拓冰网站定制 
agentic-stack 技能系统揭秘渐进式披露 自重写钩子让 AI 技能库强大却不占用上下文【免费下载链接】agentic-stackOne brain, many harnesses. Portable .agent/ folder (memory skills protocols) that plugs into Claude Code, Cursor, Windsurf, OpenCode, OpenClaw, Hermes, or DIY Python — and keeps its knowledge when you switch.项目地址: https://gitcode.com/gh_mirrors/ag/agentic-stackagentic-stack是一个开源的 AI 智能体可移植记忆与技能系统一个.agent/文件夹记忆 技能 协议可以插进 Claude Code、Cursor、Windsurf、OpenCode、Codex 等 13 种 AI 编程工具换工具不丢知识。它最聪明的设计藏在技能系统里——渐进式披露让技能清单常驻上下文却几乎不占空间自重写钩子让每个技能在使用中自我进化。今天带你彻底看懂这两大机制 为什么 AI 技能库会吃掉上下文很多团队的 AI 智能体都会遇到同一个尴尬技能越多效果越差。把 20 个SKILL.md全部塞进系统提示词几轮对话后上下文就爆了模型开始失忆、答非所问。但只给一两个技能AI 又干不了复杂活。技能库和上下文预算看似是一对死对头。agentic-stack 的解法可以总结成一句话平时只给目录用时才给全文用完还要自我改写。渐进式披露两级加载常驻而不膨胀官方在 docs/architecture.md 中把技能系统概括为三行_index.md和_manifest.jsonl永远在上下文里极小完整SKILL.md只在触发词匹配当前任务时才加载每个技能底部都带一个自重写钩子。这正是渐进式披露Progressive Disclosure的完整落地第一级常驻的轻量清单每个技能目录下的SKILL.md头部有一段 YAML frontmattername、triggers、tools、constraints 等字段。安装器会把这些字段抽出来写成两行目录页.agent/skills/_index.md —— 人类可读的技能注册表每个技能一段简介 触发词.agent/skills/_manifest.jsonl —— 机器可读的清单每个技能一行 JSON以skillforge技能为例它在清单里只占一行触发词是create skill、new skill约束是不要重复已有技能、必须带自重写钩子。十几个技能加起来也就几 KB——这就是常驻上下文的全部代价。清单与技能文件解耦后维护也变轻松了改完任何SKILL.md的 frontmatter跑一次./install.sh sync-manifestharness_manager/skill_manifest.py 会自动重建_manifest.jsonl永远不会漂移。第二级触发词命中才加载全文AI 开始干活前先看清单当前任务是部署上线那只有deploy-checklist的触发词命中于是只加载这一个技能的完整SKILL.md加上它积累的KNOWLEDGE.md本地教训。其余技能继续保持隐身状态。效果是技能库从 3 个涨到 30 个上下文开销几乎不变——增长的是磁盘文件而不是每轮对话的 token 消耗。解剖一个技能SKILL.md 的标准结构agentic-stack 的规范文档 docs/writing-skills.md 定义了技能的最小解剖结构skills/name/ ├── SKILL.md # 指令正文YAML frontmatter 主体 └── KNOWLEDGE.md # 可选该技能自己积累的经验教训frontmatter 六个字段各有分工且每个字段都有用途——清单生成器读取它们做匹配工具调用前的钩子则强制校验constraints。以仓库内置的 .agent/skills/skillforge/SKILL.md 为例triggers[create skill, new skill, ...]—— 渐进式披露的开关tools技能允许动用的工具preconditions执行前提如git-proxy要求.git existsconstraints硬约束由 pre-tool-call 钩子强制执行一个值得注意的设计哲学是技能全文控制在 100 行以内。技能不是操作手册而是目的地 围栏destinations and fences——告诉 AI提交前必须测试通过、禁止git add -A而不是手把手写第 1 步第 2 步。因为工具会变脚本会腐但目标不会变。