⚡ 栗子云知识库

Skills & 记忆 · 每日 LLM 整理

56 技能
30 分类
3 记忆
3 更新记录

🧠 系统记忆

【集群派单铁律(2026-08-15/16)】①worker_meta必含goal,消费端_wm["goal"]禁静默回退②--workers纯数字=数量意图③LLM维度拆分workers须list类型校验+语义质量门④预检异常fail-closed⑤SWARM_STOCK_REMOTE=1(默认0)使股票worker路由HK-Q⑥(08-16)所有远端节点(HK4//HK-Q)dispatch_in_gateway=false(DR迁移统一配)→远端worker永远ready无产出("只合1维度"根因),修复:dispatch_remote创建后SSH执行`栗子云 kanban dispatch --max 2`主动认领+node_selector HK-Q exclude:True(仅容灾);丢维度排查顺序=pm-state派发分布→远端kanban list状态(ready=没执行)→swarm-remote空。教训:1000+测试全绿但fixture复跑无真实集群任务→实战暴露SSH/kanban/worker链路问题,须补真实集群冒烟+契约测试
【交付物质量根治+闭环(2026-08-16)】R2"没跑"是误判——真因: llm_expert_review.extract_text v3只取前9000字符(缺陷全在截断外→盲审判78/72pass); 已改v4头尾16000+章节索引。三级门禁全是建议无一强制→deliver_gate.py单点门禁fail-closed(R2必跑含续执路径+证据落盘r2-evidence.json+SWARM_DELIVERY_GATE=0回滚)。断点续执L2060-2131原完全绕过postprocess/合规/R2。内部命名BLOCK只查标题行(正文"维度0引用"合法勿误伤)。重复章节去重反转白名单。存量113交付物93→111合规。质量改进闭环: defect-review.json(自愈成功也落盘)→defect-improvements.jsonl(指纹查重)→defect-review-daily.py每日02:30重扫D-1→compliance-history.jsonl趋势。误报甄别: 来源残留只查行首#标题/文件名校排除技术词+姊妹篇WARN/空标题不计。详见skill deliverable-quality-gate
【集群web链路架构(2026-08-16)】firecrawl唯一实例在HK-Q(:3002),searxng主端点HK2(:8888),5节点.env的SEARXNG_URL+firecrawl容器SEARXNG_ENDPOINT统一指向HK2;HK3是CentOS7(glibc2.17)无法跑chromium(系统限制),浏览器走firecrawl代理。质量改进闭环已落地:deliver_gate BLOCK时写defect-review.json+每日02:30 defect-review-daily.py聚合改进池(/root/swarm/state/defect-improvements.jsonl)+合规率历史(compliance-history.jsonl),自动应用首轮只dry

👤 用户档案

需求开发前必派多个子agent评估最优方案(替代对比/风险/防新问题)通过后才开发;复杂需求每实现点分别评估;重大架构改造多子agent分头设计取最优→产出开发计划/需求表/测试用例/表设计→按计划开发→多次测试;方案中需决策之处老板授权10子Agent分析后直接决策(2026-08-15)
【通知静默偏好(2026-08-16)】老板明确不要监控/日报类主动通知打扰: 任务管理日报(TG)、任务管理CRIT邮件、配置巡检告警——全部已改默认静默(dry), 仅显式开关(如TM_ALERT_SEND=1)才发; 群消息只允许一个Bot响应(本机orchestrator唯一响应未@消息)
【开发流程铁律(2026-08-15)】老板定: 需求开发前必派多个子agent评估最优方案(替代对比/风险/防新问题)通过后才开发; 复杂需求每实现点分别评估; 重大架构改造多子agent分头设计取最优→产出开发计划/需求表/测试用例/表设计→按计划开发→多次测试; 方案中需决策之处老板授权10子Agent分析后直接决策

📁 automation-audit-ops 1 个技能

automation-audit-ops automation-audit-ops

automation-audit-ops

Evidence-first automation inventory and overlap audit workflow for ECC. Use when the user wants to know which jobs, hooks, connectors, MCP servers, or wrappers are live, broken, redundant, or missing

原文摘要：# Automation Audit Ops

Use this when the user asks what automations are live, which jobs are broken, where overlap exists, or what tooling and connectors are actually doing useful work right now.

This is an audit-first operator skill. The job is to produce an evidence-backed inventory and a keep / merge / cut / fix-next recommendation set before rewriting anything.

Skill Stack

Pull these EC

🔀 查看流程图
flowchart TD A[开始] --> B[盘点自动化] B --> C[按类别分组] C --> D[标记每项状态] D --> E{证据完整?} E -- 否 --> B E -- 是 --> F[输出证据表] F --> G[给出建议] G --> H[结束]

📁 AI 智能体 4 个技能

dr-primary-repointing AI 智能体

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
🔀 查看流程图
flowchart TD A[检测主节点变更] --> B{本机是否新主?} B -- 是 --> C[确认新主机身份] B -- 否 --> D[指向新主节点] C --> E[更新身份指针] D --> E E --> F[刷新租约文件] F --> G[验证派单覆盖] G --> H{验证通过?} H -- 是 --> I[完成] H -- 否 --> J[回滚并告警]

栗子云 Agent 使用指南 AI 智能体

栗子云 Agent 是一个开源 AI 代理框架技能，用于使用、配置、主题化、扩展和编排 栗子云 Agent（一款由 Nous Research 开发的 AI 代理工具）。

核心概念

  • 栗子云 Agent：类似 Claude Code、Codex 的自主编码代理，可在终端、桌面应用、聊天平台和 IDE 中运行。
  • 多模型支持：兼容 OpenRouter、Anthropic、OpenAI、Google、DeepSeek、xAI 等 20 多种模型提供商。
  • 独特能力：技能自改进、跨会话持久记忆、多平台网关（Telegram、Discord、Slack 等）、多界面（CLI、桌面、Web、IDE 插件）、可扩展可换肤、支持多配置文件。

常用命令或步骤

  • 快速开始：运行 栗子云，选择模型提供商，开始对话。
  • 查看帮助：栗子云 --help 或 栗子云 <命令> --help。
  • 本技能是枢纽：回答细节问题前，先加载对应的参考文档；不要只凭正文回答。

