skill-router

技能路由器

分析请求，并推荐当前主机提供的最匹配且范围最窄的技能。不要假设当前会话中未显示的 Claude Code、Codex、Gemini 或 DeepSeek Harness 能力。

此技能的触发条件

在以下情况下，此技能会触发：

• 询问“我应该使用哪个技能？”或“什么技能可以帮我……？”
• 只说“使用技能”，但未指定具体技能
• 表达需求，但不确定该使用哪种技能
• 提到“技能路由器”或“帮我找个技能”

可用技能目录

元技能与工作流

技能	最适用场景
skill-router	查找并选择适合任务的技能
create-pr	创建拉取请求并检查双语文档
session-logger	保存会话摘要和活动日志
workflow-orchestrator	协调多技能工作流和触发器
self-improving-agent	从已完成的技能工作流中学习
auto-trigger	声明技能之间的触发关系

核心开发

技能	最适用场景
commit-helper	撰写 Git 提交消息、规范提交格式
code-reviewer	审查 PR、代码变更和质量检查
debugger	诊断错误、故障和异常行为
refactoring-specialist	改善代码结构、减少技术债务

文档与测试

技能	最适用场景
documentation-engineer	编写 README、技术文档和代码文档
api-documenter	创建 OpenAPI/Swagger 规范
test-automator	编写测试、搭建测试框架
qa-expert	测试策略、质量门禁和 QA 流程

架构与 DevOps

技能	最适用场景
api-designer	设计 REST/GraphQL API 和 API 架构
security-auditor	安全审计、漏洞审查和 OWASP Top 10
performance-engineer	性能优化和速度分析
deployment-engineer	CI/CD 流水线和部署自动化

规划与分析

技能	最适用场景
prd-planner	使用持久化文件规划来创建 PRD
prd-implementation-precheck	在实施前预检查 PRD/规范
architecting-solutions	非 PRD 解决方案设计、架构和需求分析
planning-with-files	多步骤任务规划和持久化文件组织
long-task-coordinator	需要明确状态和恢复机制的多会话、委派或可恢复工作

设计与 UX

技能	最适用场景
figma-designer	分析 Figma 设计并生成可直接用于实施的视觉规范/PRD

路由流程

步骤 1：意图分析

分析用户的请求，识别：

• 任务类型：用户想要完成什么？
• 上下文：工作领域是什么（Web、移动端、数据等）？
• 复杂度：这是简单任务还是复杂工作流？

步骤 2：技能匹配

使用以下方式将识别出的意图与最相关的技能匹配：

• 关键词匹配：将请求中的关键词与技能描述进行比较
• 语义相似度：理解请求背后的含义
• 上下文感知：考虑项目状态和之前的操作

步骤 3：交互式澄清

如果请求含糊不清，请通过有针对性的问题引导用户：

• 主要目标是什么？
• 预期的输出类型是什么？
• 是否有特定的限制或偏好？

步骤 4：推荐与执行

提供推荐技能，并说明：

• 技能名称和简短描述
• 它为什么适合当前请求
• 是否继续执行或询问其他选项

路由示例

示例 1：意图明确

用户：“我需要审查这个拉取请求”

路由器分析：

• 关键词：“审查”“拉取请求”
• 意图：代码审查
• 推荐：code-reviewer

示例 2：意图不明确

用户：“使用一个技能来帮助我完成项目”

路由问题：

1. 你正在处理哪类任务？
2. 你是在设计、编码、测试还是编写文档？

根据回答 → 推荐合适的技能

示例 3：多技能场景

用户：“我正在构建一个新 API，需要帮助完成整个工作流”

路由建议： 考虑按顺序使用多个技能：

1. api-designer - 设计 API 结构
2. api-documenter - 使用 OpenAPI 编写端点文档
3. test-automator - 设置 API 测试
4. code-reviewer - 审查实现

交互式问题模板

用户意图不明确时，使用以下提问方式：

明确目标

• “你希望通过这项任务完成什么？”
• “理想的结果是什么样的？”

确定领域

• “这属于哪个领域：开发、测试、文档编写还是部署？”
• “你正在处理代码、API、基础设施，还是其他内容？”

评估阶段

• “你目前处于哪个阶段：规划、实施、测试还是维护？”

确认偏好

• “你想要快速解决方案，还是全面的处理方法？”
• “你在使用特定的工具或框架吗？”

最佳实践

1. 先宽后窄

• 从一般类别的问题开始
• 根据回答深入询问具体细节

2. 解释你的推理

• 告诉用户推荐某项技能的原因
• 通过透明沟通建立信任

3. 提供备选方案

• 给出首选推荐
• 在适用时提及 1-2 个备选方案

4. 处理边缘情况

• 如果没有完全匹配的技能，推荐最接近的选项
• 如果不使用特定技能会更合适，则主动提供帮助

5. 从上下文中学习

• 考虑以往的交互
• 记住用户的偏好，以便今后进行路由

高级路由模式

语义路由

当关键词无法直接匹配时，使用语义相似度：

• “整理一下我的代码” → refactoring-specialist
• “让我的应用运行得更快” → performance-engineer
• “检查是否存在安全问题” → security-auditor
• “继续这个中断的工作流” → long-task-coordinator

多技能编排

为复杂工作流推荐技能组合：

• 新功能：architecting-solutions → debugger → code-reviewer
• API 项目：api-designer → api-documenter → test-automator
• 生产环境就绪：security-auditor → performance-engineer → deployment-engineer

置信度级别

说明推荐的置信度：

• 高：关键词直接匹配，意图明确
• 中：语义相似度匹配，推断合理
• 低：请求含糊，需要进一步澄清

错误恢复

如果推荐的技能不合适：

1. 承认不匹配
2. 提出后续问题，以进一步明确需求
3. 提供其他推荐
4. 必要时退回到一般性协助

输出格式

推荐技能时，使用以下格式：

## Recommended Skill: {skill-name}

{brief description of why this skill fits}

**What it does:** {one-sentence skill description}

**Best for:** {specific use cases}

---

Would you like me to activate this skill, or would you prefer to see other options?

参考资料

• AI Agent 路由：教程与最佳实践
• 多 Agent 系统中的意图识别与自动路由
• 多 LLM 路由策略（AWS）