desirecore/market
2
0
Fork 0
mirror of https://git.openapi.site/https://github.com/desirecore/market.git synced 2026-06-06 07:10:44 +08:00
Code Issues Packages Projects Releases Wiki Activity

feat: skills i18n 改造（schemaVersion 1.1，零向后兼容） (#1)

Browse Source 
* feat: skills i18n 改造 — schemaVersion 1.1，零向后兼容

把 21 个 skills + 1 个 agent + manifest/categories 全量迁移到 schemaVersion 1.1
的 i18n 结构，配套 CI AI 翻译流水线（GitHub Models）与本地工具链。

## 关键变更

### 数据结构（破坏性，schemaVersion 1.0 → 1.1）
- SKILL.md: 顶层 name 改为 ASCII slug（== 目录名，符合 agentskills.io 规范）；
  中文显示名/short_desc/description 全部迁入 metadata.i18n.<locale>
- agents/<id>/agent.json: shortDesc/fullDesc/tags/persona.{role,traits} 迁入
  i18n.<locale>；changelog[].changes 改为 { <locale>: string[] } 对象
- categories.json: 每个分类的 label/description 迁入 i18n.<locale>，顶层只剩
  color/icon
- manifest.json: 加 supportedLocales / defaultLocale；顶层 description 迁入
  i18n.<locale>

### Body 文件结构
- 根 SKILL.md = frontmatter + default_locale (en-US) body
- SKILL.<locale>.md = 各 locale 的 markdown body（首行 <!-- locale: xx --> 自校验）

### 工具链（scripts/i18n/）
- glossary.json: zh→en 术语表 + do_not_translate 白名单
- schema/skill-frontmatter.schema.json: i18n frontmatter JSON Schema
- validate-i18n.py: 8 条校验规则（name 合规 / locale 完整性 / hash 一致性等）
- translate.py: GitHub Models / Anthropic 双 backend，sha256 增量翻译
- migrate.py: 一次性迁移脚本（旧格式 → i18n 结构）

### CI（.github/workflows/）
- i18n-validate.yml: PR 触发跑 validate + translate --check
- i18n-translate.yml: PR 触发用 GitHub Models（默认 openai/gpt-5-mini）翻译缺失
  locale，自动追加 commit；可切到 ANTHROPIC_API_KEY 走 Claude

### 文档
- docs/I18N.md: 作者贡献指南（schema 说明 / 提交流程 / 常见问题）
- README.md: 加多语言段落

## 验证

- uv run scripts/i18n/validate-i18n.py: OK，49 文件 0 错误
- uv run scripts/i18n/translate.py --check: 0 stale locale
- 21 skills 标题数 zh-CN == en-US 严格对齐（最大 66=66）
- skills-ref 规范校验：全部通过（顶层 name ASCII slug + description 单字段）

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

* fix(i18n): 修复 PR #1 review 反馈的 6 项问题

- schema: translated_by 正则放宽为 ^(human|ai:[A-Za-z0-9._:/-]+)$，接受
  'ai:github:openai/gpt-5-mini' 这类 backend:model 形式（CI 翻译输出格式）
- README + docs/I18N.md: 修正"CI 用 Claude API"误导描述，正确说明默认是
  GitHub Models（openai/gpt-5-mini）+ GITHUB_TOKEN，可选切到 Anthropic
- skills/minimax-tts/SKILL.md & SKILL.zh-CN.md: 删除多余的 ``` 闭合，避免
  Markdown 后续渲染错乱
- skills/docx/SKILL.md: 翻译时丢失的 • Unicode escape 示例已恢复，
  与 zh-CN 版本对齐

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

---------

Co-authored-by: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
This commit is contained in:
yi-ge
2026-05-05 00:26:33 +08:00
committed by GitHub
parent 1c107a9344
commit 1f7c8b9673
59 changed files with 10533 additions and 2014 deletions
Download Patch File Download Diff File Expand all files Collapse all files

