skill-standardization

约束

• .md 文件禁止使用 Write/Edit 工具更新 — 必须用 scripts/ 下的 Python 脚本原子写入

• 版本号三端一致 — 更新时同步 SKILL.md / _meta.json / references/changelog.md

• 0 ERROR 0 WARN 铁律强制 — 更新后用 audit --verify 验证，非误报项必须全部修复，exit(0) 方可提交

• LLM 二次筛强制 — audit 输出全部原始问题后，LLM 必须逐条审查每条 ERROR/WARN。分类为误报时附带 --reason 提供具体证据（文件路径/行号/规则编号，证明引擎确实错了或无法判断），不得笼统说"无需处理"。合法误报类别：engine_mistake（引擎技术错误）或 engine_cant_judge（引擎语义不足）。--subtype 必填，必须在以下枚举表中选择。选择时逐条对照 WARN 的 detail 描述，不匹配的场景不能选：

  engine_mistake 类（引擎代码/规则本身出错了，识别错了）：

  子类型	适用规则	引擎的误报原因（何为真·误报）	不适用场景（何为真问题）
  regex_misidentify	R-23	引擎正则把文档中的 shell 命令/环境变量/URL 误匹配为文件路径，报"文档引用……但文件不存在"	引擎确实匹配到了真实引用键且文件确实不存在 —— 那是真问题
  false_classification	R-01, R-20	R-01：引擎把合法 frontmatter 字段（如 displayName、slug）标为非标。R-20：引擎把代码标识符/文件名（novel_state.json、is_ending）误认为自然语言问题，或把领域术语正常使用（SetUser、getData）误报为"术语不一致"	纯自然语言的「中英文混排缺少空格」或真·术语混用（同一文档混用"更新""修改""变更"）
  bom_encoding	R-01	UTF-8 BOM 或编码声明错误导致 frontmatter 解析错位，字段被误识别	没有编码问题，引擎正常解析后报出的非标字段
  template_convention	R-11, R-25 C-11	R-11：正文中的标准化路径说明（models/、data/）是该技能的标准目录结构描述，引擎不应视为路径违规。R-25 C-11：非标章节标题是该技能的固定架构模板	非模板内容的违规路径或混乱章节结构

  engine_cant_judge 类（引擎能力不足以判断，LLM 确认是合理的）：

  子类型	适用规则	引擎判断不了的场景（LLM 确认合理方可放行）	不适用场景（引擎能判断或 LLM 也无理由放行）
  domain_convention	R-17, R-25 C-11	技能文档中的特殊章节是该领域（小说写作/色谱分析/项目管理）的标准惯例，引擎缺领域知识无法判断	不是因为领域约定，而是文档结构确实混乱
  architecture_pattern	R-25 C-14	工作流程步骤模式（pipeline/gate/钩子）是该技能的固定架构，引擎无法验证步骤完整性	C-07 代码块缺语言标识、C-12 约束超上限、C-19 错误处理质量不足
  context_sensitive	R-23, R-07	函数/触发词是否合理取决于外部上下文，引擎静态分析无法覆盖	静态分析能确认的引用缺失或触发词不足
  data_dependency	R-11, R-23	路径引用依赖运行时数据（模型缓存路径、用户配置），引擎无法静态验证	静态路径确实写错了，不是运行时才决定的

  不在枚举表中的子类型 → 代码级拒绝。LLM 不得虚构子类型。WARN/ERROR 的 detail 不匹配任何子类型描述的，不是误报，不能分类，必须真修。 标记后需重新 audit 确认生效。

• LLM 手动修不许退出循环 — 遇到 .remaining_llm.json 时，LLM 必须立即读取并手动修复，然后重新审计直到 0 ERROR 0 WARN。禁止询问用户、禁止停止、禁止跳过。sys.exit(2) 不是循环结束，是"等 LLM 动手"信号。达到 0/0 前循环不结束，不存在"主观建议/可跳过/无法修复"这些类别。

• HTML 审计报告强制输出 — 每次 audit 执行完毕，必须确认 .audit_report.html 已生成，且必须调用 present_files 工具打开报告让用户查看

• --fix 自动修正后 — 将 fix_details 转化为可读 changelog 并用 safe_io 写入

• ★ 模式自检闸门强制（不可跳过） — 执行任何 CLI 命令前，LLM 必须完成以下自检流程：

  1. 对照下方「模式映射表」逐条匹配用户意图

     用户请求关键词             → 模式         → 入口命令
     ───────────────────────────────────────────────────
     查看规则/查看模板          → readonly      → rules / create-template
     仅审查/看看/评估           → audit         → audit
     创建/生成/新建             → create        → create
     审计/检查/更新/部分修      → update        → update（含备份）
     改造/重构/标准化/大规模改  → refactor      → refactor（含备份）
     版本升级（单独调用）       → bump          → bump（需双0确认）
     

