jev-skill-select

使用 Jev 选择技能

两次往返，在连接已预热时约需 0.5 秒（连接池化之前约需 1.2 秒——过去每次调用都会新建一个 TLS 会话）。第一次往返会针对当前轮次为所有技能排序：目录会拆分为每批 120 个技能，并并行发起询问，因此，包含 377 个技能的目录会同时发送四个请求，包含 960 个技能的目录会同时发送八个请求，总耗时取决于最慢的请求。第二次往返只发起一个请求：它会仔细读取排名前五的技能，逐一评估，也可能全部拒绝。墙上时钟计时与计费请求数并不相同，你付费的是请求数：每个到达 Jev 的轮次预计需要 ceil(skills / 120) + 1 个请求。如果目录里没有任何技能与当前轮次足够匹配，该轮次会在第一次请求后结束。闲聊和普通轮次不会返回技能。读取技能文件夹还需额外时间：460 个技能约需 0.15 秒。

如果插件还运行模型路由，两者会共用一个请求。 Jev 按请求而非问题数量收费，因此插件会在同一次调用中提出路由的三个问题和第 1 阶段的一个或多个问题（jevkit/turn.py），然后将答案分别交给各功能自己的阈值处理。两部分也会在连接层面进行池化（client.py 会保留 keep-alive 套接字；每次调用都新建 TLS 会话，曾让一次决策耗时约 520 毫秒中的约 275 毫秒）。在这套环境中，使用 379 个技能的目录针对 2026-09-21/22 的实时 API 测得：预热连接上的单个问题耗时约 180-250 毫秒；完整的 Hermes 轮次（路由 + 技能选择，合并并池化）从 1784 毫秒 → 672 毫秒——请求数从 3 个降至 2 个。决策不会改变——答案相同，阈值相同——上线前的八个实时轮次中，八次返回的等级和技能都相同。/jev merge_requests off 会让它们恢复为单独请求。私有配置、看起来敏感的轮次，或将路由配置为仅处理 features 状态的情况，都不会合并，因此不会传输任何此前未传输的文本。

确认消息不会离开本机。“ok”、“thanks, that worked”、“got it”、“never mind”、“yes go ahead”、单独的“stop”，以及内容只有标点或表情符号的轮次，都会在本地以 0 毫秒作答。这道拦截规则有意设得很窄。真正的问题（纯 next? 延续除外）、无论多简短的指令（“do it”、“stop it”、“do all of them now”）、数字，或拦截规则无法识别的词语，都会发送给 Jev；这也包括所有使用非拉丁文字书写的请求。误判提问只会损失不到一美分；误判跳过则会让功能悄无声息地什么也不做。

这道严格的本地拦截规则也能识别纯社交开场白（how are you doing today）和纯 next? 延续；真正的问题或指令（all working?、next, fix the config）仍会发送给 Jev。像 using-superpowers 这样的仅供选择器使用的元技能会在排序前移除，包括合并后的路由/技能请求，因此不会挤掉任务流程。

关于 Hermes

处理 Blender 工作时，将 jev-blender 作为默认领域入口，然后加载相关的几何／制作技能。这不会启用始终运行的推理，也不会改变模型路由；其代码优先门控会跳过常规调用，并将实际的产物验证保留在本地。

/jev skills on 会让 hermes-jev 插件在每个新回合开始时执行一次此操作。当某项技能明显适用时，会在回合中附上一行建议，注明该技能；除非它显然不适用，否则请使用 skill_view 加载。它会询问 Hermes 本次会话实际加载了哪些文件夹——配置的 skills 文件夹以及每个 skills.external_dirs 文件夹——并遵循 skills.disabled 设置。不会读取项目本地的技能文件夹。

同时启用 /jev routing on 后，阶段 1 的问题会随路由请求一起发送，而不是单独发送（见上文的成本说明）；两项回答由负责各自决策的代码读取，日志中唯一新增的内容是一个 merged 行。如果这个共享请求失败，就不会建议技能，路由会在下一个钩子中自行发起请求；这正是两个功能各自单独运行时已有的行为。

提出建议前，还会通过 Hermes 自己的加载器进行核验：如果 skill_view 在本次会话中无法打开某个名称，就绝不会推荐它；推荐的名称也会是加载器实际识别的名称。因此，你不会被引导去使用自己无法获取的流程——当配置中的目录小于 Jev 用于排名的目录时，以及某项技能从未安装在当前机器上时，这一点尤其重要。无法核验就保持静默，因为任何建议都不值得换来一次失败的调用。