注意事项

  • 本技能只是操作指南，不是完整事实源。
  • 如果某个功能、命令或设置未在文档中提及，不代表它不存在。先查官方文档（栗子云 Agent.nousresearch.com/docs）或源码仓库，再给出否定答案。
🔀 查看流程图
```mermaid flowchart TD A[开始使用]

multi-agent-swarm-orchestration AI 智能体

多 Agent 集群编排（Kimi Agent Swarm / 虚拟公司模式）

核心概念

这个技能用于把复杂任务自动拆解成多个子任务，分给不同角色的 Agent 并行协作，最后汇总结果——相当于模拟一家虚拟公司。

  • 四个环节：任务分析 → 拆解 → 动态调度 → 结果聚合
  • 调度器会生成多个带角色、工具和子任务的子 Agent，并行干活
  • 参考 ChatDev / MetaGPT 的链路：角色串联或按依赖图并行

常用命令或步骤

  • 先让 orchestrator 生成 plan.json，写明角色、依赖、产出格式
  • 用 delegate_task 按并行组分批派发，结果写入共享目录
  • 串行任务传上下文，最后聚合终轮做质量检查和交付
  • 生产环境可用 栗子云 kanban swarm 自动建 DAG 并调度

注意事项

  • 简单任务直接单 Agent 处理，别开 Swarm，省 token
  • 并行度受 max_concurrent_children 限制，调高会增成本
  • 部分失败会自动重试或降级；有预算上限，不无限迭代
  • 每步落盘可断点续跑，用户可中途插话调整方向
🔀 查看流程图
flowchart TD A[接收大任务] --> B{分析器判断复杂度} B -->|复杂| C[拆解器拆分子任务] B -->|简单| D[直接执行] C --> E[调度器分配角色] E --> F[多Agent并行执行] F --> G[聚合器合并结果] D --> G G --> H[输出最终成果]

telegram-multibot-engineering AI 智能体

用途

在同一个 Telegram 群里运行多个 Bot 协作，解决响应混乱、409 冲突、消息收不到等工程问题。

核心概念

  • Bot 收不到其他 Bot 的消息：Telegram 硬限制，群内协作不能靠 Bot 互 @，必须后端中转（如 PM 派单）。
  • 同一 Bot 只能一个 getUpdates 轮询：多轮询触发 409，Bot 会“离线”。

常用命令或步骤

  • 配置 require_mention：

栗子云 config set telegram.extra.require_mention true

同时可设环境变量双保险，并开启 observe_unmentioned_group_messages，让未 @ 消息只观察不响应。

  • 验证轮询状态：用 ss -tnp | grep 149.154 查 Telegram 连接，不要用 getUpdates 探测。
  • 清空日志：重启 gateway 由新进程重建，不要手动 > gateway.log。

注意事项

  • 手动 getUpdates 探测会抢占轮询，导致 gateway 冲突后放弃 poll；探测后必须重启 gateway 等 2-3 分钟。
  • 角色 Prompt 要显式约束对老板的语气，防止 LLM 说出“少废话”等不
🔀 查看流程图
flowchart TD A["开始"] --> B["配置require_mention"] B --> C["确认仅后端轮询"] C --> D["群内收到消息"] D --> E{"消息@本Bot?"} E -- "否" --> F["静默观察"] E -- "是" --> G["PM派单角色执行"] G --> H["结果发回群"] H --> I["间隔1-2秒防429"]

📁 benchmark 1 个技能

benchmark benchmark

本技能用于给项目测性能基线、发现改动前后的性能回退，还能对比不同技术方案。

核心概念

  • 性能基线：记录当前项目的性能指标，作为后续对比基准。
  • 回归检测：改动后与基线对比，看指标是否变差。
  • 三种测量模式：页面性能（浏览器实际加载）、API性能（接口延迟）、构建性能（开发反馈速度）。

常用命令或步骤

  • 页面性能：访问目标网址，测核心网页指标（LCP 最大内容绘制、CLS 累积布局偏移、INP 交互到下一帧绘制、FCP 首次内容绘制、TTFB 首字节时间），并统计页面总大小、JS/CSS/图片体积、网络请求数等。
🔀 查看流程图
flowchart TD A[开始] --> B[选择测量类型] B --> C[执行基准测量] C --> D[保存基线] D --> E[代码改动] E --> F[运行对比] F --> G[生成对比表] G --> H{性能回退?} H -- 是 --> I[标记警告] H -- 否 --> J[通过]

📁 benchmark-methodology 1 个技能

benchmark-methodology benchmark-methodology

本技能用于把竞品集转为可比较、可辩护的评分：每个竞品按同一套九个维度打分，并生成统一档案卡。

核心概念

  • 九个维度：评分维度覆盖定位清晰度、品牌语气、视觉识别、服务包装、证据可信度等，各有权重，总分100%。
  • 客户定位简报：评分前必须先明确客户的战略张力（例如“记忆度 × 可雇佣性”）、差异化优势和品牌平衡。
  • 关键原则：维度9永远是客户指定的张力，两个极分别计分，绝不平均；权重只用于综合解读，不合成单一分数。

常用步骤

  1. 确认竞品范围来自竞品平台分析，且战略张力已确立。
  2. 根据客户定位简报，确定重点维度。
  3. 对每个竞品按九个维度逐一给出1—5分，并附证据。
  4. 生成统一档案卡，供后续竞品报告组装。

注意事项

  • 避免凭感觉排名；相同证据应得到相同分数。
  • 不要将张力两极合成一个平均值，必须分开报告。
  • 不要生成加权总分这类“假综合分”，以免误导客户。
🔀 查看流程图
flowchart TD A[确定九维评分] --> B[收集竞品证据] B --> C[对照评分标准] C --> D{证据是否充分} D -- 否 --> B D -- 是 --> E[按1-5打分] E --> F[检查评分一致性] F --> G[生成统一画像卡] G --> H[输出可比分数]

📁 clickhouse-io 1 个技能

clickhouse-io clickhouse-io

ClickHouse 分析模式

本技能用于设计 ClickHouse 表结构、优化查询性能，并完成实时分析或数据迁移。

核心概念

  • ClickHouse 是列式数据库管理系统，适合联机分析处理（OLAP）场景。
  • 常用表引擎：

- MergeTree：最常用，支持分区和排序键。

- ReplacingMergeTree：自动去重。

- AggregatingMergeTree：预聚合数据，加速统计。

常用

🔀 查看流程图
flowchart TD A[开始] --> B[接入数据] B --> C{选择引擎} C -->|MergeTree| D[建表分区排序] C -->|Replacing| E[去重设计] C -->|Aggregating| F[预聚合存储] D --> G[查询优化] E --> G F --> G G --> H[监控调优] H --> I[结束]

📁 云主机部署 1 个技能

云主机部署 云主机部署

cloud-vm-deploy

Deploy cloud VMs with a 7-phase checklist and auto report.

原文摘要：# Cloud VM Deployment — Checklist-Driven + Auto Report

Deploy a new cloud VM (魔方云/飞讯云 栗子云控制台 轻量云) with a standardized 7-phase checklist. Every phase is mandatory, every step has a verifiable completion criterion. After completing all phases, generate a deployment report.

When to Use

  • User asks to deploy/setup a new cloud VM
  • Provisioning a fresh 栗子云控制台 instance
  • Replicating the 栗子云-a
🔀 查看流程图
flowchart TD A[开始预检] --> B{SSH状态} B -- 正常 --> C[生成报告] B -- 锁死 --> D[自动重装] D --> E[重新读取密码] E --> F[SSH验证] F -- 成功 --> C F -- 失败 --> D

📁 创意设计 3 个技能

架构图绘制 创意设计

用途

这个技能能根据你的系统架构描述，生成一个深色科技风的 SVG 架构图，并输出为独立的 HTML 文件，用浏览器打开就能看，无需任何外部工具或 API。

核心概念

  • 输出格式：单个 HTML 文件，内嵌 SVG 图形，离线可用。
  • 深色网格风格：组件用不同颜色区分类型（前端青色、后端绿色、数据库紫色、云服务琥珀色等），并使用半透明填充与彩色描边。
  • 适用范围：软件系统分层、云基础设施、微服务拓扑、数据库与 API 部署图等。

常用步骤

  1. 向技能描述你的系统组件、连接关系和技术栈。
  2. 技能生成 HTML 架构图文件，默认保存为 ./[项目名]-architecture.html。
  3. 建议用户用浏览器打开，例如 macOS 下运行 open ./my-architecture.html，Linux 下运行 xdg-open ./my-architecture.html。

注意事项

  • 该技能专攻技术/基础设施类图形，不适合物理、化学、生物等科学示意图，也不适合手绘白板风格或动画演示。
  • 若遇到更专业的绘图技能，应优先使用；本技能可作通用 SVG 兜底，但会带上深色科技风外观。
🔀 查看流程图
flowchart TD A[开始] --> B[用户描述架构] B --> C{是否适合架构图?} C -- 否 --> D[提示不适合] C -- 是 --> E[设计组件配色] E --> F[生成HTML/SVG] F --> G[保存为.html文件] G --> H[浏览器打开预览] D --> I[结束] H --> I

html-to-png-diagram 创意设计

html-to-png-diagram

Render HTML Gantt/diagram pages to PNG via Playwright.

原文摘要：# HTML → PNG 可视化交付

把结构化数据渲染成甘特图 / 架构图 / 信息图并交付为图片（Telegram MEDIA / 邮件附件）。方法：写纯 HTML（table 布局 + 全内联样式）→ Playwright 无头浏览器截图 → PIL 验证 → 交付。

触发条件

  • 用户要求"画个图 / 甘特图 / 分工图 / 示意图"
  • 需要把时间轴、分工、流程可视化为图片
  • 深色主题图表交付到聊天平台

