⚡ 栗子云知识库

自动化审计运维（automation-audit-ops）

这个技能用于盘点当前所有自动化（任务、钩子、连接器、MCP服务器、包装脚本）的实际运行状态，找出失效、重复或缺失的部分，并给出保留/合并/删除/修复建议。

核心概念

• 证据优先：先盘点真实情况，再动手改，不凭印象下结论
• 状态分类：区分“已配置”“已认证”“近期验证”“过期/损坏”“完全缺失”
• 问题分类：识别是故障、认证失效、重复建设，还是根本不存在

常用步骤

1. 盘点真实面：检查仓库钩子（hooks）、GitHub Actions、MCP服务器（模型上下文协议服务）、连接器、包装脚本等
2. 按类别分组：本地运行时 / CI自动化 / 外部系统 / 消息通知 / 计费运营 / 研究监控
3. 标记每项状态：配置了？认证有效？最近验证过？还是过期/损坏/缺失？
4. 输出证据表：列出问题类型，再决定合并、删除或修复

注意事项

• 默认只读，除非用户明确要求修复
• 配置或文档里提到某工具，不代表它真的在运行
• 没有生成完整证据表之前，不要合并或删除任何疑似重复的自动化

dr-primary-repointing

Re-point DR/identity pointers when primary host changes.

原文摘要：# DR Primary Re-pointing (主节点身份变更后的集群重指向)

When to Use

触发条件（任一命中即加载）:

• 集群主节点/调度器机器迁移、格盘重置、换 IP 后，需要把集群里所有指向旧主机的身份指针改到新主机
• 症状组合: 本机 PM 全部被拦截（dr-primary-guard.sh 恒 rc=1）/ 调度脚本把本机当远端 SSH 超时 / standby 一直处于接管态（租约文件 mtime 持续刷新）/ 派单只覆盖部分节点
• 任何"本机身份错乱"类 bug（如 node_selector 的 SELF 默认值指向另一台机/宕机旧主）
• 实战案例: BUG-016 (2026-08-13 主节点迁移后 node_selector SELF 错位 + standby 租约死锁) — 完整根因链/改动点/实测断言/重指向序列: `r

栗子云 Agent

这是一个用于使用、配置、主题化、扩展和编排 栗子云 Agent 的技能，帮助你快速上手这个开源 AI 代理框架。

核心概念

• 栗子云 Agent：由 Nous Research 开发的开源 AI 代理框架，可在终端、桌面应用、聊天平台和 IDE 中运行。
• 多平台：支持 Telegram、Discord、Slack、VS Code 等平台，同一代理核心可驱动 CLI、桌面应用和网页仪表盘。
• 模型无关：兼容 OpenRouter、Anthropic、OpenAI、Google 等 20 多种 LLM 提供商，可随时切换模型。
• 关键特性：通过技能实现自我改进、跨会话持久记忆、支持插件/MCP 服务器/自定义工具、可换主题皮肤、支持多实例配置文件。

常用命令或步骤

• 查看帮助：栗子云 --help
• 查看子命令帮助：栗子云 <子命令> --help
• 更详细的使用说明请参考官方文档：https://栗子云 Agent.nousresearch.com/docs/

注意事项

• 本技能只是操作指南，未提到的功能不代表不存在；回答前请查阅官方仓库和文档，避免给出错误否定。
• 涉及具体细节时，记得加载对应的参考文件，不要仅凭本概览作答。

多 Agent 集群编排

用途

把一个大任务自动拆成多个子任务，让多个 AI Agent（智能体）像公司员工一样分工协作，并行完成研究或工作目标。

核心概念

• Kimi Agent Swarm 模式：任务先由分析器判断复杂度，再由拆解器拆成子任务，调度器生成多个带角色和工具的 Agent 并行执行，最后聚合器合并结果。
• 虚拟公司：参考 ChatDev/MetaGPT，让不同角色（如产品经理、程序员、测试）按流程协作，产出可验收的成果。
• 编排器（Orchestrator）：负责拆解任务、分配角色、汇总结果，是整套流程的“老板”。

常用步骤

1. 把任务发给编排器，生成工作流计划（plan.json），包含角色列表、依赖关系和验收标准。
2. 用 `delegate

用途

在同一个 Telegram 群里运行多个 Bot 协作（如 PM 派单 + 角色执行），解决互收限制、409 冲突等工程问题。

核心概念

• Telegram 硬限制：Bot 收不到其他 Bot 的消息，群内协作不能靠 Bot 互 @，必须由后端（orchestrator）派单，Bot 只负责把结果发到群里。
• 同一 Bot 只能有一个 getUpdates 轮询，否则报 409 冲突；gateway 重试 5 次后放弃轮询，Bot 会“变空闲”。

常用命令/步骤

• 设置只响应 @ 自己的消息：栗子云 config set telegram.extra.require_mention true，并设 telegram.extra.observe_unmentioned_group_messages true。
• 检查轮询是否正常：ss -tnp | grep 149.154（看到 ESTAB 连接即正常）。
• 修改 Bot 名字用 setMyName API；群加入权限用 BotFather /setjoingroups。

注意事项

• 千万别用 getUpdates 探测“是否在轮询”，会抢占会话导致

Benchmark（性能基准测试技能）

这个技能用来测量性能基线、在 PR 前后检测性能回退，以及对比不同技术方案的优劣。

核心概念

• 性能基线：项目当前性能的“标准答案”，存在 .ecc/benchmarks/ 里，用 Git 追踪，供团队共享。
• 核心指标：网页侧关注 LCP（最大内容绘制）、CLS（布局偏移）、INP（交互延迟）等；API 侧关注 p50/p95/p99 延迟；构建侧关注冷启动、热更新耗时。

常用命令或步骤

• 页面性能：打开目标网址，测量核心 Web 指标、页面体积、请求数。
• API 性能：每个接口请求 100 次，统计延迟分位数，并用 10 并发压测。
• 构建性能：记录冷构建、热更新、测试、类型检查、 lint 和 Docker 构建耗时。
• 对比模式：

- 先运行 benchmark baseline 保存当前指标。

- 改动代码后运行 benchmark compare，自动生成前后对比表（如 LCP 从 1.2s 变 1.4s，标记为警告）。

注意事项

• 每次 PR 建议运行对比，防止性能悄悄变差。
• 可搭配 /canary-watch 做上线后监控，或 /browser-qa 做发布前完整检查。

benchmark-methodology

-

原文摘要：# Benchmark Methodology

Use this skill to turn a scoped competitor set into **comparable, defensible

scores**. Each competitor is assessed on the same nine dimensions, with

explicit 1–5 rubrics, then captured in a uniform profile card. Consistency is

the point: scores are only useful if the same evidence would earn the same

number for any competitor.