215
skills/discover-agent/SKILL.md
View File

@@ -1,5 +1,5 @@
---
name: 发现智能体
name: discover-agent
description: 根据用户需求推荐最匹配的智能体，展示候选列表并引导选择。Use when 用户描述需求但不确定该找哪个智能体帮忙，或想浏览可用的智能体。
version: 2.5.2
type: procedural
@@ -13,6 +13,28 @@ tags:
metadata:
author: desirecore
updated_at: '2026-02-28'
i18n:
default_locale: en-US
source_locale: zh-CN
locales:
- zh-CN
- en-US
zh-CN:
name: 发现智能体
short_desc: 根据需求描述智能推荐最匹配的智能体，引导快速选择
description: 根据用户需求推荐最匹配的智能体，展示候选列表并引导选择。Use when 用户描述需求但不确定该找哪个智能体帮忙，或想浏览可用的智能体。
body: ./SKILL.zh-CN.md
source_hash: sha256:28ecd07724adda9a
translated_by: human
en-US:
name: Discover Agent
short_desc: Intelligently recommend the best-matching Agent based on the user's needs and guide a quick selection
description: >-
Recommend the best-matching Agent based on the user's needs, present a candidate list, and guide the user's selection. Use when the user describes a need but is unsure which Agent to ask, or wants to browse available Agents.
body: ./SKILL.md
source_hash: sha256:28ecd07724adda9a
translated_by: ai:claude-opus-4-7
translated_at: '2026-05-03'
market:
icon: >-
<svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0
@@ -25,7 +47,6 @@ market:
fill-opacity="0.85"/><path d="M7.76 16.24l1.8-5.41a2 2 0 0 1 1.27-1.27L16.24
7.76" fill="#AF52DE" fill-opacity="0.7"/><circle cx="12" cy="12" r="1.5"
fill="white" stroke="#AF52DE" stroke-width="0.8"/></svg>
short_desc: 根据需求描述智能推荐最匹配的智能体，引导快速选择
category: productivity
maintainer:
name: DesireCore Official
@@ -34,34 +55,34 @@ market:
channel: latest
---
# discover-agent 技能
# discover-agent skill
## L0：一句话摘要
## L0: One-Sentence Summary
根据用户需求描述，在已注册的智能体中匹配并推荐最合适的 Agent。
Match and recommend the most suitable registered Agent based on the user's described needs.
## L1：概述与使用场景
## L1: Overview and Use Cases
### 能力描述
### Capability Description
discover-agent 是一个**流程型技能（Procedural Skill）**，赋予 DesireCore 为用户发现和推荐合适智能体的能力。它通过理解用户需求描述，在已注册的 Agent 列表中进行多维度匹配，展示候选列表供用户选择。
discover-agent is a **Procedural Skill** that gives DesireCore the ability to discover and recommend a suitable Agent for the user. It understands the user's described needs, performs multi-dimensional matching across the registered Agent list, and presents a candidate list for the user to choose from.
### 使用场景
### Use Cases
- 用户描述了一个需求，但不知道该找哪个智能体帮忙
- 用户想浏览当前可用的智能体及其能力
- 用户需要为特定任务找到最合适的专业助手
- 新用户初次使用系统，需要了解有哪些智能体可用
- The user describes a need but doesn't know which Agent to ask for help
- The user wants to browse currently available Agents and their capabilities
- The user needs to find the best specialist assistant for a specific task
- A new user trying the system for the first time needs to learn which Agents are available
### 核心价值
### Core Value
- **降低门槛**：用户无需记住每个智能体的名称和能力
- **精准匹配**：基于需求语义进行智能推荐，而非简单关键词搜索
- **流畅衔接**：无匹配时自动建议创建新 Agent（衔接 create-agent 技能）
- **Lower the barrier**: Users don't have to remember each Agent's name and capabilities
- **Precise matching**: Smart recommendations based on the semantics of the need, not simple keyword search
- **Smooth handoff**: When there's no match, automatically suggest creating a new Agent (handing off to the create-agent skill)
## L2：详细规范
## L2: Detailed Specification
### 执行流程
### Execution Flow
```
┌──────────────┐ ┌──────────────┐ ┌──────────────┐
@@ -74,77 +95,77 @@ discover-agent 是一个**流程型技能（Procedural Skill）**，赋予 Desir
└──────────────┘ └──────────────┘ └──────────────┘
```
### 阶段 1：需求理解
### Stage 1: Need Understanding
**触发条件**（任一满足）：
**Trigger conditions** (any one is sufficient):
- 用户说"帮我找一个..."、"有没有..."、"谁能帮我..."
- 用户描述了一个任务但未指定具体智能体