步骤

  1. 写 HTML（/tmp/xxx.html 或工作目录）：

- 深色背景 #0f172a + 浅色文字 #e2e8f0，卡片 #1e293b

- 甘特图：position:relative 轨道 .gantt-track（height:28px）+ 绝对定位 .gantt-bar（le

🔀 查看流程图
flowchart TD A[编写HTML图表] --> B[保存.html文件] B --> C[Playwright加载] C --> D[等待渲染] D --> E[截图保存PNG] E --> F[PIL验证图片] F --> G{验证通过?} G -- 是 --> H[输出PNG] G -- 否 --> B

文本人性化 创意设计

Humanizer 技能：给文本“去AI味”

这个技能用于把人工智能（AI）生成的“机器腔”文本，改写成自然、像真人写的中文。

核心概念

  • AI文本常见毛病：空话套话、排比堆砌、语气僵硬、过度强调。
  • 去AI味不是删内容，而是保留原意，改用真实、有节奏的人类语言。
  • 如果用户提供自己的写作样本，就模仿其用词和语气。

常用步骤

  • 通读全文，标出AI腔明显的句子。
  • 逐句改成短句、口语化表达，避免“首先/其次/总之”式模板。
  • 文件处理：用 read_file（读取文件）打开，用 patch（局部修改）改段落。
  • 最后反问自己：“哪里还像AI写的？”再修一遍。

注意事项

  • 自然比“高级”重要，别为了像人而堆网络梗。
  • 必须以保留原意为前提，不乱删关键信息。
  • 修改后应向用户展示改后内容或差异，不要静默覆盖。
🔀 查看流程图
flowchart TD A[读取文本] --> B[检测AI痕迹] B --> C{有AI味?} C -- 是 --> D[定位痕迹类型] D --> E[注入个性改写] E --> B C -- 否 --> F[输出自然文本]

📁 deep-research 1 个技能

deep-research deep-research

deep-research 技能

这个技能用于做多源深度研究：通过 firecrawl 和 exa 两类 MCP 工具（大模型调用外部服务的标准接口）搜索网页、抓取内容，最后汇总成带引用来源的中文报告。

核心概念

  • firecrawl：网页搜索与抓取工具，支持搜索、抓取、爬取网页。
  • exa：AI 搜索引擎，支持语义搜索和高级过滤，适合找特定时间段的资料。
  • 多源综合：不只依赖单一来源，而是从多个网站收集信息后交叉验证、综合总结。
  • 引用归属：报告里要标注每条信息的来源，方便追溯。

常用步骤

  • 明确目标：问用户“是为了学习、做决策，还是写东西？”如果用户只说“研究一下”，就直接按常规方式执行。
  • 拆分问题：把主题拆成 3～5 个子问题，例如研究“AI 医疗”可拆成应用场景、临床效果、监管挑战、头部公司、市场规模。
  • 执行搜索：对每个子问题，用 firecrawl_search 或 web_search_exa 搜索，换 2～3 组关键词，共收集 15～30 个来源。
  • 深读关键页面：用 firecrawl_scrape 或 crawling_exa 抓取重要网页的全文，不能只看搜索摘要。
  • 撰写报告：综合各来源信息，按子问题组织内容，并附上引用链接。

注意事项

  • firecrawl / exa 的工具名称、
🔀 查看流程图
flowchart TD A[开始] --> B[接收研究请求] B --> C[搜索多源信息] C --> D{结果是否充分} D -- 否 --> C D -- 是 --> E[综合分析发现] E --> F[生成引用报告] F --> G[输出研究报告] G --> H[结束]

📁 devops 7 个技能

cloudflare-kitesurf-vision devops

本技能用于在 firecrawl 抓取失败或需要网页截图/视觉理解时，用 Cloudflare Kitesurf 截图 + mimo-v2.5 视觉模型作为兜底方案。

核心概念

  • firecrawl：网页抓取工具，简单页面速度快，但遇到反爬或动态页会失败。
  • Kitesurf：Cloudflare 2026-08 发布的浏览器（跑在 Workers），可快速截图，返回 PNG 二进制；冷启动约 30s，重复请求约 0.1s。
  • mimo-v2.5：支持视觉的模型，用于解读截图内容。

常用步骤

  1. 优先尝试 firecrawl 抓取；失败后改用 Kitesurf 截图。
  2. 调用 Kitesurf 截图 API：用 Cloudflare 凭证（从 MySQL 读取）请求，带上 User-Agent: Mozilla/5.0，超时设 60s。
🔀 查看流程图
flowchart TD A[开始抓取] --> B[尝试 Firecrawl] B --> C{成功且无需截图?} C -- 是 --> D[返回抓取结果] C -- 否 --> E[调用 Kitesurf 截图] E --> F[获取 PNG 二进制] F --> G[视觉模型分析] G --> H[输出截图解读]

environment-handover-restore devops

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
🔀 查看流程图
flowchart TD A[开始] --> B[盘点环境] B --> C[打包数据] C --> D[中继交付] D --> E[计划核对] E --> F{计划一致?} F -- 否 --> E F -- 是 --> G[执行恢复] G --> H[完成交接]

knowledge-inventory devops

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
🔀 查看流程图
flowchart TD A[开始盘点] --> B[枚举知识对象] B --> C[任务与会话] B --> D[技能与脚本] C --> E[提取结构信息] D --> E E --> F{已覆盖 Outline?} F -- 否 --> G[记录缺失项] F -- 是 --> H[输出恢复支撑报告] G --> H H --> I[结束]

outline-mcp-knowledge-base devops

Outline MCP 知识库接入

用于让 AI 代理通过 MCP 协议读写自建 Outline 知识库（笔记、文档、评论），支持凭证安全管理和多账号协作。

核心概念

  • Outline：自建笔记/知识库系统，内置 MCP 服务，AI 可搜索、读取、写入。
  • MCP（模型上下文协议）：AI 与外部工具/数据源交互的标准接口。
  • 凭证库（vault）：所有账号密码、API key 已从 MySQL 迁移到 Outline 内部加密存储，用 vault_creds.py 读取，禁止硬编码。

常用命令

  • 读取某服务凭证：vault_creds.py get <provider> <key>
  • 获取某服务全部凭证：vault_creds.py get_all <provider>
  • 连接 MySQL：vault_creds.mysql_conn(**kw)
  • 凭证增删改查：outline_mcp.py cred_set / cred_get / cred_list / cred_del
  • MCP 端点：https://note/mcp

注意事项

  • 凭证不落本地文件，新脚本必须从 vault 读取。
  • API key 格式固定：ol_api_ + 38 位随机字符串。
  • 必须使用自建实例域名，官方云域名会返回 401。
  • MySQL 旧凭证库已离线，不要再引用。
🔀 查看流程图
flowchart TD A[开始] --> B[读取凭证] B --> C[连接MCP] C --> D[搜索文档] D --> E{文档存在?} E -- 是 --> F[读取/更新] E -- 否 --> G[新建文档] F --> H[写入/评论] G --> H H --> I[结束]

sdlc-review devops

SDLC Review 技能

这个技能用于审查 Kanban（看板）流程中从实现阶段移交到评审区的任务，独立判断后给出通过、要求修改或升级的意见。

核心概念
  • 独立评审：只审查交付物和证据，不接手实现工作。
  • 三种结论：通过（approve）、要求修改（request changes）、升级（escalate）。
  • 修改回转：要求修改后任务回到原实现者；再次提交评审时，系统会自动分配给原评审人。
常用命令或步骤
  1. 用 kanban_show 查看任务规格、验收标准和最新移交说明。
  2. 检查实际交付物，运行相关验证。
  3. 选择唯一结论：

- 通过：运行 kanban_complete

- 要求修改：先 kanban_comment 说明问题，再 kanban_request_changes

- 升级：运行 kanban_block

  1. 在任务流转中记录具体证据。
注意事项
  • 仅当任务来自 review 车道且已有 review_requested 移交时使用。
  • 不要用于下游的独立评审卡片——那种卡片走正常的实现流程。
  • 每轮评审应变换关注点，避免重复同样的检查，以便发现不同类别的问题。
🔀 查看流程图
flowchart TD A[接到评审请求] --> B[查看任务卡片] B --> C[检查交付物] C --> D[运行验证] D --> E{能否通过?} E -- 通过 --> F[记录证据并完成] E -- 要求修改 --> G[评论并退回修改] E -- 升级 --> H[记录并升级阻塞]

swarm-mechanism-test-planning devops

Swarm 机制测试方案编写

用于为 swarm-pm-v2.py（Swarm 集群任务编排器）的机制改动设计五层测试方案。

核心概念

  • 机制改动：返工循环、轮次上限、经验库、合并队列、复盘闭环等。
  • 五层测试：① 单元（纯函数 pytest）② 集成（单任务端到端）③ 对照（开/关机制 A/B）④ 回归（兼容性）⑤ 量化断言（目标/基线/数据源/口径）。
  • 原则：断言必须锚定真实代码和数据源；文档行号需 grep 实测。

常用命令或步骤

  • 先读需求、开发计划、设计文档，再 grep 验证
🔀 查看流程图
flowchart TD A[通读需求] --> B[列出验收标准] B --> C[grep确认代码锚点] C --> D[查数据库表结构] D --> E[参考pytest风格] E --> F[写五层测试方案] F --> G{行号是否实测} G -- 否 --> C G -- 是 --> H[产出测试文档]

swarm-pipeline-hardening devops

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
🔀 查看流程图
flowchart TD A[开始] --> B[Planner生成蓝图] B --> C{蓝图缓存是否命中} C -- 是 --> D[加载缓存蓝图] C -- 否 --> E[执行并行任务] D --> E E --> F{是否有慢worker} F -- 是 --> G[治理慢worker] F -- 否 --> H[质检门禁] G --> H H --> I{质检是否合格} I -- 否 --> J[LLM空输出修复] I -- 是 --> K[Synthesizer合成] J --> K K --> L[交付]