When to Activate

• A scoped, tiered compe

clickhouse-io 是一个用于在 ClickHouse 上做高性能分析的数据工程技能，涵盖表设计、查询优化和数据接入，适合实时仪表盘、时序分析等场景。

核心概念

• ClickHouse：列式存储的在线分析处理（OLAP）数据库，擅长对海量数据做快速聚合查询。
• MergeTree 引擎：最常用，支持分区、排序键和主键索引。
• ReplacingMergeTree：用于去重，适合多来源数据。
• AggregatingMergeTree：预聚合存储，用 sumMerge、uniqMerge 等函数查询。

常用命令或步骤

• 建表示例（分区 + 排序）：

`sql

CREATE TABLE 表名 (...) ENGINE = MergeTree()

PARTITION BY toYYYYMM(date)

ORDER BY (date, market_id);

`

-

用途

本技能用于按标准化流程部署云服务器（VM），并自动生成部署报告，适用于魔方云/飞讯云等轻量云实例。

核心概念

• 7阶段检查清单：每个阶段必须完成，每步有可验证标准。
• Phase 0 预检：通过浏览器登录 栗子云控制台，获取主机信息，并检查 SSH 状态（若被锁死，则触发全自动重装）。
• 自动重装：通过脚本模拟控制台操作，获取真实密码（zcPwdValue）。

常用命令或步骤

• 运行预检：python3 /root/bin/栗子云.py --svc-id N --host IP
• 重装关键步骤：控制台点“更多”→“重装系统”→选OS→随机生成密码→勾选备份→点“√ 确定”（不是“√ 提交”）。
• 重装后重新读取 zcPwdValue 获取新密码，并用 SSH 验证。

注意事项

• 必须使用浏览器表单登录，不能用 API。
• 备份时不要打包整个 .栗子云/，只备份 memories、skills 等。
• 重装完成后务必重新打开页面读取密码，否则拿到的是旧密码。

architecture-diagram

这个技能用来生成深色主题的技术架构图：把系统、云、基础设施画成独立的 HTML（网页）文件，内嵌 SVG（矢量图形），浏览器打开即用，不需要外部工具、API（接口）或渲染库。

核心概念

• 输出离线可用的 HTML 文件，内嵌 SVG，双击即可查看。
• 用颜色区分组件：前端（青色）、后端（绿色）、数据库（紫色）、云/AWS（琥珀色）、安全（玫红）、消息总线（橙色）、外部（灰色）。
• 适合软件架构、云基础设施、微服务、数据库/API 部署图。
• 不适合科学图解、实物图、白板手绘或动画。

常用命令或步骤

1. 用户描述系统架构（组件、连接、技术）。
2. 按设计系统生成 HTML 文件。
3. 用 write_file（写入文件工具）保存为 .html，例如 ./项目名-architecture.html。
4. 用浏览器打开，或在终端预览：

- macOS：`open

HTML 转 PNG 图表

把 HTML 编写的甘特图、流程图等渲染成 PNG 图片，用于聊天平台交付。

核心概念

• HTML（超文本标记语言）：用表格 + 内联样式定义图表，如深色背景卡片、甘特条。
• Playwright（浏览器自动化工具）：无头浏览器加载 HTML 并截图。
• PIL（Python 图像库）：验证截图完整性。

常用命令或步骤

1. 编写 HTML 文件（含甘特条、图例等），保存为 .html。
2. 用 Playwright 打开文件并截图：

`python

page.goto("file:///绝对路径/xxx.html")

page.wait_for_timeout(800) # 等待渲染

page.screenshot(path="输出.png", full_page=True)

`

1. 用 PIL 打开图片，检查尺寸和亮度，确认非空。

##

Humanizer 技能

把 AI（人工智能）腔文本改写成自然、有真人声音的内容，去掉“AI味”。

核心概念

• AI 生成文本常出现套路化表达，如“总之”“值得注意的是”“不仅……而且……”等。
• 本技能参考维基百科的“AI 写作迹象”清单，总结出 34 种常见 AI 痕迹。
• 改写不只是删痕迹，还要注入个性，保留原意。

常用步骤

1. 读取文本：粘贴内容

deep-research

Multi-source deep research using firecrawl and exa MCPs. Searches the web, synthesizes findings, and delivers cited reports with source attribution. Use when the user wants thorough research on any to

原文摘要：# Deep Research

Drift-prone skill. Firecrawl/Exa MCP tool names, quotas, and result

shapes change. Verify the configured MCP tools and current API docs before

promising coverage or quoting live source counts.

Produce thorough, cited research reports from multiple web sources using firecrawl and exa MCP tools.

When to Activate

• User asks to research any topic in depth
• Competitiv

用途

当 firecrawl 抓取失败（反爬、动态页）或需要视觉理解时，用 Cloudflare Kitesurf 截图 + mimo-v2.5 视觉模型兜底。

核心概念

• Kitesurf：Cloudflare 的 Agent-first 浏览器，能截取反爬页面，响应快、省资源。
• mimo-v2.5：opencode 中的视觉模型，用于解读截图内容（图表、UI 等）。
• 兜底流程：先试 firecrawl，失败或需截图时切到 Kitesurf + 视觉分析。

常用步骤

1. 先用 firecrawl 抓取（简单页面约 0.8s）。
2. 失败或需截图时，调用 Kitesurf 截图 API 获取 PNG。
3. 用 vision_analyze（配 mimo-v2.5）分析图片。

注意事项

• Kitesurf 返回的是 PNG 二进制，不是 JSON，别用 json.loads 解析。
• 请求必须带 User-Agent: Mozilla/5.0，否则 403。
• 有 429 限流，失败等 2-5 秒重试；冷启动约 30 秒，超时设 60 秒。
• 视觉模型配 mimo-v2.5 即可；glm-5.2 可能返回空内容，慎用。

environment-handover-restore

1:1 env restore of a reset machine, handed to another node.