- 用户说"有哪些智能体"、"看看都有谁"
- 系统检测到用户需求与当前 Agent 能力不匹配
- The user says "find me a...", "is there a...", "who can help me..."
- The user describes a task without specifying a particular Agent
- The user says "what Agents are there?", "show me who's available"
- The system detects that the user's need does not match the current Agent's capabilities
**需求解析**：
**Need parsing**:
从用户描述中提取以下维度：
Extract the following dimensions from the user's description:
| 维度 | 说明 | 示例 |
| ----------- | -------- | ---------------------- |
| `domain` | 专业领域 | 法律、财务、技术、教育 |
| `task_type` | 任务类型 | 咨询、审查、分析、创作 |
| `keywords` | 关键词 | 合同、报表、代码、论文 |
| `urgency` | 紧急程度 | 日常 / 紧急 |
| Dimension | Description | Examples |
| ----------- | ----------------- | --------------------------------------- |
| `domain` | Specialty domain | Legal, finance, technology, education |
| `task_type` | Task type | Consultation, review, analysis, writing |
| `keywords` | Keywords | Contract, report, code, paper |
| `urgency` | Urgency level | Routine / urgent |
### 阶段 2：Agent 检索
### Stage 2: Agent Retrieval
**数据源**：调用 `GET /api/agents` 获取所有已注册的智能体列表。
**Data source**: Call `GET /api/agents` to fetch the list of all registered Agents.
**API 调用**：
**API call**:
```bash
GET /api/agents
```
**返回数据中的关键字段**：
**Key fields in the returned data**:
- `id` — 智能体唯一标识
- `name` — 智能体名称
- `description` — 智能体描述
- `skills` — 技能列表
- `status` — 当前状态（online/offline/busy）
- `id` — Unique Agent identifier
- `name` — Agent name
- `description` — Agent description
- `skills` — Skill list
- `status` — Current status (online/offline/busy)
**过滤规则**：
**Filter rules**:
- 默认只展示 `status: online` 或 `status: offline` 的智能体
- 排除系统内部智能体（如 DesireCore 自身，除非用户显式要求）
- By default, show only Agents with `status: online` or `status: offline`
- Exclude system-internal Agents (e.g. DesireCore itself, unless the user explicitly requests them)
### 阶段 3：匹配评估
### Stage 3: Match Evaluation
根据以下维度综合判断匹配度（使用 LLM 语义理解，非公式计算）：
Comprehensively judge match degree based on the following dimensions (using LLM semantic understanding rather than formula-based computation):
| 维度 | 说明 |
| ---------- | --------------------------------------------------- |
| 描述相关性 | 智能体 description / persona 与用户需求的语义相关度 |
| 技能匹配度 | 智能体拥有的 skills 与任务类型的关联度 |
| 领域契合度 | 智能体专业领域与用户需求领域的契合程度 |
| 状态可用性 | 智能体当前状态（online 优先于 offline） |
| Dimension | Description |
| ---------------------- | ------------------------------------------------------------------------ |
| Description relevance | Semantic relevance between Agent description / persona and user's need |
| Skill match | Relevance of the Agent's skills to the task type |
| Domain fit | Fit between the Agent's specialty domain and the user's need domain |
| Status availability | Agent's current status (online preferred over offline) |
**展示规则**：
**Display rules**:
- 高度匹配（明确适合该任务）→ 标为"推荐"
- 部分匹配（可能有帮助）→ 标为"可能相关"
- 无明显关联 → 不展示
- Highly matched (clearly suited to the task) → tag as "Recommended"
- Partial match (may help) → tag as "Possibly relevant"
- No clear relation → do not display
### 阶段 4：候选排序
### Stage 4: Candidate Ranking
**排序规则**：
**Ranking rules**:
1. 按综合得分降序排列
2. 同分时 online 状态优先
3. 最多展示 5 个候选
1. Sort by overall score in descending order
2. On ties, online status takes precedence
3. Show at most 5 candidates
### 阶段 5：结果展示
### Stage 5: Result Display
**有匹配结果时**：
**When matches are found**:
```
根据你的需求，我推荐以下智能体：
@@ -169,7 +190,7 @@ GET /api/agents
请选择一个智能体，或告诉我更具体的需求。
```
**无匹配结果时**：
**When no matches are found**:
```
目前没有找到完全匹配你需求的智能体。
@@ -182,7 +203,7 @@ GET /api/agents
你想怎么做？
```