📁 dispatching-parallel-agents 1 个技能

dispatching-parallel-agents dispatching-parallel-agents

并行分派智能体（dispatching-parallel-agents）

用途：当面对 2 个以上相互独立、无共享状态或顺序依赖的任务时，并行分派多个专用智能体同时处理，提升排查和修复效率。

核心概念

  • 每个独立问题域分派一个智能体，隔离上下文，不继承当前会话历史。
  • 每个智能体获得明确范围、目标、约束和预期输出。
  • 适用于多个不同根因导致的失败（如不同测试文件、子系统），彼此无需其他上下文即可理解。

常用命令或步骤

  • 识别独立问题域：按文件或子系统对失败分组，确认互不关联。
  • 创建聚焦任务：指定测试文件或子系统、目标、约束（如“不修改其他代码”）。
  • 并行分派：在支持环境中使用 `Task("...")
🔀 查看流程图
flowchart TD A[识别独立问题] --> B[按根因分组] B --> C{是否相互独立} C -- 否 --> D[不并行分派] C -- 是 --> E[创建聚焦任务] E --> F[并行分派] F --> G[审查智能体总结] G --> H[运行完整测试] H --> I[合并更改]

📁 邮件系统 1 个技能

命令行邮件工具 邮件系统

本技能用于在终端中通过 Himalaya 命令行工具管理电子邮件。

核心概念

  • Himalaya 是一个终端邮件客户端，支持 IMAP、SMTP、Notmuch 等后端，可收发和管理邮件。
  • 本技能与 栗子云 邮件网关不同：网关负责接收发往代理的邮件，本技能则让代理直接调用 himalaya 命令操作邮箱。

常用命令或步骤

  • 安装：执行 curl ... | sh（预编译二进制），或用 brew install himalaya（macOS）、cargo install himalaya --locked（Rust）。
  • 配置：运行 himalaya account configure 启动交互式向导；也可手动编辑 ~/.config/himalaya/config.toml。
  • 验证安装：himalaya --version。

注意事项

  • 使用前需安装 CLI 并配置好 IMAP/SMTP 账号，密码建议用 pass 或系统钥匙串安全存储，不要明文写入配置。
  • 文件夹别名语法在 v1.2.0 有变化：旧版 [folder.alias] 子段会被静默忽略，须使用 folder.aliases（复数）写法，Gmail 用户尤其要注意。
🔀 查看流程图
flowchart TD A[开始] --> B{选择后端} B -->|IMAP| C[连接邮箱] B -->|SMTP| D[发送邮件] B -->|Notmuch| E[本地检索] C --> F[获取邮件列表] F --> G[操作邮件] G --> H{是否发送} H -->|是| D H -->|否| I[结束] D --> I E --> F

📁 finance 3 个技能

a-share-data-sourcing finance

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) |

🔀 查看流程图
flowchart TD start[开始] --> input[明确需求指标] input --> query[查可用性速查表] query --> data_type{数据类型} data_type -->|行情| tencent[腾讯源取字段] data_type -->|K线| kline[K线源取周期] data_type -->|资金面| funds[资金源取北向两融] data_type -->|财务| financial[财务源取指标] tencent --> verify[双源交叉验证] kline --> verify funds --> verify financial --> verify verify --> output[输出结果]

a-share-global-quote-fetch finance

本技能用于抓取A股及全球市场行情，服务股票报告中“外围市场与消息面”章节的数据快照。数据均来自免费公开接口，需GBK解码，关键数据用至少两个独立来源交叉验证。

核心概念

  • 主源：腾讯行情接口（qt.gtimg.cn）、新浪行情接口（hq.sinajs.cn），均需带请求来源（Referer），无鉴权。
  • 覆盖范围：美股指数、港股、A股指数、国际期货、外汇、A50期货等。
  • 重要数据需交叉验证，避免单一来源错误。

常用命令或步骤

  • 腾讯：请求 http://qt.gtimg.cn/q=代码，来源填 http://gu.qq.com。常用代码如 usDJI（道指）、usINX（标普500）、hkHSI（恒指）、sh000001（上证指数）、hf_GC（纽约黄金）。
  • 新浪：请求 http://hq.sinajs.cn/list=代码，
🔀 查看流程图
flowchart TD A[开始] --> B[确定行情代码] B --> C[主源抓取] C --> D[GBK解码] D --> E[解析行情字段] E --> F[备用源验证] F --> G{数据一致?} G -->|是| H[生成报告] G -->|否| I[重新抓取] I --> C

stock-analysis-pipeline finance

用途

股票分析集群流程：在 8 节点集群上执行 A 股多场次每日分析与周月复盘，老板提股票需求时自动触发标准调研。

核心概念

  • 基于 swarm-pm-v2 + 股票专用模块（/root/swarm/stock/）
  • 每日四场次：盘前、早盘、午盘、盘后；另有周/月复盘
  • 所有股票类需求必须走集群流程，禁止主会话直接下结论

常用命令或步骤

  • 触发标准集群调研：

python3 /root/bin/swarm-pm-v2.py "任务" --auto

  • 任务创建确认：查看新任务目录与 research.md
  • 每日时间线：盘前 06:00、早盘 09:30、午盘 11:00、盘后 15:00，日度快照 15:05
  • 15:00 智能分支：月末做月复盘，周末做周复盘，否则普通盘后

注意事项

  • 例行日报静默存本地（~/.栗子云/cron/output/），不主动推送；只有异常信号才通知
  • 告警/通知脚本必须默认 dry，显式加 --send 才真发
  • 巡检报错时先 ping 判断节点是否真宕机，避免把宕机现象当配置问题误修
🔀 查看流程图
flowchart TD A[开始] --> B[获取行情数据] B --> C[数据清洗] C --> D[计算指标] D --> E{是否满足买入条件} E -- 是 --> F[生成买入信号] E -- 否 --> G[生成观望信号] F --> H[输出分析报告] G --> H H --> I[结束]

📁 爬虫自托管 1 个技能

爬虫服务自托管 爬虫自托管

Firecrawl 自托管部署与使用

Firecrawl 是一个网页抓取与搜索工具，本技能教你用 Docker Compose（容器编排工具）在自有服务器上部署它，并调用 v2 版接口完成抓取和调试。

核心概念

  • Firecrawl 通过 Docker Compose 启动多个服务：api（接口服务）、redis（缓存）、rabbitmq（消息队列）、postgres（数据库）。
  • 接口路径要使用 /v2/scrape（抓取）和 /v2/search（搜索），旧版 /scrape 会 404。
  • 环境变量用 .env 文件配置，比如数据库密码、接口端口、密钥等。

常用命令

  • 下载代码：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 连不上 Redis，/v2/scrape 会一直卡住。
  • RabbitMQ 健康检查超时时间要调长（比如 30 秒），否则 api 容器会误判启动失败。
  • api 容器建议加 restart: always，避免运行几小时后意外退出。
  • 请求时要带 Content-Type: application/json，否则 v2 接口可能解析不了请求体。
🔀 查看流程图
flowchart TD A[克隆仓库] --> B[设置Redis变量] B --> C[Docker Compose启动] C --> D[查看服务状态] D --> E[调试v2/scrape] E --> F{接口卡死?} F -- 是 --> G[检查Redis配置] G --> E F -- 否 --> H[调试v2/search] H --> I[完成]

📁 栗子云面板 1 个技能

控制台面板操作 栗子云面板

这个技能用于操作 栗子云控制台 云面板，包括登录、重置密码、SSH 配置等。

核心概念

  • 云面板：管理云主机的网页控制台。
  • 会话（Session）：登录后获得的临时凭证，约 2 小时过期。
  • 服务详情页：页面源码中直接包含当前 root 密码，无需点击“眼睛”图标即可提取。

常用操作

  • 登录：先获取登录页的 CSRF（跨站请求伪造）令牌，再提交邮箱和密码，保存 Cookie。
  • 提取密码：从服务详情页源码中匹配 zcPwdValue 变量，即可得到明文 root 密码。
  • 重置密码：调用 API（应用程序接口） func=crack_pass，带上服务 ID 和新密码。
  • SSH（安全壳协议）登录：重置后先运行 ssh-keygen -R <IP> 清除旧主机密钥，等待 60 秒再连接。

注意事项

  • 密码策略：至少 12 位，必须含大小写字母和
🔀 查看流程图
flowchart TD A[访问登录页] --> B[提取CSRF令牌] B --> C[提交邮箱密码] C --> D{登录成功?} D -- 否 --> E[提示失败] E --> A D -- 是 --> F[保存会话Cookie] F --> G{选择操作} G -- 重置密码 --> H[执行密码重置] G -- 部署SSH --> I[部署SSH密钥] G -- 密码策略 --> J[修改密码策略] H --> K[完成] I --> K J --> K

📁 安全组 1 个技能

控制台安全组 安全组

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
🔀 查看流程图
flowchart TD A[接收操作需求] --> B[打开控制台] B --> C[进入安全组管理] C --> D[选择目标安全组] D --> E{操作类型} E -- 添加规则 --> F[填写规则并保存] E -- 删除规则 --> G[删除规则并确认] E -- 绑定主机 --> H[选择主机并绑定] F --> I[检查生效状态] G --> I H --> I I --> J[完成]

📁 market-research 1 个技能

market-research market-research

