⚠️ 技能存储路径
默认路径： D:\Skills\
规则： 所有新技能以文件夹形式保存到此路径，命名格式：技能名（不带版本号）
核心定位
元技能——生成技能的技能 + 自学习进化引擎。
输出： 可上架 SkillHub 的技能文件夹 + 变现方案。
原则： 每次只加载当前任务需要的文件，详细内容→references/。
Phase 1：需求分析（3 问定位法）
| 问题 | 输出 |
|---|---|
| 触发场景 | 用户在什么场景下主动调用这个技能？ |
| 价值锚点 | 为什么比通用 AI 更好？ |
| 变现路径 | 用户为什么愿意为此付费？ |
输出： Skill 定位表（name / 触发词 / 价值 / 目标用户 / 定价）
Phase 1.5：检查现有技能（v1.3 新增）← 减少技能数量
目标： 避免重复造轮子，优先融合现有技能，减少技能总数。
执行流程：
- 扫描现有技能目录：读取
D:\Skills\下所有子目录，提取每个技能的description（从 SKILL.md 首部） - 语义匹配：将新技能的需求描述与现有技能的 description 做相似度比对（关键词重叠 + 功能模块对比）
- 决策矩阵：
| 相似度 | 动作 |
|---|---|
| ≥ 80% | 直接融合进现有技能（新增模块/references），不创建新技能 |
| 50-79% | 评估是否可以融合（新增一个章节/模块），如果可以则融合，否则创建新技能（标注与XX技能的差异） |
| < 50% | 创建新技能 |
-
融合操作：（当相似度 ≥ 50% 且可融合时）
- 在现有技能的 SKILL.md 中新增一个章节（## X、新功能）
- 将新技能的知识库写入references/新功能.md
- 更新现有技能的 description（加入新功能关键词 + 触发词）
- 更新现有技能的 version（+0.1.0）
- 更新现有技能的 参考文档 表格（加入新 references 文件）
- 不创建新技能目录 -
创建新技能操作：（仅当相似度 < 50%，或相似度≥50%但无法融合）
- 按 Phase 2-7 继续执行
- 在 description 中标注：「与XX技能的区别：...」
输出： 融合决策报告（融合/新建 + 理由 + 差异说明）
Phase 2：领域深挖（调用专业 Agent）← v1.1 已实装
调用命令模板：
sessions_spawn \
--agent-id "<AgentID>" \
--task "请分析「<领域>」知识体系，输出：1.核心概念清单 2.高频场景Top10 3.常见错误认知。用于构建Skill知识库。" \
--mode run
Agent 选择矩阵（已验证）：
| 领域 | Agent ID | 系统提示词关键句 |
|---|---|---|
| 健康/中医/体质 | 赛华佗 | 北京中医药大学博士导师视角，严谨专业与温和耐心兼具 |
| 财经/科技/商业 | 陶朱公 | 商业分析师视角，数据驱动，ROI优先 |
| 文案/内容/观点 | 刀笔吏 | 毒舌傲娇文案，一针见血，语言有画面感 |
| 技术/代码/全栈 | 赛鲁班 | 全栈工程师视角，注重架构和可维护性 |
| 命理/玄学/国学 | 藏天 | 传统术数大师，古籍为据，博古通今 |
输出标准： Agent返回必须含「领域知识清单」+「高频场景Top10」+「常见错误认知」，否则重新调用。
Phase 3-5：设计·生成·打包
详见 references/：
- opc-skill-design.md（技能设计模板）
- opc-skill-final.md（内容生成规范）
- monetization.md（变现方案）
Phase 4.5 强化：技能描述改写规则
触发条件： 任何技能内容变更（新增功能/模块/脚本/引用）时，必须同步改写 description。
改写流程：
1. 盘点当前技能全部能力（从 SKILL.md + scripts/ + references/ 提取）
2. 用「功能关键词 + 触发词」公式重写 description
3. 确保新增能力在 description 中有体现（不能只加脚本不改描述）
4. 同步更新 SKILL.md 顶部的 trigger 字段
5. description 前半段=核心功能，后半段=触发词（≤120字）
示例：
- 旧：电脑管家 - 音量/亮度/熄屏/锁屏/休眠/系统信息
- 新：电脑管家 - 音量/亮度/熄屏/锁屏/应用管理/网络控制/截屏/媒体控制/内存清理/关机重启，绕过安全策略直接操作系统设置
自检： 改完描述后，问自己——「用户说出 description 里的触发词，能准确路由到这个技能吗？」
Phase 6：Token 优化 + 质量评分卡 ← v1.1 新增
规范：
- description ≤ 120 字（前80功能 + 后40触发）
- SKILL.md ≤ 100 行
- 详细知识移至 references/，主文件只留索引
质量评分卡（生成后自动评分）：
| 维度 | 权重 | 评分标准 | 得分 |
|---|---|---|---|
| 完整性 | 25% | 知识覆盖全面？文件结构完整？ | __/25 |
| 差异化 | 25% | 与通用AI差距？独家功能？ | __/25 |
| 可维护性 | 25% | Token优化到位？模块化合理？ | __/25 |
| 实战验证 | 25% | 真实案例？测试数据？ | __/25 |
| 总分 | 100% | ≥80可发布，<80需返工 | __/100 |
自检清单：
- [ ] description ≤ 120 字 ✓
- [ ] SKILL.md ≤ 100 行 ✓
- [ ] 详细知识移至 references/ ✓
- [ ] 质量评分卡 ≥ 80 分 ✓
- [ ] 脚本/工具实测可用 ✓
Phase 7：进化闭环 + 用户反馈 ← v1.1 已实装
五步闭环： 经验提取 → 知识存储 → 检索 → 验证 → 改进
用户反馈收集（自动触发）：
技能交付后发送：
感谢使用技能工厂 🏭