原文摘要：# Environment Handover & 1:1 Restore（环境交底与异地恢复）

When to Use

• 用户要把一台机器的环境完整交底给另一节点（另一台 栗子云），重置本机后由对方 1:1 恢复
• 机器迁移/换机/灾备恢复（node replacement / DR）
• 需要跨节点 栗子云 协作对齐恢复计划（不只交付文件，还要对方确认理解一致）

核心价值在「打包前摸清角色」「交付走集群中继」「恢复前与接收方 栗子云 做多轮计划核对」。

工作流总览

盘点 → 打包 → 交付 → 计划核对（与接收方 栗子云 对齐）→ 交接

1. 盘点（并行批量命令，四层）

• 系统层：OS/内核/虚拟化、CPU/内存/磁盘、网络（ip addr、MAC、路由）、端口（ss -tlnp）、时区/locale、cloud-init

knowledge-inventory

Use when 老板要求知识盘点(任务/会话/技能/脚本)输出恢复支撑报告。

原文摘要：# 知识盘点报告 (knowledge-inventory)

集群知识资产盘点方法学: 枚举对象 → 提取结构 → 对照 Outline vault 覆盖率 → 输出恢复支撑报告。

用途: "服务器全盘丢失后另一台主机 栗子云 快速恢复"。盘点对象已执行过: 任务目录、会话历史、技能库(2026-08-11 三份报告)。

何时使用

• 老板要求"盘点X / 知识盘点 / 输出盘点报告 / 哪些内容还没入 Outline"
• 为灾备恢复生成文档(恢复视角 = 本类报告的第一目的)
• 知识沉淀全量入 Outline(REQ-003)相关的覆盖度核查
• 盘点对象: 任务目录 /root/swarm/tasks/、会话 request_dump_*.json + state.db、技能库 ~/.栗子云/skills/、/root/bin 脚本清单、集群配置

用途

这个技能让 AI 通过 MCP 协议读写自建 Outline 知识库（文档/集合/评论），用来沉淀工作笔记、复盘报告和调研成果。

核心概念

• Outline：开源团队知识库，内置 MCP server，AI 可以搜索、读取、写入和评论。
• MCP（模型上下文协议）：一种让 AI 工具安全连接外部数据的标准接口。
• 凭证（Credentials）：API key 存放在保险库（vault）中，不写进脚本或本地文件。

常用命令或步骤

• 通过 outline_mcp.py 的 doc_get / doc_set 读写文档。
• 用 vault_creds.py get(provider, key) 读取凭证，禁止硬编码密码。
• 自建实例 MCP 地址是 https://note/mcp，注意别用官方云域名。

注意事项

• API key 格式为 ol_api_ + 38 位随机字符，共 45

技能用途

独立审查 Kanban 看板中移交到“评审”列的任务成果，给出通过、要求修改或升级的结论。本技能只做审查，不接管实现工作。

核心概念

• 看板交接：实现者提交 review_requested 后，评审者核对交付物和证据。
• 三种结论：通过（approve）、要求修改（request changes）、升级（escalate）。
• 审查视角轮换：每轮用不同视角（冷读、复现、严格核对）检查，避免遗漏不同类缺陷。

常用步骤

1. 运行 kanban_show 查看任务说明、验收标准、交接摘要和历史。
2. 检查实际交付物，运行验证。
3. 选择唯一结论：通过、要求修改或升级。
4. 在看板上记录具体证据，并执行最终操作。

对应操作：

• 通过：kanban_complete
• 要求修改：先 kanban_comment，再 kanban_request_changes
• 升级：kanban_block

要求修改时任务会退回原实现者；实现者再次提交评审且未指定评审人时，系统会按历史归属自动路由回原评审者。

注意事项

• 仅用于评审独立结论，不用于下游评审卡片（那种卡片按普通实现任务走）。
• 审查前必须先用 kanban_show，不要直接看文件。
• 需要访问 read_file、search_files、terminal（若交付物是代码）。
• 不接管实现工作，只针对交付物和证据下结论。

用途

为 swarm-pm-v2 这类编排器的机制改动（返工循环、轮次上限、经验库等）设计五层测试方案，产出测试文档，不是写实现代码。

核心概念

• 测试锚点：每个断言都要对应真实代码行号和数据库字段，文档里的行号必须用 grep 核实。
• 五层测试：单元测试（纯函数）、集成测试（端到端流程）、对照实验（开关机制 A/B 对比）、回归测试、量化断言（用真实数据验证效果）。
• 失败重计数：轮次上限若只存在内存里，重启后会失效，必须从 JSONL（JSON 行格式）历史日志重新计算当前轮次。

常用步骤

1. 通读需求、开发计划、设计文档，列出验收标准。
2. grep 关键函数确认代码锚点，用 sqlite3 查看看板数据库表结构。
3. 参考现有 pytest 测试风格写新测试文件。
4. 按五层结构写方案，每层给出入口命令和断言表。

注意事项

• 文档里的行号可能过期，写之前务必 grep 实测。
• 对照实验要隔离独立 board（看板）和经验库路径，避免互相污染。
• 量化断言必须写明：目标、基线、数据来源、计算口径。
• 测试代码块要能通过 ast.parse 语法

swarm-pipeline-hardening

集群调研流水线加固：慢worker治理、质检门禁、缓存、蓝图模板、LLM空输出修复。

原文摘要：# 集群调研流水线加固（swarm-pipeline-hardening）

对 kanban swarm 集群流水线（planner→worker并行→verifier→synthesizer→交付）做效率与质量加固的通用模式。基于 2026-08-05 完整改造实战（改进计划40项全部落地）沉淀。

何时使用

• 集群任务墙钟过长（常规轮>50min）、worker停滞无人干预
• 交付物出现抓取工具原始JSON垃圾、坏表格、缺免责声明
• 剧本转译层空输出降级拖慢监控循环
• 重复抓取同一批数据、planner每次重新LLM生成蓝图