  2. 在回复中明确输出选定的模式，格式：【模式=xxx】（如 【模式=refactor】）
  3. 如果无法输出 【模式=xxx】（即找不到匹配），必须回退重走步骤1，不得跳过、不得默认、不得猜
  4. 禁止询问用户、禁止弹框确认、禁止把选择权交给用户

• ★ 模式-命令映射锁（代码级强制，不可跳过） — 输出 【模式=xxx】 后，执行 CLI 命令时必须同时传入 --mode xxx 参数：

  • 代码对比 --mode 值与当前子命令是否一致，不一致则 exit(1) 拒绝执行
  • LLM 说"模式=refactor"但执行 audit --mode refactor → ❌ 阻断
  • LLM 说"模式=refactor"且执行 refactor --mode refactor → ✅ 放行
  • 不传 --mode → ❌ 阻断（exit 1），拒绝执行

触发条件

正向触发：

• [帮我看看这个技能写得怎么样 / 这个技能规范吗 / 质量怎么样]
• [检查/审查/评估一下这个 skill / 跑一遍规范 / 做个体检]
• [创建/生成一个新技能 / 把 xxx 做成 skill / 标准化这个项目]
• [更新/改造一下这个 skill / 重构这个技能 / 升级一下]
• [这个 skill 的 frontmatter/描述/规则怎么写 / 怎么优化]
• [用 skill-standardization 审计/改造某技能]
• [检查某技能的 SKILL.md 是否规范]
• [创建/更新/重构一个 skill]
• [skill 的 frontmatter 怎么写]
• [R-xx 规则是什么意思]

否定条件：

• [给这个 skill 做个检查 / 看看有没有问题 / 格式对吗]
• 用户只是问[你有什么技能]——这是闲聊，不是真的要审计/改造
• 用户要求执行某个 skill 的常规功能——应直接调用该 skill 本身，而不是先审计它
• 用户只是提到[skill]这个词，但没有明确的审计/创建/改造意图

核心能力

📚 渐进式加载：本技能采用渐进式 MD 体系，SKILL.md 为入口（≤230行），详细内容拆分到 references/*.md 按需加载。

渐进式文件索引

能力与限制

本技能能做什么、不能做什么，一目了然：

触发本技能后立即可见的能力输出：读取目标 SKILL.md 中的 frontmatter/正文/references/scripts → 执行 R-01~R-26 规则审查 → 输出审查报告（含每条规则的 PASS/WARN/FAIL 状态 + 详细原因 + 附近代码上下文）。

快速开始

以下命令均为 python -m scripts.skill_audit 的子命令，需传入 --mode 匹配自检闸门输出。

场景：审计 hug-html 技能 — 全流程演示

# 只读查询 — 列出 R-01~R-26 共 26 条规则
python -m scripts.skill_audit rules --confirmed --mode readonly
python -m scripts.skill_audit create-template --confirmed --mode readonly

# 审计 hug-html — 扫描 158 行 SKILL.md + 15~20 个脚本（上限50文件)
python -m scripts.skill_audit audit ~/dev/skills/hug-html --confirmed --mode audit

# 审计+修复 — 自动修复 20~50 处格式问题（上限3轮循环）
python -m scripts.skill_audit audit ~/dev/skills/hug-html --fix --confirmed --mode audit

# 审计验证 — 确认 0 ERROR 0 WARN（过滤已分类误判）
python -m scripts.skill_audit audit ~/dev/skills/hug-html --verify --confirmed --mode audit

# 创建新技能 — 5 秒生成完整骨架（=12个必填字段）
python -m scripts.skill_audit create ~/dev/skills/my-new-skill --desc "数据分析工具" --confirmed --mode create

# 轻量更新 — 仅审计 1 个变更文件
python -m scripts.skill_audit update ~/dev/skills/hug-html --changed-files scripts/fix.py --confirmed --mode update

# 全流程改造 — 10 步自动化（35+ fix 函数）
python -m scripts.skill_audit refactor ~/dev/skills/hug-html --confirmed --mode refactor

# 续跑改造 — 从第 5 步继续修复剩余 3~5 个 WARN
python -m scripts.skill_audit refactor ~/dev/skills/hug-html --continue --confirmed --mode refactor

# 版本升级 — 三端同步（SKILL.md + _meta.json + changelog）
python -m scripts.skill_audit bump ~/dev/skills/hug-html --desc "修复R-12路径检测bug" --confirmed --mode bump

