Meta Skill Manager

任务目标

• 本 Skill 用于: 全生命周期技能管理，包括创建、修改、更新、版本控制，技能整合、拆分、工作流编排，以及技能设计优化
• 能力包含:
  • 技能生命周期管理: 创建新技能、修改现有技能、更新技能、版本控制
  • 技能整合: 将 2+ 技能合并为一个新技能
  • 技能拆分: 将技能拆分为多个独立技能
  • 工作流生成: 根据技能和目标生成标准化 WORKFLOW.md
  • 技能优化: 应用设计模式提升技能质量
• 触发条件: 需要管理、整合、拆分、生成或优化技能时

核心能力速查

快速开始

场景 A: 创建新技能

1. 阅读 skill-standards.md 了解规范
2. 按照 skill-lifecycle.md 创建
3. 参考 skill-optimization.md 应用优化策略

场景 B: 整合技能

1. 阅读 skill-integration.md
2. 分析技能能力和接口
3. 选择整合策略（顺序/并行/嵌套/流水线）
4. 生成整合技能

场景 C: 拆分技能

1. 阅读 skill-decomposition.md
2. 分析能力清单和依赖
3. 设计拆分方案（功能/场景/复杂度）
4. 生成新技能

场景 D: 生成工作流

1. 阅读 workflow-generation.md
2. 明确目标和可用技能
3. 选择工作流模式
4. 生成 WORKFLOW.md

场景 E: 优化技能

1. 阅读 skill-optimization.md
2. 评估当前设计质量
3. 选择优化策略（原子化/标准化/元数据等）
4. 执行优化

参考文档索引

注意事项

• 所有操作均为纯自然语言指导，无脚本依赖
• 技能生命周期管理注重规范性
• 技能整合注重能力互补和接口兼容性
• 技能拆分注重单一职责原则
• 工作流生成注重可操作性
• 技能优化注重设计质量，应用原子化、标准化、元数据增强等策略

使用示例

示例1: 创建技能

需求: 创建数据清洗技能

流程:
1. 阅读 skill-standards.md 了解规范
2. 按照 skill-lifecycle.md 创建 data-cleaner
   - name: data-cleaner
   - capabilities: [数据清洗, 缺失值处理]
3. 应用 skill-optimization.md 优化策略
   - 标准化接口: 定义 JSON Schema
   - 元数据增强: 添加 use_cases、cost_estimate

示例2: 整合技能

需求: 整合数据清洗、分析、报告生成

流程:
1. 阅读 skill-integration.md
2. 选择顺序整合策略（清洗 → 分析 → 报告）
3. 生成 data-analysis-suite

示例3: 拆分技能

需求: 拆分复杂的数据处理技能

流程:
1. 阅读 skill-decomposition.md
2. 按功能模块拆分
   - data-cleaner（清洗）
   - data-analyzer（分析）
3. 生成两个独立技能

示例4: 生成工作流

需求: 生成市场分析报告工作流

流程:
1. 阅读 workflow-generation.md
2. 选择线性模式
3. 编排: 获取 → 清洗 → 分析 → 报告
4. 生成 WORKFLOW.md

示例5: 优化技能

需求: 优化"处理用户订单"技能

流程:
1. 阅读 skill-optimization.md
2. 原子化拆分: parse-order、validate-inventory、generate-payment
3. 标准化接口: JSON Schema
4. 元数据增强: use_cases、reliability_score
5. 分层抽象: 原子 → 复合 → 任务
6. 错误处理: error_codes、fallback_actions