核心原则：通用/专用分离（用户明确要求）

集群通用功能绝不含业务领域代码；领域专用功能独立目录。

• 通用（/root/bin/）：watchdog、cache_layer、report_qc、blueprint_cache、a

用途

该技能用于将多个互相独立、无共享状态或顺序依赖的任务并行分派给多个专用智能体（AI 代理），以提高故障排查和修复效率。

核心概念

• 独立问题域：按测试文件、子系统或故障分组，确保任务之间无依赖。
• 隔离上下文：每个智能体不继承会话历史，只获得精心构造的指令和背景信息。
• 并行执行：多个智能体同时工作，自己保留上下文做协调。

常用步骤

• 识别独立问题：将多个失败按根因分组，确认互不影响。
• 创建聚焦任务：每个任务指定明确范围、目标、约束和预期输出。
• 并行分派：使用 Task 命令同时下发，例如修复某个测试文件的失败。
• 审查集成：阅读各智能体总结，检查冲突，运行完整测试，合并更改。

注意事项

• 描述要具体：不要写“修复所有测试”，要指出具体文件和失败名称。
• 提供上下文：附上错误信息和测试名，避免智能体盲目摸索。
• 设置约束：如“不要修改生产代码”或“只修改测试文件”。
• 明确输出：要求返回“根因+修改内容”的总结。
• 不适用场景：失败相互关联、需要全局上下文、探索性调试或共享资源时，不要并行分派。

himalaya

Himalaya CLI: IMAP/SMTP email from terminal.

原文摘要：# Himalaya Email CLI

Himalaya is a CLI email client that lets you manage emails from the terminal using IMAP, SMTP, Notmuch, or Sendmail backends.

This skill is separate from the 栗子云 Email gateway adapter. The gateway

adapter lets people email the agent and uses 栗子云' built-in IMAP/SMTP

adapter; this skill lets the agent operate a mailbox from terminal tools and

requires the external `himal

a-share-data-sourcing

A股行情/资金/财务数据源可用性与抓取。实测接口字段表+K线+北向/两融/财务源选择。

原文摘要：# A股数据源可用性与抓取 (A-share Data Sourcing)

When to Use

• 需要为 A 股任务选数据源（行情快照、情绪指标、100股画像、资金面、两融、北向）
• 需求含"成交量/北向资金/融资融券/换手率/市值/PE/ROE/营收/利润"等指标时先查可用性速查表
• 东财 push2 不通、需要找可用替代源时

所有接口零鉴权免费，实测于 2026-08-14；关键数据用 ≥2 源交叉验证。腾讯系接口均 GBK 解码，新浪需 Referer。

数据源可用性速查 (2026-08 实测)

| 指标 | 首选源 | 状态 | 备注 |

|---|---|---|---|

| 现价/昨收/量额/换手率/PE/PB/市值 | 腾讯 qt.gtimg.cn | ✅ | 一次请求全拿，见字段表 |

| 日/周/月K线 (MACD/RSI/布林带) |

a-share-global-quote-fetch

Use when fetching global market quotes for stock reports.

原文摘要：# A股/外围行情抓取 API 速查

数据快照类调研（如"外围市场与消息面"章节）的标准化抓取方法。均为免费公开接口，无鉴权；务必 GBK 解码；关键数据用 ≥2 独立源交叉验证。

腾讯 qt.gtimg.cn（主源，US/HK/指数/国际期货）

• URL: http://qt.gtimg.cn/q=CODE1,CODE2,...，Referer: http://gu.qq.com，解码 GBK。
• 返回格式 v_CODE="f0~f1~..."，~ 分隔；通用字段：f1=名称, f3=最新, f4=昨收, f30=时间, f32=涨跌幅%。
• 美股指数：usDJI(道指) usIXIC(纳指) usINX(标普500) usNDX(纳指100) usVIX(⚠时间戳陈旧,别用)
• 港股：hkHSI(恒指) `hk

股票分析集群流程

用于处理 A

Firecrawl 自托管技能：用 Docker Compose 部署 Firecrawl，并调试 v2 抓取/搜索接口。

核心概念

• Firecrawl：网页抓取与搜索服务，可自托管。
• Docker Compose：用 YAML 定义多容器（api、redis、rabbitmq、postgres）。
• v2 接口：抓取用 /v2/scrape，搜索用 /v2/search，不是 /scrape。

常用命令

• 克隆仓库：git clone https://github.com/firecrawl/firecrawl.git
• 启动服务：docker compose -p firecrawl up -d
• 查看状态：docker compose -p firecrawl ps

注意事项

• 必须设置 REDIS_RATE_LIMIT_URL=redis://redis:6379，否则 worker 连本地 Redis，/v2/scrape 会卡死。
• RabbitMQ 健康检查超时要改

栗子云-ops

Operate 栗子云控制台 panel: login, reset, SSH, password policies.

原文摘要：# 栗子云控制台 Panel Operations

Standard operations on the 栗子云控制台 cloud panel. Login, password reset, SSH key deployment, host recon.

Login

`

1. GET 栗子云控制台/login → extract CSRF token from hidden input name="token"
2. POST 栗子云控制台/login?action=email

body: email=<user>&password=<pass>&token=<csrf>

1. On 302 → cookies set: PHPSESSID + ZJMF_<hex> + YOFDCRU
2. Save cooki

栗子云-group

操作 栗子云控制台 控制台安全组（添加/删除规则、绑定主机）。用于多主机网络隔离。

原文摘要：# 栗子云控制台 安全组操作 Skill

通过 Playwright 浏览器操作 栗子云 控制台安全组（避免直接 API 不稳定）。

何时使用

• 需要开放/关闭主机特定端口（如 firecrawl API 3002）
• 需要配置多主机之间的网络访问控制
• 需要限制某些 IP 的 SSH 访问
• 需要删除或修改现有规则

API 端点（已验证）

栗子的 IPXR-AUTOMATION skill 中已记录：

• /provision/custom/{id} - func=showSecurityGroup, addSecurityRule, delSecurityRule, linkSecurityGroup
• /dcim/createSecurityGroup - 创建安全组
• /dcim/linkSecurityGroup - 绑定到主机

市场研究技能（market-research）

这个技能用于做市场调研、竞争分析、投资尽调和行业情报，最终产出有来源、有结论、能直接辅助决策的中文报告。

核心概念

• 不是堆砌报告，而是支撑决策。
• 每个关键论断都要给出来源（source），数据太旧要明确标注。
• 分清事实、推断和建议，不能混在一起。
• 主动包含反方证据和风险，不能只说好话。