另外两条规则可确保建议值得阅读：

• 本次会话已加载的技能不会再次推荐。
• 如果 Agent 持续拒绝某项技能的建议，该技能就会停止在此配置中推荐。若该技能最近至少收到 5 次建议，且在 14 天内加载次数少于建议次数的 1/10，则会抑制该技能。不过每 6 小时仍会推荐一次，因此变得有用的技能之后仍可能再次出现。

插件会在提出每项建议时记录下来。配置的 jev/skill-feedback.json 仅保存技能名称、时间以及 Agent 是否加载了该技能。在 jev/state.json 中设置 "skill_feedback": "off"，即可关闭第二条规则。

通过重放一个真实周的数据进行测量（1,188 条建议）：

• **之前：**403 条在 5 分钟内被加载（34%）。
• **启用两条规则后：**771 条建议，395 次加载（51%）。

这意味着移除了 115 条重复建议和 294 条被拒绝的建议，代价是少了 8 次加载。5 分钟内加载只是相关性，并不能证明建议促成了加载。

诊断 fail-open

本地 skill 决策日志条目现在包含一个范围受限的 reason_code：no_skills、sensitive_turn、stage_one_incomplete、已识别的传输／验证代码（例如 timeout 或 invalid_response），或 other。成功记录使用 null。不会记录任意原因文本、提示词或原始异常消息。在更改预算或阈值前，应区分有意的隐私／目录跳过与服务故障。缺少此字段的旧记录无法追溯确认原因；请将其归入未知类别，而不要猜测。fail-open 仍意味着保持静默，而不是对技能作出否定判断。

直接提问（任何 Agent）

jev pick-skill --turn "<the request>"            # searches Hermes, Claude Code, Codex and ./skills folders
jev pick-skill --turn "..." --root ~/my/skills   # or name the folders; repeat --root for each one

--root 会替换默认文件夹，因此请列出所有想要搜索的文件夹。在 Python 中，skillpick.discover_roots(hermes_home) 会返回 Hermes 读取的文件夹（包括共享文件夹），可直接传给 skillpick.discover()。

回复

{"status": "ok", "needs_skill": 0.78, "skills": [{"name": "xlsx", "path": ".../xlsx/SKILL.md", "match": 0.72}], "latency_ms": 1143}

needs_skill（0–1）以及最多三个 {name, path, match}，按优先级排序。加载第一个 match 大于或等于 0.5 的技能。空列表表示无需技能即可继续；不要再去寻找其他技能。

另外三种格式的 skills 列表均为空：

回复	含义	操作
{"status": "ok", "needs_skill": 0.0, "skills": [], "latency_ms": 0, "skipped": "trivial"}	已在本地回答；未询问 Jev	无需技能即可继续
{"status": "ok", "needs_skill": 0.0, "skills": [], "latency_ms": 663}	Jev 对目录进行了排序，但没有合适的技能，因此没有发起第二次请求	无需技能即可继续
{"status": "fail_open", "reason": "...", "skills": []}	未询问 Jev，或 Jev 未作答：服务中断、未找到技能，或本轮内容看起来包含秘密	假设此技能不存在，照常继续。这并不表示“无需技能”

当目录超过 960 个技能的上限时，其中任何一种格式都会出现 skills_dropped。该字段表示有多少个最后找到的技能未参与排序，因此“没有合适技能”并不包含这些技能。它们的名称每个进程只会记录一次。禁用不使用的技能，以重新低于上限。

说明

• 它只读取每个技能 front matter 中的 name 和 description，且只读取描述的前 200 个字符，因此描述含糊或冗长的技能可能无法被找到。应修改描述，而不是调整阈值。
• 当两个文件夹中有同名技能时，优先使用最先搜索到的文件夹。在 Hermes 中，该文件夹是配置文件自己的文件夹。
• 发送前会对本轮内容进行脱敏；如果本轮内容看起来包含秘密，就不会发送，并且你会收到一个带有空列表的 fail_open。
• 如果任意一个批次失败，整个技能选择就会以开放失败方式结束。部分排序会在正确技能恰好位于丢失的批次时，仍以很高的置信度给出“无技能”的结论。
• 技能建议仅供参考。阅读已加载的技能后，如果发现它与任务不匹配，就将其弃用并继续。