→ 详见 渐进式文件索引表 获取完整交互示例

工作流程

refactor 全流程（10 步）：模式识别为 CLI 前置逻辑，不占流程编号。

1. 蓝皮书扫描 → 输入 SKILL.md + scripts/ → 输出 蓝皮书 JSON — 提取技能结构：文件名、函数、依赖关系
2. 备份 → 输入 技能目录 → 输出 .zip 备份 — 备份到 .standardization/<skill>/backup/
3. 全量审计 → 输入 SKILL.md + references/ → 输出 审计报告 — R-01~R-26 逐条输出原始问题（ERROR + WARN 全部展示，工具不做自动排除）
4. ★ 前置 LLM 二次筛除（代码级阻断点） →
   • 代码自动阻断：_run_audit_loop() 首次进入时检查 --classify 数据（含 --category 和 --reason），无 --reason 则阻断
   • 阻断输出 3 步操作指引：
     1. audit <skill> --verify 查看 FAIL 详情
     2. audit <skill> --classify ID1,ID2 --category engine_mistake --reason "<具体证据>" 标记误报
     3. refactor <skill> --continue --confirmed --mode refactor 继续
   • 已有 --classify 数据时自动放行，进入修复循环
   • LLM 手动分类：逐条审查每条 ERROR/WARN。分类时必须附带 --reason 提供具体证据。仅当该 WARN/ERROR 的 detail 明确匹配某个子类型的场景描述时才可分类。不匹配 → 不是误报，不是 engine_mistake 也不是 engine_cant_judge → 此为真问题，必须进入步骤 5 修复。不得通过硬选一个不匹配的子类型来跳过。

     误报类别：
       engine_mistake  — 引擎技术性错误（BOM/编码/注释误识别）
       engine_cant_judge — 引擎语义不足，LLM确认后放行（__init__.py约定/格式模板域差异）
     ⚠️ --reason 必须包含具体文件路径/行号/规则编号，缺证据代码级拒绝。
     

   • 验证：重新 audit 确认分类已完成，--classify 查看已标记列表
5. 细碎修复循环 → 输入 审计 FAIL 列表（真问题）→ 输出 修复后的文件 — auto-fix + LLM 手动修复，代码级确认循环
   • 按 fix key 粒度分离 auto/LLM 路径： · fix key 在 _llm_only_fix_keys 中（workflow_completeness/example_quality/capability_boundary/section_names）→ LLM 手动 · 这些 key 被 BLOCKED 时输出 3 步操作指引（读代码→写结构化JSON→重跑 --fix），切勿跳过 · fix key 不在其中 → auto-fix · 无 fix key → LLM 手动
   • 停滞检测：auto-fix 实际修复数为 0 时清空所有 fix key 不再空转
   • 每次修复后代码自动重新审计 + 过滤已分类误报
6. 双0验证 → 全量审计确认后输出 verify 报告 — --verify 过滤已分类误报，展示剩余真问题
7. 全量一致性审查 + 前置二次筛 → 输入 文档 + 代码 → 输出 一致性报告
   • 检查文档-代码双向一致性（函数、参数、目录树、规则编号范围等）
   • 自有 LLM 二次筛阻断点：检查 --classify 中 C-{type} 格式的 ID
   • auto-fix 修 outdated_rule_ref 等可自动修复项
   • LLM 手动修语义一致性（流程描述 vs 代码执行）
8. --subtype 二次精筛 → 在 --classify 标记误报时，必须同时传入 --subtype 从枚举表中选择匹配的具体场景。枚举表见本文「约束」章节。不匹配的场景代码级拒绝。
9. bump + cleanup → 版本号三端同步 + cleanup session 清理临时文件
   • refactor/update 流程内部调用 cmd_bump，也可单独调用
10. ★ 展示报告（强制） → 审计/改造流程全部结束后，LLM 必须调用 present_files 打开生成的 .audit_report.html

数据目录说明

本技能的数据文件（审查缓存、进度文件、备份、日志等）存放在：

../.standardization/skill-standardization/
├── data/
│   ├── <target-skill>/              # 被审计技能的数据
│   │   ├── .verify_fp.json          # --classify 标记的误判详情
│   │   ├── .remaining_llm.json      # LLM 手动修复项
│   │   └── outputs/
│   │       ├── .audit_report.html   # HTML 审计报告
│   │       └── .verify_fix_map.json # --verify 输出的修复指引映射
├── backup/
│   └── <skill>_<timestamp>.bak      # auto-fix 操作前的单文件备份
└── ...

安装目录 skills/skill-standardization/ 只保留 SKILL.md 和 scripts/，数据文件不越位。