常用步骤

• 市场容量估算：用自上而下（top-down，从行业报告/公开数据）和自下而上（bottom-up，从真实客户获取假设）两种方法交叉验证，并写清每个推算假设。
• 竞争分析：看真实产品功能和用户体验，而不是只看宣传文案；收集融资历史、增长数据、定价和渠道线索，找出强弱项与定位空白。
• 投资人尽调：查基金规模、投资阶段、常见跟投金额、已投项目、公开观点，判断是否匹配，并留意明显雷点。
• 技术/供应商调研：搞清原理、取舍、采用信号、集成难度，以及锁定风险、安全、合规和运维成本。

输出格式

默认结构：执行摘要 → 关键发现 → 影响 → 风险与注意事项 → 建议 → 来源。

注意事项

• 所有数字要么有来源，要么明确标为估算。
• 旧数据必须标注发布年份或适用时点。
• 建议必须从证据推出，不能跳过逻辑。
• 交付前

这个技能用于将 栗子云 系统的内存数据同步到 MySQL 数据库，并自动执行一致性检查。

核心概念

• 栗子云 Memory：栗子云 的内存存储，通常用于快速读写临时数据。
• MySQL：关系型数据库，用于持久化保存数据。
• 同步：把内存数据复制到 MySQL，保证两边内容一致。
• 一致性检查：比对源和目标的记录，找出缺失或差异。

常用命令或步骤

• 查看帮助：memory-db-sync --help
• 执行同步：memory-db-sync sync
• 只做检查：memory-db-sync check
• 典型流程：先配置好 MySQL 连接 → 运行同步 → 运行一致性检查 → 查看报告。

注意事项

• 同步前建议备份 MySQL 目标表。
• 避免在业务高峰期运行，减少锁表影响。
• 如果检查发现不一致，多数情况需重新同步或人工修复。
• 确保网络和数据库权限配置正确，否则同步会失败。

Telegram 多机器人协作技能

本技能用于在 Telegram 群聊中运营一群机器人，实现“公司式”多智能体协作：一个项目经理（PM）机器人负责派活，各角色机器人执行任务并回报结果。

核心概念

• 机器人舰队：每个机器人由独立节点的 栗子云 网关驱动。
• PM 调度：PM 接收群消息，经过“接收→调研→计划→派单→质检→汇总”，把任务分派给对应角色的节点。
• 任务传递：通过 HTTP 或 SSH 调用节点上的 栗子云 chat -q 执行，结果以该角色机器人身份发回群聊。

关键限制（务必注意）

1. 机器人无法收到其他机器人发的消息——这是 Telegram 硬性限制，所以不能靠机器人 @ 机器人触发。
2. 每个机器人 token 只允许一个轮询器；第二个轮询会引发 409 冲突，导致网关放弃轮询（机器人显示闲置）。
3. 别用 getUpdates 探测，否则会挤掉正在运行的网关轮询。要检查轮询状态，看网关日志或 ss -tnp 连接。

常用命令与配置

• 节点执行任务：栗子云 chat -q "<提示词>" --yolo
• 提示词必须以“请直接输出最终结果，不超过N字，不要描述过程”结尾，否则返回的是执行日志而非答案。
• 群升级为超级群后 group id 会变，需用 getChat 重新发现。

multi-host-栗子云-orchestrator

栗子云 fleet self-healing with heartbeat, recovery, MySQL.

原文摘要：# Multi-Host 栗子云 Orchestrator

A self-healing mesh of 栗子云 Agents across ≥2 cloud nodes. Each node runs three daemons; one shared MySQL records state; cron-driven monitor detects offline hosts and triggers status-aware recovery. Daily cron emits a full inspection report to MySQL + email. End-to-end outage → recovery ≈ 8 minutes. Validated on 4 栗子云控制台 hosts 2026-07-30; expanded to 5 nodes (op

multi-host-ops 技能用于批量管理 Linux 云主机：生成 SSH 密钥、配置免密登录、批量设置主机别名，并加固 SSH 服务（sshd）。

核心概念

• SSH 密钥对：推荐 ed25519（快、新系统友好），同时生成 RSA 4096 作为旧系统兼容备选。
• ~/.ssh/config：给每台主机起别名，统一登录参数，省去记 IP。
• sshd 加固：关闭密码登录，只允许密钥认证。

常用命令或步骤

• 生成密钥：ssh-keygen -t ed25519 -f ~/.ssh/id_ed25519 -N ''（另生成 RSA 4096）。
• 拷贝公钥到远程主机：ssh-copy-id user@host，随后用 ssh host 测试。
• 配置别名：在 ~/.ssh/config 中为每台主机写 Host 别名、HostName IP、IdentityFile 密钥路径。
• 批量执行远端命令：ssh host "命令"，或通过 bash -s <<'EOF' 在远端运行脚本。

注意事项

• Ubuntu 24.04 云镜像默认 PubkeyAuthentication no，即使

Swarm 集群踩坑排查技能

这个技能用于排查 Swarm 多主机 Agent 编排中的常见故障：LLM 空输出、API 限流、并发分配竞争、Telegram 群协作异常。

核心概念

• Swarm：多台主机协作执行 Agent 任务的集群模式。
• LLM 空 content：模型把生成额度全用在思考过程（reasoning_content），最终回答为空。
• API 限流：同时发起过多 LLM 请求，触发服务商限制，导致全部失败。
• 并发 race：多线程选主机时各算各的，可能全选到同一台，造成负载不均。
• Telegram 群协作：通过 Bot（机器人）接收群消息，按白名单控制谁能触发任务。