**浏览模式**（用户要求查看所有）：
**Browse mode** (when the user asks to view all):
```
当前可用的智能体：
@@ -198,20 +219,20 @@ GET /api/agents
共 4 个智能体。需要了解某个智能体的详细信息吗？
```
### 阶段 6：引导选择
### Stage 6: Guided Selection
**用户选择后的操作**：
**Actions after the user selects**:
| 用户选择 | 后续操作 |
| ---------------- | ------------------------------------------------------------- |
| 选择了某个智能体 | 切换到该智能体的对话，传递用户需求上下文 |
| 要求了解更多 | 调用 `GET /api/agents/:id` 获取详情，展示结构化信息（见下方） |
| 不满意候选 | 引导用户细化需求或建议创建新 Agent |
| 选择"创建新的" | 调用 create-agent 技能，传递已收集的需求信息 |
| User Choice | Follow-up Action |
| ------------------------ | ------------------------------------------------------------------ |
| Selected an Agent | Switch to a conversation with that Agent and pass the need context |
| Asked to learn more | Call `GET /api/agents/:id` for details and present structured info (see below) |
| Not satisfied with candidates | Guide the user to refine the need or suggest creating a new Agent |
| Chose "create new" | Invoke the create-agent skill, passing the need info already collected |
**"了解更多"的实现**：
**Implementation of "learn more"**:
调用 `GET /api/agents/:id` 获取详情，并可选调用结构化端点获取人格/规则：
Call `GET /api/agents/:id` for details, and optionally call structured endpoints for persona/principles:
```bash
# 获取基本信息
@@ -223,7 +244,7 @@ GET /api/agents/{agentId}/persona
# 返回: { L0, L1: { role, personality, communication_style }, L2 }
```
向用户展示时，以自然语言/表格形式呈现关键信息：
When presenting to the user, render key information in natural language / table form:
```
「法律顾问助手」详细信息
@@ -238,7 +259,7 @@ GET /api/agents/{agentId}/persona
需要与这个智能体对话吗？
```
**切换上下文传递**：
**Context handoff on switch**:
```yaml
context_handoff:
@@ -247,29 +268,29 @@ context_handoff:
user_intent: '帮我审查这份合同的风险点'
```
### 与其他技能的协作
### Collaboration with Other Skills
| 协作技能 | 协作方式 |
| --------------- | -------------------------------------------------- |
| create-agent | 无匹配时建议创建新 Agent，传递用户需求作为初始信息 |
| task-management | 匹配成功后可自动创建任务并分配给目标 Agent |
| Collaborating Skill | How It Collaborates |
| ------------------- | ----------------------------------------------------------- |
| create-agent | When there's no match, suggest creating a new Agent and pass the user's need as initial info |
| task-management | After a successful match, optionally auto-create a task and assign it to the target Agent |
### 错误处理
### Error Handling
| 错误场景 | 处理方式 |
| --------------------- | -------------------------------- |
| API 调用失败 | 提示网络错误，建议稍后重试 |
| Agent 列表为空 | 引导用户创建第一个智能体 |
| 用户描述过于模糊 | 追问具体需求，提供领域选项引导 |
| 推荐的 Agent 状态异常 | 标注状态，建议选择其他在线 Agent |
| Error Scenario | Handling |
| ---------------------------- | --------------------------------------------------------- |
| API call fails | Indicate a network error and suggest retrying later |
| Agent list is empty | Guide the user to create their first Agent |
| User description too vague | Ask follow-up questions and offer domain options to guide |
| Recommended Agent has bad status | Mark the status and suggest selecting another online Agent |
### 权限要求
### Permission Requirements
- 建议优先通过 `Bash` 工具调用 curl 访问 Agent Service HTTP API 完成操作
- API 基础地址已注入到 system prompt 的「本机 API」小节，直接引用即可
- 只读操作，无风险
- Prefer accessing the Agent Service HTTP API via the `Bash` tool with curl
- The API base URL is already injected into the "Local API" section of the system prompt; reference it directly
- Read-only operations; no risk
### 依赖
### Dependencies
- Agent Service HTTP API（`GET /api/agents`）
- System prompt 中的本机 API 地址声明
- Agent Service HTTP API (`GET /api/agents`)
- The local API URL declaration in the system prompt