用途

本技能用于开展市场研究、竞品分析、投资人尽调和行业情报收集，最终输出有依据、能辅助决策的结论。

核心概念

  • 决策导向：研究要支持决策，不是堆报告。
  • 事实、推论、建议分离：每条结论要能区分证据、推断和推荐。
  • 来源与时效：重要数据必须注明来源，旧数据要明确标注。
  • 反面证据：主动找反对意见和下行风险，不能只挑有利信息。

常用步骤

  1. 明确模式：根据需求选择投资者尽调、竞品分析、市场规模测算或技术调研。
  2. 收集数据：

- 投资人：基金规模、阶段、典型投资额、投资组合、匹配度、红旗。

- 竞品：真实产品情况、融资历史、增长指标、定价、差异化。

- 市场：自上而下（报告）与自下而上（获客假设）交叉验证。

- 技术：原理、权衡、集成难度、锁定/安全/合规风险。

  1. 整理输出：按摘要 → 关键发现 → 影响 → 风险 → 建议 → 来源的结构呈现。

注意事项

  • 所有数字要么有来源，要么明确标注为估算。
  • 过时数据必须提醒，不能混在最新数据里。
  • 建议必须从证据推出，并包含风险与反方观点。
🔀 查看流程图
flowchart TD A[明确研究目标] --> B[收集市场数据] B --> C{数据是否充分} C -- 否 --> B C -- 是 --> D[交叉验证估算] D --> E[竞争与风险分析] E --> F[撰写决策报告] F --> G[标注来源与局限] G --> H[输出结论]

📁 记忆同步 1 个技能

记忆同步 记忆同步

用途

将 栗子云 的内存数据同步到 MySQL 数据库，并自动执行一致性检查，确保两边数据一致。

核心概念

  • 栗子云 内存：临时存储的数据，速度快但易丢失。
  • MySQL 持久化：把数据存到磁盘，方便长期保存和查询。
  • 一致性检查：对比内存和数据库中的记录，找出差异或丢失项。

常用命令或步骤

  1. 执行同步命令：memory-db-sync sync（把内存数据写入 MySQL）。
  2. 运行一致性检查：memory-db-sync check（对比两边数据并输出报告）。
  3. 可加参数指定表名或同步范围，比如 --table users。

注意事项

  • 同步前建议先备份 MySQL，避免误操作覆盖数据。
  • 同步过程中不要同时修改内存数据，否则可能产生不一致。
  • 检查报告中的差异项需人工确认后再处理，不要自动删除。
🔀 查看流程图
flowchart TD A[开始] --> B[配置MySQL连接] B --> C[检查网络权限] C --> D[备份目标表] D --> E[执行同步] E --> F[一致性检查] F --> G{结果一致?} G -- 是 --> H[生成报告] G -- 否 --> I[重新同步或修复] I --> F

📁 multi-agent 1 个技能

telegram-swarm-collab multi-agent

telegram-swarm-collab

Operate Telegram bot fleets for multi-agent group collab.

原文摘要：# Telegram Swarm Collaboration — Bot Fleet + PM Group Collab

Operating a fleet of Telegram bots (each driven by its own node's 栗子云 gateway)

for "company-style" multi-agent collaboration in a group chat: a PM (orchestrator)

dispatches tasks, role bots execute on their nodes and report results back to the group.

Hard API Limits (design around these)

  1. **A bot CANNOT receive messages sent b
🔀 查看流程图
flowchart TD A[收到群消息] --> B[调研任务] B --> C[制定计划] C --> D[分派任务] D --> E[节点执行] E --> F{质检是否通过} F -- 否 --> G[打回重做] G --> E F -- 是 --> H[汇总发回群聊]

📁 多主机编排 1 个技能

多主机编排与容灾 多主机编排

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

🔀 查看流程图
flowchart TD A[启动节点守护] --> B[定期心跳上报] B --> C[MySQL记录状态] C --> D{检测到离线?} D -- 否 --> B D -- 是 --> E[触发恢复流程] E --> F[状态感知恢复] F --> G[更新MySQL状态] G --> H[生成巡检报告] H --> I[邮件发送报告]

📁 多主机运维 2 个技能

多主机运维 多主机运维

multi-host-ops

SSH fleet ops for Linux VMs, key gen and sshd hardening.

原文摘要：# Multi-Host Linux Cloud Operations

Trigger conditions

  • Bootstrap access to a new cloud VM
  • Need to add SSH aliases for many hosts in ~/.ssh/config
  • New key doesn't work even after ssh-copy-id (check: cloud image probably has PubkeyAuthentication no)
  • Password change fails with "missing new password" (shell metacharacters in password)
  • Replicate a working directory 1:1 from one host t
🔀 查看流程图
flowchart TD A[开始] --> B[生成密钥对] B --> C[拷贝公钥至主机] C --> D[测试免密登录] D --> E{是否成功} E -- 否 --> C E -- 是 --> F[配置主机别名] F --> G[加固sshd] G --> H[结束]

swarm-cluster-pitfalls 多主机运维

swarm-cluster-pitfalls

Swarm/多主机Agent编排踩坑排查:LLM空content、API限流、并发race、Telegram群协作机制。

原文摘要：# Swarm 集群踩坑与根因库

多主机 Agent 编排（kanban swarm / delegate_task / 跨主机 栗子云 -z）的调试知识库。

用户自维护的 swarm-orchestrator skill 记录流程；本 skill 记录失败模式与根因，二者互补。

触发条件

  • Swarm 任务/压测出现空输出、全部失败、超时、卡死
  • 配置 Telegram bot / 群协作 / 广播
  • LLM 调用偶发空 content 或 finish_reason=length
  • 并发执行时结果异常（全堆一台、全灭）

1. DeepSeek reasoning 烧满 max_tokens → content 为空（最大根因）

现象：finish_reason=length，content 空。复杂任务偶发失败率 30-40%

🔀 查看流程图
flowchart TD A[开始排查] --> B[单台跑PONG] B --> C{是否成功} C -- 否 --> D[检查模型配置] C -- 是 --> E[测试复杂任务] D --> F[统一修复参数] E --> F F --> G[并发限制与退避] G --> H[哈希分配主机] H --> I[处理Telegram异常] I --> J[结束]

📁 生产力工具 4 个技能

markdown-to-pdf 生产力工具

用途

这个技能用于把 Markdown 报告转换成排版良好的 PDF，特别擅长处理表格渲染失败（如表头丢失、宽表被压扁）的问题。

核心概念

  • markdown-it-py：把 Markdown 转成 HTML，支持 GFM 表格。
  • weasyprint：把 HTML 转成 PDF。
  • 表格预检：转换前检查表格列数是否一致，避免表格被渲染成纯文本。

常用步骤

  1. 验证 Markdown 表格：确保分隔线（|---|）的列数与表头行一致。
  2. 用 markdown-it-py 将 Markdown 渲染为 HTML。
  3. 用 weasyprint 按照 CSS 样式生成 PDF。

注意事项

  • 中文字体：先用 fc-list :lang=zh 确认系统实际安装的中文字体。优先使用存在的字体，比如文泉驿正黑，免得静默回退导致样式丢失。
  • 宽表格：列数 ≥11 时自动切换为 A4 横向页面；≥8 时用紧凑字号在纵向页面显示。
🔀 查看流程图
flowchart TD A[输入 Markdown] --> B[解析为 HTML] B --> C[检测表格列数] C --> D{列数≥11?} D -- 是 --> E[切换 A4 横版] D -- 否 --> F{列数≥8?} E --> I[生成 PDF] F -- 是 --> G[紧凑字体排版] F -- 否 --> H[正常排版] G --> I H --> I I --> J[输出 PDF]

md2pdf-chinese 生产力工具

md2pdf-chinese 技能说明

这个技能用于把中文 Markdown 报告转换成排版

🔀 查看流程图
flowchart TD A[输入中文Markdown] --> B[解析Markdown] B --> C{表格列数?} C -->|>=11列| D[转为横向页面] C -->|8-10列| E[缩小字号] C -->|<8列| F[正常排版] D --> G[渲染PDF] E --> G F --> G G --> H[渲染自检] H --> I[输出PDF]

outline-mcp 生产力工具

Outline MCP 知识库接入

这个技能用于通过 MCP（模型上下文协议）接口连接自建 Outline 知识库，读写文档、集合和评论。

核心概念

  • Outline：开源知识库，类似 Notion。
  • MCP：让 AI 工具调用知识库 API 的协议。
  • API key：ol_api_ 开头的凭证，存在 MySQL 表里，不落本地文件。

常用命令

  • 列出工具：outline_mcp.py tools
  • 列出集合：outline_mcp.py list_collections
  • 搜索文档：outline_mcp.py list_documents '{"query":"关键词"}'
  • 创建集合：outline_mcp.py create_collection '{"name":"📚","description":"..."}'
  • 创建文档：outline_mcp.py create_document '{"collectionId":..., "title":"...", "text":"..."}'

