skill-miner

Skill Miner

概述

挖掘真实的 Agent 使用情况，发现新的技能机会。目标是找出重复出现的工作流，提取可复用的方法，并结合证据将有潜力的候选项整理成技能草案。

适用场景

• 用户想要扫描过去的编码 Agent 会话，查找重复出现的工作流。
• 用户怀疑自己总是在手动要求 Agent 执行类似任务。
• 团队想要根据实际工作而非头脑风暴，建立候选技能待办列表。
• 现有记忆、会话日志或项目笔记中包含尚未整理成技能的重复流程。

不要用它来调整现有技能；请使用 skill-personalizer。不要用它来公开发布私人技能；请使用 skill-generalizer。

工作流

1. 查找真实证据：会话 JSONL、记忆摘要、仓库笔记、重复使用的脚本和近期项目文件夹。
2. 如果有本地会话文件或导出的对话记录，运行 scripts/scan_sessions.py，生成初步的脱敏聚类报告。
3. 根据意图、触发语句、使用的工具、涉及的文件和验证模式，对重复工作进行聚类。
4. 筛除一次性任务、常规编程知识，以及更适合写入 AGENTS.md 的项目专属说明。
5. 根据重复频率、摩擦、风险、可移植性和未来价值为候选项评分。
6. 对每个有潜力的候选项，拟定简洁的技能名称、触发条件说明、工作流大纲、所需的捆绑资源和验证提示词。
7. 建议每个候选项应保留为个人技能、通过 skill-generalizer 成为公开技能，还是跳过。
8. 如果用户要求继续，则创建选中的技能文件夹，并验证 frontmatter 和目录结构。

证据规则

• 引用或概述足够的源证据，以证明每个候选项的合理性。
• 除非用户明确要求提供原始证据，否则不要泄露对话记录中的敏感内容。
• 不要把每个重复任务都变成技能；优先选择那些指导内容能够改变未来行为的工作流。
• 将宽泛的意图聚类视为导航线索，而非技能草案。
• 在信任基于正则表达式的工作流候选项之前，检查抽样的正例和相近的误判案例。
• 如果会话访问不完整，请将结果标记为部分发现，并列出已扫描的内容。

参考资料

在完整扫描会话历史或创建候选技能草案之前，请阅读 discovery-rubric.md。

确定性扫描器的用法请参阅 scripts/scan_sessions.py --help。它支持 Codex/Claude/Gemini 风格的本地证据、其他 Agent 的 --export 输入，以及用于定义个性化工作流的 --patterns。请将其输出视为待审核的证据，而非自动创建技能的决定。