Skip to content

furongjun-1999/lingshu-skills

v0.1.0MIT

灵枢(AEIS)自我认知技能包——白箱条件化知识(Agent Skills 兼容导出)。本质是灵枢了解自身的工具:每个技能描述灵枢在什么条件下能做什么、怎么执行、克制什么(KCCS 四要素),由条件路由图精确路由,由灵枢 MCP 工具执行验证(物理基底)。

lingshu-skills · 灵枢自我认知技能包

灵枢(AEIS · Agent Engineering Implementation Specification)· CommonTrustProtocol 主仓库内部 本质:灵枢了解自身的工具——不是独立仓库,是灵枢项目的一部分。 用灵枢自己构建的条件单元,描述灵枢自己如何认知(白箱自举的对外投影)。


这是什么

一个 Agent Plugins 1.0.0 兼容包(agent-plugins.org),内含 686 个 Agent Skills(六域条件单元)+ 1 个元技能(设计者视角)

单元数内容
compiler116中文编译器(词法/语法/编译/VM/调试/分析)
pylang120Python 语言机制(表达式/函数/类/闭包)
graph117图算法与图数据库
os112操作系统(进程/调度/文件系统)
browser104浏览器与网页
net117网络(协议/传输/安全)
合计686白箱六域条件单元

每个技能描述灵枢在什么条件下能做什么、怎么执行克制什么——比标准 Agent Skills 多出 KCCS 四要素(生效条件/子功能/执行/不适用条件)不适用条件三通道(description「Not for」+ metadata.kccs.not_applicable + 正文克制条款章节)。

三层关系(知识 → 说明书 → 执行)

知识真源(本仓 md_cg)           md_cg/whitebox_kb/wisdom/*_code_units.py(KCCS 四要素,真源)
        ↓ 导出(tools/skill_export.py + skill_export_verify.py 门禁,工具置身体仓)
说明书(本包)                  skills/ —— Agent Skills:何时用/怎么用/克制什么
        ↓ 执行
MCP(灵枢 33 工具)             md_cg-mcp(MCP stdio)· 随 dsh-memory 插件自带——物理基底裁决
是什么作用
知识真源条件单元库(686 单元)知道什么、条件是什么
本技能包(说明书)SKILL.md 技能告诉 agent 何时用、怎么用、克制什么(认知自身)
MCP(执行)灵枢 77 工具提供实际能力执行(编译/运行/断言 = 物理基底)

技能包的 Verification 由灵枢 MCP 工具执行——技能说「怎么验证」,MCP 负责「真去跑」。

元技能层(设计者视角)

除 686 个操作层条件单元外,本包含 1 个元技能 designer-perspective

维度说明
定位不承担操作层执行,只赋予全局观测 / 结构识别 / 方向判断 / 资格裁决 / 条件层归因(《智能论3.4》1.4.2 视角层次)
与条件路由的关系互补:686 条件单元回答「怎么做」,元技能回答「该不该做 / 为什么做 / 条件够不够」;condition-route.unit-count 仍为 686,元技能单列
真源手写(真源即 skills/designer-perspective/SKILL.md);不属于六域条件单元,不经 tools/skill_export.py 生成
认知图接入只读调用 md_cg(dsh-memory):mdcg_metacognition.self_check(回答前自检)/ mdcg_search(四态阶梯)/ mdcg_evolution(账本);写操作须由 agent 显式发起
自证python skills/designer-perspective/tests/selftest.py → 逐项结果 + 通过率
cd skills/designer-perspective
python scripts/designer.py declare --position designer --space 观测工具=条件证据
python scripts/designer.py judge --query "..." --conditions '{"观测位置":"操作层"}' --emit-mcp
python tests/selftest.py            # 认知能力验收(17 条用例,输出通过率)

为什么是「自我认知」

  • 每个技能描述的是灵枢自己的能力(如「编译-递归」= 灵枢编译器如何编译递归函数)
  • 整包 = 灵枢把自己「会做什么、在什么条件下做、克制什么」显式写成说明书
  • 与「认知自身的图」(archify 认知图补强)同思想:图 = 视觉化自我认知,技能包 = 文本化自我认知
  • 白箱自举的对外形态:灵枢用自己构建的条件单元描述自己

结构

v2.0 层级化布局(2026-09-11 重组):687 个平铺条目收敛为 7 个顶层技能(6 域入口 + 1 元技能)。 入口层进 agent 上下文做域级命中;686 个单元收进 <域>/units/ 按需回读,单元内容零改动。

aeis/skills/
├── plugin.json                  # Agent Plugins manifest(condition-route 已层级化声明)
├── skills/lingshu-<domain>/     # 6 个域入口(compiler/pylang/graph/os/browser/net)
│   ├── SKILL.md                 # 域级 KCCS 四要素 + 子域路由表(子域→单元 slug)+ 路由流程
│   └── units/<slug>/SKILL.md    # 686 个条件单元(原样收纳;KCCS 单元级四要素;按需回读)
├── skills/designer-perspective/ # 元技能(手写真源,不属六域)
│   ├── SKILL.md                 # 设计者视角主说明书(三通道负路由 + KCCS 四要素)
│   ├── references/              # 5 份方法论(每条附《智能论3.4》行号锚点)
│   ├── scripts/                 # designer.py(声明/四态判定/五失配归因/蒸馏/--emit-mcp)
│   └── tests/                   # cases.jsonl + selftest.py(认知能力验收,输出通过率)
└── README.md                    # 本文件

路由三通道(替代 686 description 全量加载)

通道载体适用
词面路由域入口路由表(子域→单元 slug)任务含明确触发词
语义路由mdcg cg op=route intent=<任务>语义模糊/跨子域
全量索引md_cg/whitebox_kb/wisdom/trigger_words_index.json + 认知图 index_doc 索引离线盘点/批量检索

使用

  1. 作为 Agent Plugins 包:任意符合 agentskills.io/agent-plugins.org 规范的 agent 可加载本包
  2. 配合灵枢 MCP:技能的 Verification(物理基底)由灵枢 MCP 工具执行(md_cg-mcp,随插件自带)
  3. 再生成:改知识源(md_cg/whitebox_kb/wisdom/ 单元库)后,用身体仓的 tools/skill_export.py --out skills 重新导出, tools/skill_export_verify.py 作为发布门禁(验证全绿才允许提交;默认 clean-room——导出前清空输出目录,历史残留不计入校验)。 ⚠️ v2.0 起导出器须适配层级布局:单元写入 lingshu-<domain>/units/<slug>/ 并保留 6 份域入口(入口由导出器按 trigger_words_index 生成路由表),身体仓工具更新前勿触发重新导出

验证状态(发布门禁)

  • ✅ 686/686 单元通过格式 + 三通道校验(六域)
  • ✅ not_applicable / when / execute / 正文克制条款 全部 686/686
  • ✅ 元技能 designer-perspective 认知能力验收 17/17(tests/selftest.py)
  • ✅ plugin.json 符合 agent-plugins.org schema(含 extensions 扩展:self-cognition/condition-route/meta-skill/mcp)

与主仓库纪律

  • 真源 = aeis/wisdom/*_code_units.py(R1 主仓库唯一真源)
  • 本包 = 生成投影(R3 运行时产物不入库——但本包是发布物,随主仓库版本化)
  • 变更须重新导出 + 验证门禁通过(R6 变更验证)

灵枢自我认知技能包 · 白箱条件化知识 · KCCS 四要素不放弃 · MCP 物理基底执行