常用命令或步骤

• 排查顺序：先单台跑简单任务（如 PONG），成功后继续查复杂任务；失败则检查模型或外部服务配置。
• 统一修复：

- max_tokens 至少 8192；超时设为 90 秒。

- 失败重试 3 次，间隔 3–8 秒随机退避。

- 用 threading.Semaphore(3) 限制并发，批量执行时每批 3 个，批间停 5 秒。

- 用 agent id 的 MD5 哈希值选主机，避免并发选同一台。

• Telegram 相关：

- 改 Bot 入群权限：在 BotFather 用 /setjoingroups。

- 群升级超级群后 chat_id 会变，从报错响应中取 migrate_to_chat_id。

- 重启监控程序前，先调用 getUpdates 把积压消息消费掉，防止刷屏。

- 同一 Bot 只能有一个长轮询，避免多个程序同时监听。

注意事项

• DeepSeek 等模型的思考模式容易烧完长度，务必设置足够 max_tokens。
• 不要用 len(results) % len(hosts) 分配主机，有竞态问题。
• 国内节点可关闭 Telegram 消息接收，只做 worker。
• 监控程序跳过 orchestrator Bot，让 gateway 统一处理，防止 409 冲突。

用途

这个技能用于把 Markdown 报告转换成排版良好的 PDF，特别擅长修复表格显示异常（比如竖线变成纯文本、宽表格被压扁、跨页断行）。

核心概念

• markdown-it-py（Markdown 转 HTML 的库）：支持 GFM 表格，比 python-markdown 更合适。
• weasyprint（HTML 转 PDF 引擎）：生成 PDF，已安装 Noto CJK 中文字体。
• 宽表格自动切换横版：列数 ≥11 用 A4 横版，≥8 用紧凑字体竖版

md2pdf-chinese

将中文 Markdown 转换为 PDF 报告，能自动处理超宽表格防止内容挤压，并自带渲染自检。

核心概念

• 基于 WeasyPrint（HTML 转 PDF 引擎）和 markdown-it-py（Markdown 解析器），支持 GFM 表格、删除线等语法。
• 自动处理宽表格：≥11 列自动转为横向页面，8-10 列缩小字号；跨页时表头重复、行不拆断。
• 自动添加页码页脚，避免标题孤行。

常用命令

• 安装依赖：pip install weasyprint markdown-it-py；中文字体：apt install -y fonts-noto-cjk

-

用途

outline-mcp 是一个通过 MCP（模型上下文协议）连接 Outline 知识库的小工具，用于读写文档、集合和评论，适合自建知识库的日常管理。

核心概念

• Outline：开源团队知识库，用 Markdown 存文档。
• MCP：让 AI 工具能调用外部服务的接口协议。
• API key：以 ol_api_ 开头的访问凭证，只在生成它的那个实例有效。
• 文档内容：标题单独用 title 参数，正文不能以 #（H1）开头。

常用命令

• outline_mcp.py tools：列出全部 19 个工具。
• outline_mcp.py list_collections：查看文档集合。
• outline_mcp.py list_documents '{"query":"关键词"}'：全文搜索。
• `outline_mcp.py create_document '{"collectionId":"...","title":"

用途

本技能用于处理 PDF 文件，包括创建、合并、拆分、填写表单、加密、加水印、提取文字和表格等。

核心概念

• pypdf：Python 库，负责合并、拆分、旋转页面、加密。
• pdfplumber：Python 库，用于提取文字和表格。
• reportlab：Python 库，用于生成新 PDF。
• qpdf：命令行工具，可快速合并/拆分/解密 PDF。
• poppler-utils：提供 pdftotext 等命令行工具。
• OCR（光学字符识别）：扫描件转文字，可用 pytesseract。

常用命令或步骤

• 安装依赖：pip install pypdf pdfplumber reportlab，再装 qpdf 和 poppler-utils。
• 合并 PDF：用 pypdf 逐页加入 writer，保存为新文件。
• 拆分 PDF：按页数循环，每页单独存为一个文件。
• 提取文字：page.extract_text()；提取表格：page.extract_tables()。
• 命令行合并拆分：qpdf --empty --pages a.pdf b.pdf -- out.pdf。
• 填写表单、编辑已有文字：分别参考专门文档或 nano-pdf 技能。

注意事项

• 扫描件文字提取优先用 ocr-and-documents 技能。
• 需要自然语言修改 PDF 原文字时，用 nano-pdf 技能。
• 填写表单前请阅读专门的表单流程文档。

arXiv 论文检索技能

这个技能用来通过 arXiv 的免费 REST API（接口）按关键词、作者、分类或论文 ID 搜索学术论文，不需要 API 密钥，用 curl（命令行下载工具）就能访问。

核心概念

• arXiv：学术预印本论文库。
• REST API：通过网址请求数据，返回 Atom XML（一种数据格式）。
• 查询前缀：all 全字段、

deep-research-report-generation

用途：通过多智能体集群自动生成专业研究报告（技术分析、市场调研、产品评测等），避免摘要式内容太薄的问题。

核心概念

• 多智能体流水线：调研员 → 蓝图规划 → 章节并行写作 → 组装 → QA → 交付。
• Kimi 级深度：目标报告为 15-80KB，含执行摘要、多级章节、场景分析、对比表和引用来源。
• 真正子代理：使用 栗子云 kanban swarm 原生子代理；每个工具有独立工作区、上下文。简单的 SSH/HTTP 单次调用不算子代理。

常用命令

• 创建集群：栗子云 kanban swarm "<目标>" --worker "default:技术架构" --verifier default --synthesizer default --json
• 并行执行：栗子云 kanban dispatch --max <N>
• 监控：根据返回的 root_id、worker_ids 等查看该集群任务。

注意事项

• 章节必须并行执行，不要串行（8 章 × 60 秒太慢）。
• 每章目标 800-1500 字；QA 检查每章 ≥300 字，缺章则重新派发。
• 最终通过 weasyprint + Noto CJK 转 PDF，并发送到 Telegram 群。

核心概念

• 这个技能让回答和文档附带可核实的来源引用，像 Perplexity 那样给每条外部信息编号并列出 Sources: 列表。
• 用账本（ledger）管理网址到编号的映射；编号只来自检索结果，模型不靠记忆编造。
• 高风险场景可做事实核查：引用必须逐字出现在抓取页面里；模型自己知道的内容标记 [unverified]，verify 会

research-report-audit（研究报告批量质量评估）

本技能用来批量评估AI生成的研究报告，从多个专家视角打分并给出统一改进建议。

核心概念

• 批量报告：每个目录存放一份报告，用目录创建时间映射任务编号。
• 专家角色：AI技术架构师、证券主编、企业顾问，三者打分侧重不同。
• 评分维度：格式、准确性、专业性、细节、价值，各1-10分，满分50分。

