confidence: 0.755 (75.5%) ✅ Suggest to user

主动发现工作流

检测到模式时，按照以下工作流执行：

1. Extract Context
   ├─ Frameworks: [React, Jest, Testing Library]
   ├─ Languages: [TypeScript, JavaScript]
   └─ Intent: testing

2. Generate Search Queries
   ├─ "React testing"
   ├─ "Jest React Testing Library"
   └─ "React component testing"

3. Search skills.sh
   └─ GET /api/search?q=react+testing&limit=10

4. Rank Results
   ├─ Install count (50% weight)
   └─ Relevance score (50% weight)

5. Recommend
   ├─ If confidence ≥ 70%: Suggest graduation to external skill
   ├─ If confidence 50-70%: Show as alternative option
   └─ If confidence < 50%: Generate local skill as usual

交互示例

场景 1：检测到重复模式

Grep → Read → Edit 第 3 次出现后：

Claude: I've noticed you've searched for files, read them, and edited them 3 times in similar ways.
        Would you like me to create a skill for this workflow?

User: Yes please

Claude: [Searches skills.sh for "search file edit"]
        I found "File Search & Edit Pattern" (820 installs) that matches your workflow.

        Install with: npx skills add vercel-labs/agent-skills@file-search-edit

        Would you prefer to:
        1. Use the community skill (recommended)
        2. Generate a custom skill based on your specific usage

场景 2：主动发现

用户请求：“帮我测试 React 组件”

Claude: [Searches skills.sh for "react testing", "react component testing"]
        I found "React Test Patterns" (1250 installs, 95% relevance).
        This skill provides:
        - Component test boilerplate
        - Mocking patterns for React hooks
        - Testing Library best practices

        Install with: npx skills add owner/repo@react-test-patterns

        Should I install this skill for you?

场景 3：技能升级

用户的本地技能 “my-react-tests” 已使用 5 次：

Claude: You've used your "my-react-tests" skill 5 times. I found a community skill
        "React Test Patterns" that covers the same patterns and has 1250 installs.

        Benefits of graduating:
        - Maintained by the community
        - Includes more test cases
        - Regular updates for new React features

        Install with: npx skills add owner/repo@react-test-patterns

        Would you like to graduate to the community skill?

场景 4：手动搜索技能

用户请求：“有没有用于测试的技能？”

Claude: You can search for skills interactively with Skills CLI:

        npx skills find testing

        Or if you know what you're looking for:

        npx skills add owner/repo@skill-name

        Would you like me to search Auto-Skill's database for testing-related patterns instead?

与 Skills CLI 的集成

Auto-Skill 与 Skills CLI 生态系统相辅相成，而非重复其功能。

职责划分

Auto-Skill（技能工厂）：

• 🏭 模式检测——观察并学习工作流
• 🎯 自动生成——根据检测到的模式创建技能
• 🔍 主动发现——生成之前先搜索 skills.sh
• 📊 质量评分——评估技能是否已准备好发布
• 📤 发布助手——为技能发布到市场做准备（即将推出）

Skills CLI（技能分发）：

• 🔎 搜索——使用 npx skills find 进行交互式搜索
• 📦 安装——通过符号链接进行多 Agent 安装
• 🔄 更新——使用 npx skills check 和 npx skills update
• 📋 管理——列出、移除和跟踪已安装的技能

skills.sh（技能注册表）：

• 🌐 目录——包含 27,000 多项技能的中央存储库
• 📈 指标——安装次数和受欢迎程度跟踪
• 🔗 发现——用于浏览的网页界面

各工具的使用场景

手动搜索技能：

npx skills find react testing    # Interactive search
npx skills add owner/repo@skill  # Direct install

自动发现技能：

• Auto-Skill 会在检测到模式时主动搜索
• 推荐内容包含 npx skills add 命令
• 你可以建议：“使用以下命令安装：npx skills add ...”