自重写钩子让技能在使用中自我进化光加载得聪明还不够。模型能力在涨、项目环境在变今天的好技能明年可能就是错的。agentic-stack 的答案是每个技能文件末尾必须带一个Self-rewrite hook章节规定它自己的复盘机制。以 skillforge 为例其钩子写着每创建 5 个技能、或任何一次创建失败后执行四步——读近期技能相关的情景记忆episodic memory出现新失败模式 → 追加到该技能的KNOWLEDGE.md违反全局约束 → 升级到semantic/LESSONS.md全局教训库提交一条skill-update: name, 一行原因的记录也就是说技能库不是写一次就完稿的文档而是一个持续自我修订的活系统失败被记下来、教训被沉淀、文件被改写而全过程都有 git 提交可审计。失败即进化on_failure 的3 次 / 14 天红线自重写不靠自觉还有硬触发。钩子 .agent/harness/hooks/on_failure.py 会在每次技能执行失败时写入情景记忆并统计同一技能在 14 天内失败 3 次以上即打上重写标记。失败记录还带pain_score疼痛分和importance重要度权重让夜间auto_dream.py压缩周期能分清偶尔的小磕碰和反复翻车的大坑。这套闭环完整长这样技能执行 → 每一步写入情景记忆失败 →on_failure计数3/14 天触发重写标记夜间周期聚类重复模式 → 生成候选教训宿主 AI 审查候选graduate.py通过 /reject.py拒绝必须写理由毕业的教训进入LESSONS.md未来会话自动召回技能文件本身按钩子约定自我改写并提交写技能的正确姿势目的地与围栏而非行车路线规范文档里给了一个经典的坏 vs 好对比建议写技能前背下来❌ 微管理式会腐坏✅ 结构式历久弥新1. 运行npm test2. 搜 passed 3. 运行git add -A…提交前确认测试通过只暂存具体文件禁用-A提交信息解释为什么前者一换工具链就失效后者在重构中依然成立。文档把这叫做 bitter lesson——模型会越来越强你的硬编码步骤不会。内置 9 个种子技能一览安装后你会直接获得 9 个示范级技能每个都是上述规范的样板技能职责亮点skillforge从重复模式中创建新技能元技能会造技能的技能memory-manager运行反思周期、提炼候选教训记忆层管家git-proxy所有 git 操作硬约束永不强推 main、推送前必测debug-investigator复现→隔离→假设→验证标准调试流程deploy-checklist预发与生产之间的围栏生产发布需人工审批design-md用DESIGN.md做视觉真相源面向 UI/前端工作流data-layer跨工具导出本地仪表盘数据KPI、cron 时间线data-flywheel审批通过的运行 → 训练就绪工件本地化、零遥测tldraw本地画布图Beta可选启用避免踩坑技能系统的三大反模式docs/writing-skills.md 明确列出了三条红线前两条直接决定技能库的健康度触发词重叠——两个技能抢同一个触发词渐进式披露就失效了AI 不知道该加载哪个甚至加载两个写成逐步命令清单——用步骤编号堆砌命令工具一变技能即死让技能去改permissions.md——权限文件只允许人类编辑技能碰都不许碰。写在最后agentic-stack 的技能系统给AI 上下文管理提供了一套可复用的工程范式渐进式披露清单常驻 触发词命中加载全文技能数量线性增长、上下文开销近乎恒定自重写钩子5 次使用复盘一次、失败即复盘、3 次/14 天强制标重写技能库随使用而进化可审计所有教训沉淀、技能改写都落 git 提交git log .agent/就是 AI 的自传。如果你正在为 Claude Code 或 Cursor 维护一堆.md规则文件不妨参考这套两级清单 自进化钩子的设计——让技能库变大的同时让上下文保持干净正是这套开源方案最值得抄作业的地方。【免费下载链接】agentic-stackOne brain, many harnesses. Portable .agent/ folder (memory skills protocols) that plugs into Claude Code, Cursor, Windsurf, OpenCode, OpenClaw, Hermes, or DIY Python — and keeps its knowledge when you switch.项目地址: https://gitcode.com/gh_mirrors/ag/agentic-stack创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 agentic-stack 技能系统揭秘：渐进式披露 + 自重写钩子，让 AI 技能库强大却不占用上下文