注意事项

  • API key 只对生成它的那个实例有效，域名不对会返回 401。
  • MCP 握手必须按顺序：initialize → notifications/initialized → tools/list，否则工具不可用。
  • 工具参数名不固定，报错时看 error path 字段名（例如删除文档用 id，不是 documentId）。
  • 文档内容不能以 H1 标题开头，标题用 title 参数设置。
🔀 查看流程图
flowchart TD A[开始] --> B[配置API密钥] B --> C[连接MCP服务] C --> D{密钥有效?} D -- 否 --> E[报错退出] D -- 是 --> F[列出集合] F --> G[搜索文档] G --> H[读取/创建文档] H --> I[管理评论] I --> J[结束]

PDF 处理 生产力工具

PDF 处理技能

这个技能用于创建、合并、拆分、填写和保护 PDF 文件。

核心概念

  • pypdf：Python 库，负责合并、拆分、旋转页面、加密等。
  • pdf
🔀 查看流程图
flowchart TD A[接收PDF任务] --> B{操作类型} B -->|合并| C[合并多个PDF] B -->|拆分| D[按页拆分PDF] B -->|提取| E[提取文字表格] B -->|生成| F[创建新PDF] B -->|加密| G[设置密码] C --> H[输出结果PDF] D --> H E --> H F --> H G --> H

📁 研究 4 个技能

论文检索 研究

技能用途

这个技能用来通过 arXiv 的免费 REST 接口搜索和获取学术论文，不需要 API 密钥，用命令行工具 curl 就能完成。

核心概念

  • arXiv：学术预印本论文库。
  • REST API：通过 HTTP 请求获取论文数据，返回 Atom XML 格式。
  • 查询前缀：all:全字段、ti:标题、au:作者、abs:摘要、cat:学科分类（如
🔀 查看流程图
flowchart TD A[用户输入查询] --> B[构建API请求] B --> C[curl发送请求] C --> D{请求成功?} D -- 否 --> E[提示错误] D -- 是 --> F[解析Atom XML] F --> G{有结果?} G -- 否 --> H[提示无结果] G -- 是 --> I[展示论文信息]

deep-research-report-generation 研究

深度研究报告生成（deep-research-report-generation）

本技能用于通过多智能体集群（multi-agent cluster）生成专业报告，适合技术分析、市场研究、产品评估，尤其当之前的报告内容太薄、或用户以 Kimi 集群报告质量为标杆时。

核心概念

  • Kimi 级深度：报告不能是 2KB 的简单摘要列表，而应达到 15–80KB，包含执行摘要、多级章节、场景分析、对比表格和引用来源。
  • 流水线：调研 → 蓝图规划 → 并行写章节 → 组装 → 质检 → 交付。每章由独立智能体负责，最后合并成 Markdown，再转成 PDF 发送到 Telegram。
  • 原生子代理：真正的多智能体必须使用 栗子云 kanban swarm 原生子代理（每个 worker 有独立工作区、工具、上下文），而不是用 SSH/HTTP
🔀 查看流程图
flowchart TD A[启动多智能体集群] --> B[调研员收集资料] B --> C[蓝图规划章节] C --> D[并行写作各章节] D --> E[组装报告] E --> F{QA检查} F -- 通过 --> G[生成PDF] F -- 不通过 --> D G --> H[发送Telegram]

grounded-citations 研究

grounded-citations

Ground answers and documents in cited, verifiable sources.

原文摘要：# Grounded Citations

Every claim taken from an outside source gets an inline numbered citation and a

Sources: list, Perplexity-style. A ledger script owns the url → [n] mapping

so the numbers and URLs come from retrieval, never from memory — the model only

ever emits small integers it was handed.

For high-stakes work the same ledger doubles as a fact-checking chain: verbatim

quotes are attac

🔀 查看流程图
flowchart TD A[开始] --> B[检索结果] B --> C[编号入账] C --> D[生成回答并引用] D --> E{高风险场景?} E -- 否 --> F[输出带Sources] E -- 是 --> G{逐字核对?} G -- 是 --> F G -- 否 --> H[标记未核实] H --> F

research-report-audit 研究

本技能（research-report-audit）用于对一批AI生成的研究报告（如 /root/swarm/pmv2-*/deliverable-merged.md）进行批量质量评估和多专家打分。

核心概念

  • 核心流程：先建目录索引 → 抽读关键内容 → 按缺陷清单核查 → 多专家评分 → 输出统一报告。
  • 评分规则：5个维度（格式 / 准确性 / 专业 / 细节 / 价值），每项1-10分，单个报告满分50分。

常用命令或步骤

  1. 用 `stat -c '%
🔀 查看流程图
flowchart TD A[开始] --> B[读取报告目录] B --> C[映射任务编号] C --> D[多专家打分] D --> E[汇总五大维度] E --> F[生成改进建议] F --> G{还有未评报告?} G -- 是 --> H[处理下一份] --> D G -- 否 --> I[结束]

📁 research-ops 1 个技能

research-ops research-ops

用途

这是一个“研究操作”技能，用来查最新事实、比较选项、给人/公司做背景调研，或者把反复要查的东西变成持续监控流程。

核心概念

  • exa-search：快速网络搜索。
  • deep-research：多来源综合并标注出处。
  • market-research：输出推荐或排序结论。
  • lead-intelligence：针对目标人物/公司的线索筛选。
  • knowledge-ops：把结果存入长期上下文备用。

常用步骤

  1. 先整理用户已给的信息，分成：已证实事实、需要验证、开放问题。
  2. 判断任务类型：快速问答、对比决策、线索调研、重复监控。
  3. 选最轻的路径：先用 exa-search 快速查；需要多源综合用 deep-research；要推荐用 market-research；找目标用 lead-intelligence。
  4. 报告时区分：来源事实、用户提供、推断、推荐，并写明日期。
  5. 如果任务会重复，考虑转成持续监控。

注意事项

  • 不要用旧记忆回答当前问题，能搜就搜。
  • 如果答案已经在本地代码或文档里，就别启动重型研究。
  • 别丢掉用户已有的分析，直接接着用。
🔀 查看流程图
flowchart TD A[整理已有材料] --> B[判断任务类型] B -->|快速事实| C[快速搜索] B -->|对比决策| D[深度研究] B -->|线索补充| E[定向查询] B -->|重复监控| F[转为监控] C --> G[生成报告] D --> G E --> G F --> G G --> H[区分来源与推断] H --> I[建议后续动作]

📁 scientific-thinking-scholar-evaluation 1 个技能

scholar-evaluation scientific-thinking-scholar-evaluation

学者评估技能（scholar-evaluation）

这个技能用来给学术成果（论文、提案、文献综述等）打结构化的质量分，方便评审和修改反馈。

核心概念

  • 先判断成果类型：实证论文、理论文章、技术报告、综述、研究提案、学位论文章节等。
  • 再选评估范围：全面评估（所有维度）、定向评估（只看方法或引用等）、对比评估（用同一套标准给多篇作品排序）。
  • 评分维度包括：研究问题、文献综述、方法论、数据证据、分析、结果解释等，每项打 1–5 分，5 分为优秀，1 分为严重缺陷，不适用就写 N/A。

常用步骤

  1. 明确待评估作品类型和评估范围。
  2. 逐条对照评分维度打分。
  3. 重点检查：问题是否清晰、文献是否综合、方法能否复现、证据是否充分、结论是否过度解读。
  4. 输出结构化反馈，指出修改建议。

注意事项

  • 评分要基于证据，别凭感觉。
  • 注意区分“小修”和“硬伤”，不要用同一标准套所有类型作品。
  • 优先检查结论是否被数据支持，这是最常见的问题。
🔀 查看流程图
flowchart TD A[开始] --> B[确认作品类型] B --> C[选定评估范围] C --> D{评估范围?} D -- 综合 --> E[评估全部维度] D -- 定向 --> F[只评指定维度] D -- 对比 --> G[同标准评多篇排序] E --> H[汇总结分] F --> H G --> H H --> I[输出评价结果] I --> J[结束]

📁 软件开发 7 个技能

cluster-resource-scheduling 软件开发

集群资源调度技能

这个技能用来评估集群节点利用率、避免单机满载、实现多任务并行，并把任务分发到远端节点执行。

核心概念

  • kanban worker 只能本机执行；但远端节点自带 栗子云-gw 网关，在其本地看板创建任务后会自动执行，所以每个节点就是一个完整执行单元。
  • 任务板隔离：每个任务用独立 --board <slug>，避免共享状态；board 需先创建。
  • PM 可在任意节点运行，配合 registry/租约即可去中心化调度，无需新开发调度器。
  • 资源数据用 栗子云-bridge /status 获取 load/memory/disk，无需额外采集。

常用命令或步骤

  • 创建看板：栗子云 kanban boards create <slug>
  • 在远端节点建任务：SSH 到目标机执行 栗子云 kanban create ...，远端网关会自动调度执行。
  • 指定任务板：栗子云 kanban --board <slug> list/complete ...
  • 查询节点资源：栗子云-bridge /status

注意事项

  • 调度不能依赖 MySQL
🔀 查看流程图
```mermaid flowchart TD A[接收任务] --> B[查询各节点资源] B --> C{筛选可用节点} C -- 无 --> D[等待/重试] D -->