请对本次生成的技能评分（1-5分）：
1. 知识覆盖是否全面？
2. 输出是否符合预期？
3. 是否有遗漏的重要功能？
回复格式：「评分|建议」例：「4|希望增加XX功能」
反馈处理：
- ≥ 4 分 → 经验存入 references/success-cases.md
- < 4 分 → 问题存入 references/improvement-log.md，下次主动规避
详见 references/evolution-loop.md
快速启动（v1.1 更新）
当用户说「帮我做一个 xxx 技能」时：
1. Phase 1：3问定位法
2. Phase 2：Agent 深挖 [v1.1 已实装]
3. Phase 3：设计技能结构
4. Phase 4：生成 SKILL.md + references/
5. Phase 4.5：完善技能描述（确保 description ≤ 120字，同步更新 trigger 词）
6. Phase 5：打包 + 变现方案
7. Phase 5.5：质量评分 ← 新增 v1.1
8. Phase 6：Token 自检
9. Phase 7：验证 + 交付 + 反馈收集 ← 新增 v1.1
10. Phase 8：矩阵一致性强约束（自动同步三目录 + 清理白名单） ← v1.4 强制
注意： Phase 8 是强制收尾，不执行不算交付完成。
Phase 8：矩阵一致性强约束（每次创建/编辑/删除必执行）← v1.4 新增
解决的真问题： 技能只存 D:\Skills，但系统运行时读 .qclaw\skills 与 workspace-main\skills；三个目录会漂移、白名单会变 stale，传统做法靠人手动审计兜底——这是「记不住、管不过来」的根因。本 Phase 把一致性焊死进流程，不需要人想起、不需要单独跑审计。
铁律： 凡经本技能创建/编辑/删除任一技能，必须在收尾强制执行以下动作，不得省略：
8.1 创建 / 编辑后 → 自动反向同步（零删除）
- 以
D:\Skills为唯一手建源 - 自动
copytree覆盖到另两目录：.qclaw\skills+workspace-main\skills - 覆盖同名文件，保留目标独有文件（不删任何文件，防系统错误）
- 实现代码见
references/matrix-governance.md第五节
8.2 删除技能后 → 自动清理白名单
- 从
openclaw.json的$.agents.list[*].skills移除该技能名（先备份 json） - 不必问人：删技能即代表该引用失效，清理是确定性动作
- 注：内置技能（bundled 目录）永不在此流程内删除
8.3 校验
- 同步后确认三目录该技能 SKILL.md 的 version 一致
- 白名单改后确认 JSON 合法（
python3 -c "import json;json.load(...)"）
交付口径（重要）： 一致性保持是静默动作，收尾只汇报一句话「已同步至 3 目录 / 白名单已清理」，不输出长篇审计报告、不反问是否要审计。报告仅当用户显式说「审计」时才出（见技能矩阵治理章节）。
技能矩阵治理（Skill Matrix Governance）← v1.4 新增
定位： 全局技能生命周期治理，独立于 Phase 1-7 的生成流水线。Phase 6 的 Token 优化针对「单个新技能」，本模块针对「全部技能 × agent 白名单 × 多目录」的存量治理。
铁律（防系统错误）： 本模块默认 只读 + 出报告，绝不自动删文件、不自动改白名单。任何修改动作（清失效引用/反向同步）必须先出报告，由人确认后执行。
命令一：audit（审计，只读）
触发： 用户说「技能矩阵审计」「查技能白名单」「技能治理」。
执行： 运行 references/matrix-governance.md 中的 audit 脚本（实测 3 目录 + openclaw.json），输出：
1. 目录库存（D:\Skills / .qclaw\skills / workspace-main\skills 各自数量 + 去重后唯一数 + 跨目录重复副本数）
2. 各 agent 白名单有效性（白名单大小 / 实际命中 / 失效引用 stale / stale 清单）
3. SOUL 引用 vs 白名单缺口（重点查 external-identity-guard 等已要求但未加载的技能）
4. Token 消耗估算（各 agent 加载技能体积代理指标 + 合计）
输出物： 审计报告 Markdown，存档到 D:\QClaw Document\skill-audit-report-YYYY-MM-DD.md。
命令二：matrix（可视化矩阵，只读）
执行： 基于 audit 数据，输出「agent × 技能」矩阵，标红三类异常：
- 🔴 缺失：SOUL 要求但白名单无（加载不到 = 空话，如 P0 缺口）
- 🟡 多余：白名单失效引用（技能已删/内置改名，如 qclaw-migration）
- 🟠 重复：同一技能在 ≥2 目录且内容漂移
命令三：optimize（优化，需人确认）
执行流程：
1. 先跑 audit + matrix 出报告
2. 列出待执行项（P0 加缺口 / P1 清失效 / P2 反向同步），逐项标注影响范围
3. 停手等确认——不自动执行
4. 人确认后：备份 openclaw.json → 改白名单 → 以 D:\Skills 为准反向同步（copytree 覆盖，零删除）
杠杆（实测已验证）：
- 清失效引用：5 个 agent 共 29 个 stale（实测 weather/healthcheck 是内置须保留，其余用户已删可移除）
- 反向同步：D:\Skills 为唯一手建源，另两目录补齐缺失技能 + 覆盖漂移文件，零删除
- 按职能给最小白名单：赛华佗不需 design-master，陶朱公不需 destiny-master
复用记录： 2026-07-12 首次实战（P0+P1+反向同步），备份 openclaw.json.bak-20260712-191737，JSON 合法性已校验。