agentic-stack 技能系统揭秘渐进式披露 自重写钩子让 AI 技能库强大却不占用上下文【免费下载链接】agentic-stackOne brain, many harnesses. Portable .agent/ folder (memory skills protocols) that plugs into Claude Code, Cursor, Windsurf, OpenCode, OpenClaw, Hermes, or DIY Python — and keeps its knowledge when you switch.项目地址: https://gitcode.com/gh_mirrors/ag/agentic-stackagentic-stack是一个开源的 AI 智能体可移植记忆与技能系统一个.agent/文件夹记忆 技能 协议可以插进 Claude Code、Cursor、Windsurf、OpenCode、Codex 等 13 种 AI 编程工具换工具不丢知识。它最聪明的设计藏在技能系统里——渐进式披露让技能清单常驻上下文却几乎不占空间自重写钩子让每个技能在使用中自我进化。今天带你彻底看懂这两大机制 为什么 AI 技能库会吃掉上下文很多团队的 AI 智能体都会遇到同一个尴尬技能越多效果越差。把 20 个SKILL.md全部塞进系统提示词几轮对话后上下文就爆了模型开始失忆、答非所问。但只给一两个技能AI 又干不了复杂活。技能库和上下文预算看似是一对死对头。agentic-stack 的解法可以总结成一句话平时只给目录用时才给全文用完还要自我改写。渐进式披露两级加载常驻而不膨胀官方在 docs/architecture.md 中把技能系统概括为三行_index.md和_manifest.jsonl永远在上下文里极小完整SKILL.md只在触发词匹配当前任务时才加载每个技能底部都带一个自重写钩子。这正是渐进式披露Progressive Disclosure的完整落地第一级常驻的轻量清单每个技能目录下的SKILL.md头部有一段 YAML frontmattername、triggers、tools、constraints 等字段。安装器会把这些字段抽出来写成两行目录页.agent/skills/_index.md —— 人类可读的技能注册表每个技能一段简介 触发词.agent/skills/_manifest.jsonl —— 机器可读的清单每个技能一行 JSON以skillforge技能为例它在清单里只占一行触发词是create skill、new skill约束是不要重复已有技能、必须带自重写钩子。十几个技能加起来也就几 KB——这就是常驻上下文的全部代价。清单与技能文件解耦后维护也变轻松了改完任何SKILL.md的 frontmatter跑一次./install.sh sync-manifestharness_manager/skill_manifest.py 会自动重建_manifest.jsonl永远不会漂移。第二级触发词命中才加载全文AI 开始干活前先看清单当前任务是部署上线那只有deploy-checklist的触发词命中于是只加载这一个技能的完整SKILL.md加上它积累的KNOWLEDGE.md本地教训。其余技能继续保持隐身状态。效果是技能库从 3 个涨到 30 个上下文开销几乎不变——增长的是磁盘文件而不是每轮对话的 token 消耗。解剖一个技能SKILL.md 的标准结构agentic-stack 的规范文档 docs/writing-skills.md 定义了技能的最小解剖结构skills/name/ ├── SKILL.md # 指令正文YAML frontmatter 主体 └── KNOWLEDGE.md # 可选该技能自己积累的经验教训frontmatter 六个字段各有分工且每个字段都有用途——清单生成器读取它们做匹配工具调用前的钩子则强制校验constraints。以仓库内置的 .agent/skills/skillforge/SKILL.md 为例triggers[create skill, new skill, ...]—— 渐进式披露的开关tools技能允许动用的工具preconditions执行前提如git-proxy要求.git existsconstraints硬约束由 pre-tool-call 钩子强制执行一个值得注意的设计哲学是技能全文控制在 100 行以内。技能不是操作手册而是目的地 围栏destinations and fences——告诉 AI提交前必须测试通过、禁止git add -A而不是手把手写第 1 步第 2 步。