技能编写指南 软件开发

这个技能用于在 栗子云 Agent 仓库内编写和修改 SKILL.md 技能文件（带 frontmatter 前置元数据的 Markdown 文档）。

核心概念

  • SKILL.md 有两种存放位置：用户本地 ~/.栗子云/skills/...（个人用，用 skill_manage 创建）；仓库内 skills/<类别>/<名字>/SKILL.md 或 optional-skills/...（随包发布，用 write_file 写入）。
  • 仓库内技能分两级：Bundled（内置） 适合高频通用技能；Optional（可选） 适合垂直小众技能。拿不准就放 optional，后期
🔀 查看流程图
flowchart TD A[开始] --> B[选择技能位置] B --> C{仓库内?} C -->|否| D[用户本地创建] C -->|是| E[按类别建目录] E --> F[编写frontmatter] F --> G[编写结构内容] G --> H[校验SKILL.md] H --> I[结束] D --> I

multi-agent-cluster-reliability 软件开发

multi-agent-cluster-reliability

集群执行可靠性：并发竞态、API限流、LLM空输出重试、推理烧token。Swarm执行失败时用。

原文摘要：# Multi-Agent Cluster Reliability — 集群执行可靠性模式

多主机 + 多 Agent 并行集群（栗子云 delegate_task / SSH 栗子云 -z 分发）执行失败的调试模式库。

触发：集群任务大量失败、Agent 偶发空输出、并发执行全灭、LLM 返回空 content。

注：swarm-orchestrator（user-owned）讲编排流程；本 skill 讲执行可靠性坑位与修复模式。
M6 BUG 预防工具（/root/swarm/stock/bin/bug_prevention.py：BUG 检索/变更模式检查/预检清单/三态门禁/回归TC联动）用法 + 实现坑（中文正则边界/pytest收集import/pytest import 收集等）见 `references/bug-prevention-g
🔀 查看流程图
flowchart TD A[开始] --> B[获取集群状态] B --> C[检测Agent健康] C --> D{存在故障?} D -- 否 --> E[输出正常结果] D -- 是 --> F[定位故障节点] F --> G[分析故障原因] G --> H[执行修复操作] H --> I[重新验证集群] I --> C

multi-agent-orchestration-patterns 软件开发

用途

本技能提供设计虚拟公司式多 Agent 集群时的架构模式与节点容错知识，帮助复刻 Kimi Swarm、组织角色并处理执行错误。

核心概念

  • Kimi Agent Swarm：模型内生编排，四模块流程：任务分析 → 拆解 → 动态调度 → 结果聚合。支持 100~300 个子 Agent、上千步执行。
  • 虚拟公司角色模式：ChatDev 链式循环、MetaGPT 流水线、MacNet DAG 并行、Puppeteer 可学习编排器。
  • 编排类型：集中式（主控分配）、去中心化（Agent 直接协作）、分层（规划+执行）、联邦式（多系统按规则协作）。
  • 执行模式：spec 模式处理明确交付物（报告/代码），plan 模式处理开放探索（调研/分析），自动判定。

常用命令或步骤

  • 执行模式判定：`swarm
🔀 查看流程图
flowchart TD A[接收任务] --> B{判定模式} B -->|spec| C[直接执行] B -->|plan| D[先计划再执行] C --> E[任务拆解] D --> E E --> F{LLM语义分流} F --> G[动态调度子Agent] G --> H[结果聚合] H --> I{是否容错} I -->|是| G I -->|否| J[输出最终结果]

任务规划 软件开发

plan

Write a markdown plan to .栗子云/plans/; no execution.

原文摘要：# Plan Mode

Use this skill when the user wants a plan instead of execution.

Core behavior

For this turn, you are planning only.

  • Do not implement code.
  • Do not edit project files except the plan markdown file.
  • Do not run mutating terminal commands, commit, push, or perform external actions.
  • You may inspect the repo or other context with read-only commands/tools when needed.
  • Your del
🔀 查看流程图
flowchart TD A[接收规划请求] --> B{需求是否明确} B -- 否 --> C[追问澄清] C --> B B -- 是 --> D[撰写计划文档] D --> E[保存到plans目录] E --> F[简要回复路径]

代码审查请求 软件开发

代码提交前审查（requesting-code-review）

这个技能用于在提交代码前自动进行安全扫描、质量检查，并自动修复问题。

核心概念

  • 独立审查：自己的代码不能自己验证，换个视角才能发现遗漏。
  • 基线感知：只阻止新引入的问题，已有问题不阻塞提交。
  • 自动修复：发现安全问题后尝试自动修正。

常用命令或步骤

  1. 获取改动：git diff --cached；若为空，用 git diff 检查未暂存修改。
  2. 安全扫描：检查新增行是否有硬编码密钥、危险调用（如 eval、exec）或 SQL 注入风险。
  3. 运行测试和 lint（如 pytest、npm test），对比改动前的基线，只拦截新增失败。
  4. 将问题交给独立审查子代理，并执行自动修复循环。
  5. 全部通过后，方可 git commit 或 git push。

注意事项

  • 仅改文档或配置时，可跳过验证；用户明确说“跳过验证”也可以。
  • 本技能审查你自己的改动，而 github-code-review 是审查他人的 PR。
  • 改动超过 15000 字符时，按文件逐个检查。
  • 用户说“提交”“推送”“完成”“验证”等词时会触发。
🔀 查看流程图
flowchart TD A[开始] --> B[安全扫描] B --> C[质量门禁] C --> D{检查通过?} D -- 否 --> E[自动修复] E --> B D -- 是 --> F[提交代码] F --> G[结束]

资源速度测试 软件开发

资源测速选源

在下载镜像、软件包或克隆代码前，先测候选源的速度并选最快的，避免默认源拖慢操作。

核心概念

  • 适用场景：网络下载预计超过 30 秒，且存在公共镜像源（如 Docker、npm、pip、apt、git 等）。
  • 目标：用 10 秒探测，换回 20 倍提速。

常用步骤

  1. 列出 3-5 个候选源：默认源 + 本地或知名公共镜像。
  2. 测速：简单测延迟可用 curl -o /dev/null -s -w '%{time_total}' URL；最好直接拉取最小测试包（如 docker pull alpine:3.18），测完立即删除。
  3. 排序选最快，备用第二快。
  4. 切换源：