发布技能：

auto-skill publish <pattern-id>  # Coming in v5.1
# For now: Manual GitHub repo + skills.sh submission

分享技能（市场）

Auto-Skill 生成的技能已准备好发布到 skills.sh，让用户可以在市场中分享自己习得的工作流。

skills.sh 兼容性

生成的技能包含 skills.sh 所需的元数据：

• ✅ 标签 - 根据工具、意图和模式自动生成
• ✅ 兼容的 Agent - 标记为兼容 Claude Code、Codex 等
• ✅ 版本 - 语义化版本号（1.0.0）
• ✅ 来源 - 标记为“自动生成”，确保透明度

如何分享生成的技能

当用户想分享有价值的自动生成技能时：

1. 找到技能：

ls ~/.claude/skills/auto/
# Example: grep-read-edit-workflow-abc123/SKILL.md

2. 检查技能：

• 检查它是否具有通用性（而非仅适用于特定项目）
• 确保示例中不包含敏感数据
• 确认描述清晰

3. 发布到 GitHub：

# Create a new repo for the skill
mkdir my-workflow-skill
cp ~/.claude/skills/auto/grep-read-edit-workflow-abc123/SKILL.md my-workflow-skill/
cd my-workflow-skill
git init
git add SKILL.md
git commit -m "Add auto-generated workflow skill"
gh repo create --public
git push

4. 提交到 skills.sh： 访问 skills.sh 并提交 GitHub 仓库 URL。

何时建议分享

在以下情况下，主动提出帮助用户分享技能：

• 某项技能已成功使用 10 次以上
• 用户表示“这个工作流真的很有用”
• 用户询问“其他人也能用这个吗？”
• 技能置信度较高（85% 以上）且适用于通用领域

如何提出：

Claude: "This workflow has been really effective for you (12 uses, 89% confidence).
        Would you like to share it on skills.sh so others can benefit?
        I can help you prepare it for publishing."

市场愿景

Auto-Skill 致力于打造一个众包技能市场：

1. 用户在本地运行 Auto-Skill → 检测工作流
2. 优化并泛化高价值模式
3. 用户发布到 GitHub 和 skills.sh
4. 其他用户通过 Auto-Skill 的主动搜索发现这些技能
5. 社区策展并改进共享工作流

这将形成一个飞轮效应：自动检测 → 分享 → 发现 → 采用。

存储位置

数据类型	位置
工具事件	~/.claude/auto-skill/events.db
生成的技能	~/.claude/skills/auto/
技能跟踪	~/.claude/auto-skill/skills_tracking.db
外部缓存	内存中（24 小时 TTL）

配置

用户可以在 ~/.claude/auto-skill.local.md 中自定义检测设置：

---
detection:
  min_occurrences: 3
  min_confidence: 0.7
  lookback_days: 7

discovery:
  graduation_threshold: 0.7
  search_limit: 10
  cache_ttl_hours: 24
---

隐私与数据

• 全部在本地：事件存储在本地 SQLite 数据库中
• 不含个人身份信息：仅记录工具名称、成功或失败状态及时间戳
• 匿名遥测：通过 AUTO_SKILL_NO_TELEMETRY=1 选择退出
• 外部搜索：仅将查询文本发送到 skills.sh（不包含会话数据）

重要说明

请勿：

• ❌ 除非用户询问，否则不要提及 Auto-Skill 正在观察
• ❌ 置信度低于 70% 时，不要在没有外部替代方案的情况下生成技能
• ❌ 不要打断用户的工作流来建议模式
• ❌ 不要存储任何文件内容或敏感数据

请：

• ✅ 检测到模式时，主动搜索社区技能
• ✅ 本地模式与外部技能匹配时，建议将其升级
• ✅ 获得批准后，在会话中途加载技能
• ✅ 提供选项时解释置信度分数
• ✅ 尊重用户的偏好和拒绝

系统要求

• Node.js 18+（用于原生 fetch API）
• Claude Code 或兼容的 Agent
• 已安装 Skills CLI（npx skills add MaTriXy/auto-skill）

快速参考

常见模式

Grep → Read → Edit        # Search, understand, modify
Glob → Read → Write       # Find files, read, create new
Read → Edit → Bash        # Edit and test
Bash → Grep → Read        # Run, search output, investigate

置信度阈值

0.9+  : Excellent - Auto-approve if user prefers
0.7-0.9: Good - Suggest with confidence
0.5-0.7: Medium - Offer as option
<0.5  : Low - Don't suggest (too noisy)

外部技能评分

Install Count (50%):
- 1000+ installs = 1.0
- 100-999 = 0.7
- 10-99 = 0.4
- <10 = 0.2

Relevance (50%):
- Based on search ranking from skills.sh API

---

现在，你正在从本次会话中主动学习。模式检测和主动发现功能已启用。