241
skills/discover-agent/SKILL.zh-CN.md Normal file
View File

@@ -0,0 +1,241 @@
<!-- locale: zh-CN -->
# discover-agent 技能
## L0：一句话摘要
根据用户需求描述，在已注册的智能体中匹配并推荐最合适的 Agent。
## L1：概述与使用场景
### 能力描述
discover-agent 是一个**流程型技能（Procedural Skill）**，赋予 DesireCore 为用户发现和推荐合适智能体的能力。它通过理解用户需求描述，在已注册的 Agent 列表中进行多维度匹配，展示候选列表供用户选择。
### 使用场景
- 用户描述了一个需求，但不知道该找哪个智能体帮忙
- 用户想浏览当前可用的智能体及其能力
- 用户需要为特定任务找到最合适的专业助手
- 新用户初次使用系统，需要了解有哪些智能体可用
### 核心价值
- **降低门槛**：用户无需记住每个智能体的名称和能力
- **精准匹配**：基于需求语义进行智能推荐，而非简单关键词搜索
- **流畅衔接**：无匹配时自动建议创建新 Agent（衔接 create-agent 技能）
## L2：详细规范
### 执行流程
```
┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│ 需求理解 │ ──→ │ Agent 检索 │ ──→ │ 匹配评分 │
└──────────────┘ └──────────────┘ └──────────────┘
│
↓
┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│ 引导选择 │ ←── │ 结果展示 │ ←── │ 候选排序 │
└──────────────┘ └──────────────┘ └──────────────┘
```
### 阶段 1：需求理解
**触发条件**（任一满足）：
- 用户说"帮我找一个..."、"有没有..."、"谁能帮我..."
- 用户描述了一个任务但未指定具体智能体
- 用户说"有哪些智能体"、"看看都有谁"
- 系统检测到用户需求与当前 Agent 能力不匹配
**需求解析**：
从用户描述中提取以下维度：
| 维度 | 说明 | 示例 |
| ----------- | -------- | ---------------------- |
| `domain` | 专业领域 | 法律、财务、技术、教育 |
| `task_type` | 任务类型 | 咨询、审查、分析、创作 |
| `keywords` | 关键词 | 合同、报表、代码、论文 |
| `urgency` | 紧急程度 | 日常 / 紧急 |
### 阶段 2：Agent 检索
**数据源**：调用 `GET /api/agents` 获取所有已注册的智能体列表。
**API 调用**：
```bash
GET /api/agents
```
**返回数据中的关键字段**：
- `id` — 智能体唯一标识
- `name` — 智能体名称
- `description` — 智能体描述
- `skills` — 技能列表
- `status` — 当前状态（online/offline/busy）
**过滤规则**：
- 默认只展示 `status: online` 或 `status: offline` 的智能体
- 排除系统内部智能体（如 DesireCore 自身，除非用户显式要求）
### 阶段 3：匹配评估
根据以下维度综合判断匹配度（使用 LLM 语义理解，非公式计算）：
| 维度 | 说明 |
| ---------- | --------------------------------------------------- |
| 描述相关性 | 智能体 description / persona 与用户需求的语义相关度 |
| 技能匹配度 | 智能体拥有的 skills 与任务类型的关联度 |
| 领域契合度 | 智能体专业领域与用户需求领域的契合程度 |
| 状态可用性 | 智能体当前状态（online 优先于 offline） |
**展示规则**：
- 高度匹配（明确适合该任务）→ 标为"推荐"
- 部分匹配（可能有帮助）→ 标为"可能相关"
- 无明显关联 → 不展示
### 阶段 4：候选排序
**排序规则**：
1. 按综合得分降序排列
2. 同分时 online 状态优先
3. 最多展示 5 个候选
### 阶段 5：结果展示
**有匹配结果时**：
```
根据你的需求，我推荐以下智能体：
┌─────────────────────────────────────────────────────┐
│ 1. 法律顾问助手 匹配度: 92% │
│ 专注合同审查和法律风险评估 │
│ 技能：合同审查、风险评估、法律研究 │