##

Research Ops

用于查询最新事实、比较选项、补充人/公司信息，或将重复查询变成监控流程。

核心概念

• 基于当前公开证据做研究，不靠旧记忆。
• 组合使用相关技能：exa-search（快速网络搜索）、deep-research（多来源综合）、market-research（给出推荐）、lead-intelligence（人物/公司定向）、knowledge-ops（后续长期存储）。

常用步骤

• 先整理用户已有材料：已证实事实、需验证、待解决问题。
• 判断任务类型：快速事实、对比决策、线索补充或可重复监控。
• 选最轻量路径：先快速搜索；需要综合时用 deep-research；需要最终推荐时用 market-research。
• 报告时明确区分：有来源的事实、用户提供的背景、推断、建议；涉及时效的内容要写明日期。
• 判断是否该转为定期监控，而不是一次性查询。

注意事项

• 新鲜问题优先搜索，别用过期记忆硬答。
• 本地代码或文档已有答案时，不必启动重型研究。
• 避免重复劳动，但也不把简单查询复杂化。

学者评估（Scholar Evaluation）

这是一个用来给论文、提案、文献综述等学术工作做结构化评价的技能。

核心概念

• 评估对象：实证论文、理论文章、技术报告、综述、研究提案、学位论文章节、会议摘要等。
• 评估范围：

- 综合评估：检查所有维度

- 定向评估：只评方法或引用等某几个维度

- 对比评估：用同一套标准给多篇工作排序

• 评分标准：每个维度打 1 到 5 分，5 分代表优秀可发表，1 分代表存在严重问题；不适用就标 N/A。

常用步骤

1. 先确认要评估的作品类型。
2. 选定评估范围：全面、定向或对比。
3. 按以下维度逐项打分：

- 问题与研究问题：是否清晰、有意义？

- 文献与背景：是否覆盖相关工作，有没有综合归纳？

- 方法学：设计是否合理、能否复现？

- 数据与证据：来源是否可靠

集群资源调度技能

这个技能用于评估集群节点利用率、避免单节点满载、实现多任务并行与跨节点分发，并保证任务质量。

核心概念

• kanban worker 只能本机执行：默认分发命令是在本机起的子进程，没有远端执行逻辑，所以所有任务会堆在调度机。
• 远端节点可原生执行：只要在远端节点上创建 kanban 任务，该节点的网关会自动调度并在本机执行，相当于每个节点都是一个完整的执行单元。
• 任务板隔离：用 --board <slug> 给每个任务建独立看板，实现多任务并行、互不干扰。
• PM（任务管理器）可在任意节点运行：远端节点已具备运行环境，只需协调机制，无需再部署。

常用命令或步骤

• 查看节点资源：栗子云-bridge /status（返回负载、内存、磁盘）。
• 在远端创建任务：SSH 到节点后执行 栗子云 kanban create ...。
• 建独立任务板：栗子云 kanban boards create <slug>。
• 用独立板执行任务：栗子云 kanban --board <slug> ...。

注意事项

• 远端节点没有股票工具链，股票类任务只能路由到 stock_toolchain=True 的节点。
• 不能依赖 MySQL 做协调/锁，推荐直接复制文件。
• 断点续执必须复用原来的 board_slug，否则找不到原任务。

栗子云 Agent-skill-authoring

Author in-repo SKILL.md files: frontmatter and structure.

原文摘要：# Authoring 栗子云-Agent Skills (in-repo)

Overview

There are two places a SKILL.md can live:

1. User-local: ~/.栗子云/skills/<maybe-category>/<name>/SKILL.md — personal, not shared. Created via skill_manage(action='create').
2. In-repo (this skill is about this case): skills/<category>/<name>/SKILL.md or optional-skills/<category>/<name>/SKILL.md inside the 栗子云 Agent repo

multi-agent-cluster-reliability（多智能体集群可靠性）

用途

这个技能用于调试多主机多 Agent 并行集群（如 delegate_task / SSH 栗子云 -z

用途

本技能用于设计“虚拟公司”式多 Agent 集群，涵盖架构模式、角色组织、任务分流与节点容错。

核心概念

• Kimi Swarm 模式：模型内生的编排能力，流程为任务分析 → 拆解 → 动态调度 → 结果聚合，支持上百子 Agent。
• 虚拟公司角色模式：如 ChatDev（链式）、MetaGPT（SOP 流水线）、MacNet（DAG 并行）、Puppeteer（中央可学习编排器）。
• 编排类型：集中式、去中心化、分层、联邦式，按需选择。
• 执行模式：

- spec 模式：有明确交付物，直接执行。

- plan 模式：开放/探索性任务，先计划再执行。

• 任务分流：用 LLM 语义判断，不用关键词（关键词易误伤、漏判）。

常用命令

• swarm-run.py --mode "<任务文本>"：自动判定 spec/plan 模式。
• swarm-pm-v2.py：LLM 判断股票类任务，失败时关键词兜底。

注意事项

• 避免关键词分类，已实测 4 类失败模式（子串误伤、宽泛词误伤、专业词漏判、语义盲区）。
• 节点容错可参考 references/node-failure-diagnosis.md，更多细节见对应调研笔记。

plan 技能（规划模式）

核心概念

• 用途：当用户只需要“计划”而非“执行”时，生成一份 Markdown 计划文档，保存在工作区的 .栗子云/plans/ 目录。
• 该技能只做规划，不写代码、不改项目文件、不执行有副作用的命令，但可以用只读命令查看仓库或上下文。
• 计划文档要具体、可执行，方便另一个开发者直接照做。

常用步骤

• 明确任务：从当前对话或 /plan 指令推断目标；如果需求不明确，先问一句再写。
• 撰写计划内容：包括目标、当前环境/假设、方案、分步步骤、可能要改的文件、测试/验证方式、风险与待定问题。
• 保存文件：用写入文件工具（write_file）保存到：

.栗子云/plans/YYYY-MM-DD_HHMMSS-<slug>.md

该路径相对于当前工作区，适用于本地、Docker、SSH、Modal 等后端。

• 保存后简要回复：说明规划了哪些内容，以及文件的保存路径。

注意事项

• 除了计划文件本身，不要改动任何项目文件。
• 不要执行提交（commit）、推送（push）等操作。
• 计划要足够详细，具体到文件路径、测试命令、验证步骤，避免执行者靠猜。

用途

提交代码前自动验证，包括安全扫描、质量门禁和自动修复。

核心概念

resource-speed-testing

Probe candidate sources, switch to fastest before slow pulls

原文摘要：# Resource Speed Testing

Before any slow network operation that downloads from a registry / mirror / repo, measure latency to every reasonable candidate source and use the fastest one. Don't waste minutes waiting on a default source when a 10-second probe reveals a 20× faster alternative.