因为工具会变脚本会腐但目标不会变。自重写钩子让技能在使用中自我进化光加载得聪明还不够。模型能力在涨、项目环境在变今天的好技能明年可能就是错的。agentic-stack 的答案是每个技能文件末尾必须带一个Self-rewrite hook章节规定它自己的复盘机制。以 skillforge 为例其钩子写着每创建 5 个技能、或任何一次创建失败后执行四步——读近期技能相关的情景记忆episodic memory出现新失败模式 → 追加到该技能的KNOWLEDGE.md违反全局约束 → 升级到semantic/LESSONS.md全局教训库提交一条skill-update: name, 一行原因的记录也就是说技能库不是写一次就完稿的文档而是一个持续自我修订的活系统失败被记下来、教训被沉淀、文件被改写而全过程都有 git 提交可审计。失败即进化on_failure 的3 次 / 14 天红线自重写不靠自觉还有硬触发。钩子 .agent/harness/hooks/on_failure.py 会在每次技能执行失败时写入情景记忆并统计同一技能在 14 天内失败 3 次以上即打上重写标记。失败记录还带pain_score疼痛分和importance重要度权重让夜间auto_dream.py压缩周期能分清偶尔的小磕碰和反复翻车的大坑。这套闭环完整长这样技能执行 → 每一步写入情景记忆失败 →on_failure计数3/14 天触发重写标记夜间周期聚类重复模式 → 生成候选教训宿主 AI 审查候选graduate.py通过 /reject.py拒绝必须写理由毕业的教训进入LESSONS.md未来会话自动召回技能文件本身按钩子约定自我改写并提交写技能的正确姿势目的地与围栏而非行车路线规范文档里给了一个经典的坏 vs 好对比建议写技能前背下来❌ 微管理式会腐坏✅ 结构式历久弥新1. 运行npm test2. 搜 passed 3. 运行git add -A…提交前确认测试通过只暂存具体文件禁用-A提交信息解释为什么前者一换工具链就失效后者在重构中依然成立。文档把这叫做 bitter lesson——模型会越来越强你的硬编码步骤不会。内置 9 个种子技能一览安装后你会直接获得 9 个示范级技能每个都是上述规范的样板技能职责亮点skillforge从重复模式中创建新技能元技能会造技能的技能memory-manager运行反思周期、提炼候选教训记忆层管家git-proxy所有 git 操作硬约束永不强推 main、推送前必测debug-investigator复现→隔离→假设→验证标准调试流程deploy-checklist预发与生产之间的围栏生产发布需人工审批design-md用DESIGN.md做视觉真相源面向 UI/前端工作流data-layer跨工具导出本地仪表盘数据KPI、cron 时间线data-flywheel审批通过的运行 → 训练就绪工件本地化、零遥测tldraw本地画布图Beta可选启用避免踩坑技能系统的三大反模式docs/writing-skills.md 明确列出了三条红线前两条直接决定技能库的健康度触发词重叠——两个技能抢同一个触发词渐进式披露就失效了AI 不知道该加载哪个甚至加载两个写成逐步命令清单——用步骤编号堆砌命令工具一变技能即死让技能去改permissions.md——权限文件只允许人类编辑技能碰都不许碰。写在最后agentic-stack 的技能系统给AI 上下文管理提供了一套可复用的工程范式渐进式披露清单常驻 触发词命中加载全文技能数量线性增长、上下文开销近乎恒定自重写钩子5 次使用复盘一次、失败即复盘、3 次/14 天强制标重写技能库随使用而进化可审计所有教训沉淀、技能改写都落 git 提交git log .agent/就是 AI 的自传。如果你正在为 Claude Code 或 Cursor 维护一堆.md规则文件不妨参考这套两级清单 自进化钩子的设计——让技能库变大的同时让上下文保持干净正是这套开源方案最值得抄作业的地方。【免费下载链接】agentic-stackOne brain, many harnesses. Portable .agent/ folder (memory skills protocols) that plugs into Claude Code, Cursor, Windsurf, OpenCode, OpenClaw, Hermes, or DIY Python — and keeps its knowledge when you switch.项目地址: https://gitcode.com/gh_mirrors/ag/agentic-stack创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考