mirror of https://git.openapi.site/https://github.com/desirecore/market.git synced 2026-07-23 05:23:40 +08:00

Files

Yige caccaee6ef fix(skills): 去除追问/展示数量的软性倾向措辞，完全交 Agent 自主 (#59 )

## 摘要 / Summary

### 中文

在去除机械数字上限（#58）后，进一步删掉技能里追问/展示数量的**软性倾向措辞**——create
的「一次不要问太多以免用户负担」、discover 的「避免一次刷屏过多」。数量与节奏完全交由执行 Agent
自主判断，不带任何倾向暗示。create 2.5.4 / discover 2.6.4，manifest 1.2.15，中英双份同步、重算
source_hash（validate-i18n 通过）。

### English

After removing the mechanical numeric caps (#58), further drop the soft
directional hints on ask/display count — create's "don't ask too many so
as not to burden the user" and discover's "avoid flooding the screen".
Count and pacing are left entirely to the executing Agent's judgment
with no bias. create 2.5.4 / discover 2.6.4, manifest 1.2.15, both
locales synced, hashes recomputed (validate-i18n passes).

2026-07-19 17:31:31 +08:00

3.6 KiB

Raw Blame History

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

流程型技能：理解需求 → ManageAgent(action='list') 检索 → 语义匹配评分 → 排序展示 → 引导选择；无匹配时自动衔接 create-agent。适用于用户不知该找哪个智能体、想浏览可用智能体、新用户初次了解、或对当前 Agent 不满意想找替代者。价值在工具给不了的部分：需求语义匹配（而非关键词搜索）、候选排序与呈现、无匹配时的创建衔接。list / get 只读免审批。

L2：详细规范

流程：需求理解 → 检索 → 匹配评估 → 排序 → 展示 → 引导选择。

阶段 1：需求理解

触发（任一）：用户说"帮我找一个… / 有没有… / 谁能帮我…"、描述任务但未指定智能体、"有哪些智能体"，或系统检测到需求与当前 Agent 能力不匹配。从描述提取维度：domain（领域，如法律/财务/技术/教育）、task_type（咨询/审查/分析/创作）、keywords（合同/报表/代码/论文…）、urgency（日常/紧急）。

阶段 2：检索

ManageAgent(action='list') 取全部已注册智能体（返回 name / id / status / description 的紧凑列表）。过滤：默认展示 offline 之外的，offline 仅在无更优候选时补充；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

用 LLM 语义理解综合判断匹配度（非公式计算）：description / persona 与需求的相关性、skills 与任务类型的关联、领域契合度、状态可用性（online 优先）。展示分级：高度匹配 → 标"推荐"，部分匹配 → 标"可能相关"，无明显关联 → 不展示。

阶段 4：排序

综合得分降序；同分 online 优先；展示最相关的若干个，数量由你按相关性自主把握。

阶段 5：结果展示

有匹配：列出候选，每个含名称、描述、关键技能、状态、匹配度，请用户选择或进一步细化需求。例如「1. 法律顾问助手（92%）——合同审查与法律风险评估；技能：合同审查 / 风险评估 / 法律研究；在线」。
无匹配：告知未找到，给三选项——用更具体描述重试 / 创建新专业智能体（衔接 create-agent）/ 浏览全部。
浏览模式（用户要看全部）：按在线 / 离线分组列出名称 + 描述，问是否要看某个的详情。

阶段 6：引导选择

选中某智能体 → 切换到该智能体的对话，传递用户需求上下文（source / target / user_intent）。
要求了解更多 → ManageAgent(action='get', id) 取详情（名称 / 描述 / 状态 / 版本 / 技能数 / 工具数 / Git 状态），以自然语言或表格呈现关键信息，问是否对话。
不满意候选 → 引导细化需求或建议创建新 Agent。
选"创建新的" → 调 create-agent 技能，传递已收集的需求信息。

协作与错误处理

协作：无匹配衔接 create-agent（传需求作初始信息）；匹配成功后可创建任务并分配给目标 Agent。
错误：工具调用失败 → 提示错误、建议重试；Agent 列表为空 → 引导创建第一个智能体；需求过于模糊 → 追问并给领域选项引导；get 返回「智能体不存在: 」→ 回退 list 重新确认可用智能体；推荐 Agent 状态异常 → 标注状态并建议选在线的。
list / get 均为只读、免审批、无风险，一律经 ManageAgent 完成。

3.6 KiB Raw Blame History Unescape Escape