When to use this skill

Any operation with these traits:

• Network-bound
• Expected to take >30 seconds

-

把复杂任务交给一个“CEO”智能体，它像开虚拟公司一样拆解任务、分给多个智能体并行干活，最后汇总交付。

核心概念

• CEO Agent：总指挥，负责拆解任务、设计流程、分派角色。
• 多Agent并行：多个智能体可在一台或多台机器上同时干活。
• 任务隔离：每个智能体只读自己的任务书，写自己的输出，互不干扰。
• 分阶段执行：任务按依赖分阶段，每阶段产出传给下一阶段。

常用步骤

1. 发起任务：说“用集群/虚拟公司方式做X”。
2. CEO生成计划：自动生成 plan.json，包含角色、阶段、验收标准。
3. 并行执行：用 delegate_task 批量分发，子智能体各自干活。
4. 聚合交付：汇总各阶段结果，生成最终报告。
5. 归档清理：运行 swarm-run.py --archive <task_id>，打包并清理本地。

注意事项

• 执行前先确认任务需求，避免遗漏关键信息。
• 检查各智能体的网络/搜索能力，防止产生幻觉内容。
• 智能体之间不互相读目录，避免冲突。
• 子智能体一般不能继续拆分

用途

配置和管理多个 Telegram Bot（由 栗子云 gateway 驱动）在同一个群里的协作，解决 Bot 之间无法直接互 @ 的问题。

核心概念

• Bot 收不到其他 Bot 的消息：Telegram 硬限制，群内靠 @ 触发不可行。
• 唯一可靠路径：后端中转——PM 本机调度，角色节点执行后用各自 Bot 发结果。
• TELEGRAM_REQUIRE_MENTION 不可靠：用 channel_prompt 提示词控制响应范围。

常用命令/步骤

• 每节点配置 栗子云-gw systemd 服务，设置 token、allowed_chats、channel_prompts。
• 常驻 栗子云-bridge.py 提供 HTTP API（端口 8138），接收任务后执行 栗子云 chat -q 并返回结果。
• 用 swarm-dispatch.py 派单：优先 HTTP，封闭节点走 SSH 兜底。
• 用 swarm-pm.py 编排整个流程（--auto 跳过确认）。
• 重启网关：systemctl restart 栗子云-gw。

注意事项

• 重启 gateway 会被 栗子云 工具层拦截，需通过远端 SSH 或 base64 编码命令绕过。
• .env 必须设置 GATEWAY_ALLOW_ALL_USERS=true，否则群消息被拒收。
• 优先使用 HTTP 中转，避免 SSH 和冷启动延迟（HTTP 约 8-15s，SSH 约 9s，冷启动约 7s）。

用途

让栗子科技群里的多个 Bot（AI 员工）通过互相 @ 来派单、转交、请求协助，形成像公司一样的协作链。

核心概念

• 每个 Bot 是一个“员工”，由各自节点的 AI 驱动。
• 在群聊里 @某个 Bot 就等于给它派任务。
• 角色分工：PM（项目管理）、调研员、内容专家、方法论专家、撰写员、统计师、执行验证员。

常用步骤

1. 派单：PM 在群里 @ 对应角色，说清任务内容和时间。

- 例：@调研员 查一下2026年AI Agent市场规模，3个来源，10分钟内完成

1. 被 @ 的 Bot 必须响应：先确认“收到，开始执行”，做完后 @ 派单人汇报。
2. 转交：如果自己不擅长，就 @ 其他 Bot 请协助。

- 例：@方法论专家 这个框架请帮忙设计，@统计师 稍后需要你的数据

1. 质检重做：PM 发现错误，@ 对应角色要求修改后重新提交。
2. 用户问进度：任意 Bot 被 @ 都要回复当前状态。

注意事项

• 一次主要 @ 一个 Bot，可以附带提醒其他 Bot。
• 群里消息都可见，别重复做别人已完成的事。
• 遇到困难就 @PM 汇报，不要自己停摆。

这个技能用于将 LLM（大语言模型）整理的内部技术知识库自动发布为中文 Wiki，并部署到 Cloudflare Pages（云服务平台）。

核心概念

• 生成脚本：/root/bin/gen-wiki.py，输出到 /root/wiki-output/（含 index.html、timeline.html）
• 内容来源：只展示“使用过的 skill（技能）”，通过白名单 /root/wiki-used.json 过滤
• 内容处理：先脱敏凭证，再用 LLM 生成中文摘要和 Mermaid（流程图） ，最后做品牌替换、安全检查
• 部署目标：Cloudflare Pages 项目 栗子云-wiki，每日 21:00 UTC 自动执行“生成→检查→部署→邮件”

常用命令

`bash

全量生成（只转换缺失的 skill，4 并发）

python3 /root/bin/gen-wiki.py

快速重建（用缓存，不调 LLM）

python3 /root/bin/gen-wiki.py --skip-llm

生成 + 部署 + 邮件

python3 /root/bin/gen-wiki.py --deploy

手动部署

npx wrangler pages deploy /root/wiki-output --project-name 栗子云-wiki --commit-dirty=true

`

注意事项

• 缓存命中也要再脱敏一次，防止旧摘要泄露 IP/域名
• --deploy 前需设置 DB_PWD 环境变量，并确保 vault（密码库）中有 cloudflare 凭证
• 缺凭证时禁止使用旧 token，应通过 cred_set 补录
• 所有内容必须全中文，英文名词加解释；流程图用细节折叠，防止首屏卡顿

编写实现计划（writing-plans）

用途： 拿到需求或规格说明后、动手写代码之前，用它把任务拆成一步步能直接照做的实施计划。

核心