- Docker：改 /etc/docker/daemon.json 的 registry-mirrors，重启 docker；或临时用 <镜像>/<镜像名>。

- npm：npm config set registry <url>

- pip：pip config set global.index-url <url> 或 -i <url>

- apt：写 /etc/apt/sources.list.d/<镜像>.list

- git：用 <镜像>/<仓库>.git 克隆。

  1. 执行正式操作。失败就换下一个，不要反复重试同一个失败源。

注意事项

  • HEAD 探测可能不准（有些源拒绝 HEAD 但正常拉取），尽量用真实操作测。
  • 测速用最小包，别拉大镜像占磁盘。
  • 镜像源未必缓存了所有内容，先确认目标存在。
  • 默认源连续失败两次就果断换掉。
  • 测速后清理临时镜像。
🔀 查看流程图
flowchart TD A[开始] --> B[识别候选源] B --> C[测量各源延迟] C --> D{是否存在可用源?} D -- 否 --> E[更换候选源] E --> C D -- 是 --> F[比较延迟] F --> G[选择最快源] G --> H[下载资源] H --> I[结束]

📁 swarm-orchestrator 1 个技能

swarm-orchestrator swarm-orchestrator

swarm-orchestrator 技能

把任务交给 CEO Agent，模拟“虚拟公司”拆解任务、多角色并行干活，最后汇总交付。

核心概念

  • CEO Agent：总设计师，负责拆任务、定角色、排阶段。
  • 多主机并行：任务拆成多份，可在本机和远程机器上同时跑多个 Agent。
  • 隔离目录：每个 Agent 只读自己的任务书，写自己的产出，互不干扰。
  • 归档：最终产物打包到 ，并清理本地临时目录。

常用步骤

  1. 任务澄清：先确认需求，不遗漏细节。
  2. 准备 skill：给对应 Agent 装好所需技能。
  3. 设计角色：为每个 Agent 写角色提示，试跑验证。
  4. 能力检查：探测网络/搜索，防止“幻觉”。
  5. 分阶段执行：用 delegate_task(tasks=[...]) 批量并行。
  6. 质量验证 + 归档：交叉验证数据，运行 swarm-run.py --archive <task_id> 打包到 。

跨主机分发可用 栗子云 -z "任务" --yolo。

注意事项

  • 子 Agent 默认不能再拆分，除非明确设成 orchestrator。
  • 阶段进展要实时同步给用户。
  • 交付前必须验证数据来源真实性。
🔀 查看流程图
flowchart TD A[发起任务] --> B[CEO拆解规划] B --> C[生成计划文件] C --> D{需求确认?} D -- 否 --> B D -- 是 --> E[并行分发执行] E --> F[子智能体独立工作] F --> G[聚合阶段结果] G --> H[生成汇总报告] H --> I[归档清理]

📁 telegram 1 个技能

telegram-multi-bot-collab telegram

telegram-multi-bot-collab

配置/调试Telegram多Bot群协作。Bot互@不可行,用PM派单+角色汇报,含C方案与已知坑。

原文摘要：# Telegram 多 Bot 群协作运维

管理多个 Telegram Bot（每个由一台 栗子云 gateway 驱动）在一个群里的协作。

典型场景：栗子科技群 8 个 bot（PM + 7 角色），模拟公司群聊协作。

核心事实（决定架构）

  1. Bot 收不到其他 Bot 的消息（Telegram Bot API 硬限制，无论隐私模式/是否管理员）。

群内 @botB 人类可见可点击，但 Bot B 永远收不到 → 多 Agent 群协作不能靠 bot 互 @。

  1. TELEGRAM_REQUIRE_MENTION=true 不可靠：实测该组合下连"被 @ 的消息"也会被吞（bot 不响应）。

要约束"仅被@才响应"，用 channel_prompt 提示词约束，不要用 require_mention。

  1. **Bot 之
🔀 查看流程图
flowchart TD A[群消息触发] --> B[PM 编排调度] B --> C{节点支持 HTTP?} C -- 是 --> D[HTTP 派单 bridge] C -- 否 --> E[SSH 兜底派单] D --> F[执行 栗子云 chat] E --> F F --> G[节点 Bot 发送结果] G --> H[返回群聊]

📁 telegram-group-collab 1 个技能

telegram-group-collab telegram-group-collab

核心概念

  • 本技能让栗子科技群（-1004347531042）里的多个 Bot 像公司员工一样协作。每个 Bot 由各自节点的 LLM（大语言模型）驱动，通过 @ 其他 Bot 来派单、转交、请求协助。
  • 主要角色：项目经理 PM（@researcher_lizbot）、调研员、内容专家、方法论专家、撰写员、统计师、执行验证员。

常用命令或步骤

  • 派单：PM 在群里 @ 对应角色并给出明确任务，例如：@调研员 请调研2026年AI Agent市场规模，3个来源。
  • 转交：A 发现需要 B 协助时，@B 请求转交或协助，例如：@方法论专家 请帮忙设计框架，@统计师 稍后需要数据。
  • 请求协助：平级之间直接 @ 对应角色即可。
  • 质检重做：PM 指出问题并要求重新提交，例如：@统计师 数据缺少来源，请补充后重新提交。
  • 被 @ 时：必须响应，确认理解任务，执行，完成后 @ 派单人汇报；需要帮助就转交给其他角色。

注意事项

  • 一次主要 @ 一个 Bot，可附带提醒其他 Bot。
  • 任务链全程在群里可见，要参考上下文，避免重复执行别人已完成的步骤。
  • 遇到困难主动 @PM 汇报，不要擅自停止。
🔀 查看流程图
```mermaid flowchart TD A[项目经理群内派单] --> B[被点名者确认收到] B --> C{是否擅长此任务?} C -- 是 --> D[执行并向派单人汇报] C -- 否 --> E[转交其他同事协助] E --> B D --> F{质检是否通过?} F -- 通过 -->

📁 网页自动化 1 个技能

knowledge-wiki-publishing 网页自动化

知识库 Wiki 发布

本技能用于把 LLM 整理的知识库 wiki 发布到 Cloudflare Pages。

核心概念

  • 生成脚本：/root/bin/gen-wiki.py，输出 index.html 和 timeline.html 到 /root/wiki-output/
  • LLM 缓存：wiki-state.json，只转换有变化的技能
  • 目标平台：Cloudflare Pages 项目 `栗子云-wiki
🔀 查看流程图
flowchart TD A[读取白名单技能] --> B{缓存缺失?} B -- 否 --> F[生成Wiki页面] B -- 是 --> C[脱敏凭证] C --> D[LLM生成摘要和流程图] D --> E[品牌替换安全检查] E --> F F --> G{凭证有效?} G -- 否 --> H[补录凭证] H --> G G -- 是 --> I[部署到Cloudflare Pages] I --> J[发送通知邮件]

📁 writing-plans 1 个技能

writing-plans writing-plans

writing-plans 技能

这个技能用于在动手写代码之前，根据规格说明或需求，制定一份详细的实现计划。

核心概念

  • 目标读者：计划写给对代码库零上下文、且品味存疑的工程师看，所以每个步骤都要写清楚改哪个文件、写什么代码、怎么测试。
  • 小步骤：每个任务拆成 2-5 分钟的操作，比如"写失败测试 → 跑测试确认失败 → 写最少代码 → 跑测试确认通过 → 提交"。
  • DRY / YAGNI / TDD：避免重复、不做多余设计、先写测试再写实现。
  • 计划保存位置：默认存到 docs/superpowers/plans/YYYY-MM-DD-<功能名>.md。

常用步骤

  1. 宣布开始使用本技能。
  2. 列出要创建或修改的文件，以及每个文件的职责。
  3. 按小步骤拆任务，每个任务包含：

- 精确的文件路径

- 完整测试代码

- 运行命令和预期结果

- 提交命令

  1. 写完后自检：规格是否全部覆盖、有没有占位符、前后命名是否一致。

注意事项

  • 禁止写"待定""TODO""补充细节"这类占位内容。
  • 每个步骤必须给完整代码，不能只说"添加错误处理"却不写具体怎么写。
  • 统一类型和函数名，避免前面叫 clearLayers()、后面叫 clearFullLayers() 这种不一致。
🔀 查看流程图
flowchart TD A[接收需求规格] --> B[理解核心目标] B --> C[拆解实施步骤] C --> D[标注依赖顺序] D --> E[评估风险工作量] E --> F[编写实施计划] F --> G{计划是否确认} G -- 否 --> F G -- 是 --> H[输出可执行计划]