│ 状态：在线 │
├─────────────────────────────────────────────────────┤
│ 2. AI 文书助手 匹配度: 71% │
│ 专业文书撰写和格式优化 │
│ 技能：文书撰写、格式排版、合规检查 │
│ 状态：在线 │
├─────────────────────────────────────────────────────┤
│ 3. 数据分析师 匹配度: 45% │
│ 数据分析和可视化报告 │
│ 技能：数据分析、报表生成、趋势预测 │
│ 状态：离线 │
└─────────────────────────────────────────────────────┘
请选择一个智能体，或告诉我更具体的需求。
```
**无匹配结果时**：
```
目前没有找到完全匹配你需求的智能体。
你可以：
1. 用更具体的描述再试一次
2. 创建一个新的专业智能体（我可以帮你）
3. 浏览所有可用的智能体
你想怎么做？
```
**浏览模式**（用户要求查看所有）：
```
当前可用的智能体：
在线：
- 法律顾问助手 — 合同审查和法律风险评估
- AI 文书助手 — 专业文书撰写和格式优化
离线：
- 数据分析师 — 数据分析和可视化报告
- 翻译助手 — 多语言翻译和本地化
共 4 个智能体。需要了解某个智能体的详细信息吗？
```
### 阶段 6：引导选择
**用户选择后的操作**：
| 用户选择 | 后续操作 |
| ---------------- | ------------------------------------------------------------- |
| 选择了某个智能体 | 切换到该智能体的对话，传递用户需求上下文 |
| 要求了解更多 | 调用 `GET /api/agents/:id` 获取详情，展示结构化信息（见下方） |
| 不满意候选 | 引导用户细化需求或建议创建新 Agent |
| 选择"创建新的" | 调用 create-agent 技能，传递已收集的需求信息 |
**"了解更多"的实现**：
调用 `GET /api/agents/:id` 获取详情，并可选调用结构化端点获取人格/规则：
```bash
# 获取基本信息
GET /api/agents/{agentId}
# 返回: { id, name, description, skillsCount, toolsCount, status, config, persona, principles }
# 获取结构化 persona（可选，用于展示更丰富的信息）
GET /api/agents/{agentId}/persona
# 返回: { L0, L1: { role, personality, communication_style }, L2 }
```
向用户展示时，以自然语言/表格形式呈现关键信息：
```
「法律顾问助手」详细信息
| 字段 | 内容 |
|------|------|
| 角色定位 | 专注合同审查和法律风险评估 |
| 性格特征 | 专业、严谨、审慎 |
| 技能数量 | 3 个 |
| 当前状态 | 在线 |
需要与这个智能体对话吗？
```
**切换上下文传递**：
```yaml
context_handoff:
source_agent: desirecore
target_agent: legal-assistant
user_intent: '帮我审查这份合同的风险点'
```
### 与其他技能的协作
| 协作技能 | 协作方式 |
| --------------- | -------------------------------------------------- |
| create-agent | 无匹配时建议创建新 Agent，传递用户需求作为初始信息 |
| task-management | 匹配成功后可自动创建任务并分配给目标 Agent |
### 错误处理
| 错误场景 | 处理方式 |
| --------------------- | -------------------------------- |
| API 调用失败 | 提示网络错误，建议稍后重试 |
| Agent 列表为空 | 引导用户创建第一个智能体 |
| 用户描述过于模糊 | 追问具体需求，提供领域选项引导 |
| 推荐的 Agent 状态异常 | 标注状态，建议选择其他在线 Agent |
### 权限要求
- 建议优先通过 `Bash` 工具调用 curl 访问 Agent Service HTTP API 完成操作
- API 基础地址已注入到 system prompt 的「本机 API」小节，直接引用即可
- 只读操作，无风险
### 依赖
- Agent Service HTTP API（`GET /api/agents`）
- System prompt 中的本机 API 地址声明