dsh-skill-autopilot

把 DSH「记忆系统 → 技能管理 → 进化」里那批待处理建议，交给你配置的大模型审查，按一套反碎片化的准入策略裁决，通过后打包成 SKILL.md 并经技能数据源落盘（带版本记录、可回滚）。

解决的问题：进化页每次攒 5–10 条建议，每条都要人点开看一遍；而模型自己提的建议又常常是「一次任务的流水」，直接采纳会让技能库迅速变成几百个窄技能。这个插件把「审」和「发」都自动化，但把「什么样的技能才配进库」写成硬性规则，模型只能在这个框里做判断。

Requirements

需要什么	版本	为什么
DeepSeek Harness	>= 0.2.0	提供 `tools` / `llm` 服务与插件挂载点
Node.js	>= 20	主机侧全是 ESM
`dsh-mnemon-source-skills`（可选 peer）	>= 0.4.0	技能数据源；缺失时插件仍可加载，但读不到 `pending` 建议
一个可用的审查模型	—	走设置页默认模型，或在 `config.reviewer` 里显式填 `provider` / `model`

1. 它做什么（一次运行）

pending 建议 ──► 审查模型(你选的) ──► 确定性闸门 ──► 打包 SKILL.md ──► 落盘 + 版本记录
   (mnemon)        (语义判断)          (不可绕过)        (蒸馏/清洗)        (adopt)

读：从 mnemon 的 Skills Source 取 pending 建议、证据轨迹、评测用例、以及全量技能目录。
审：一次批量调用审查模型，逐条给出 create / merge / dismiss / defer + 理由 + 归并目标。
闸（模型说完不算数，代码再判一遍）：
- 建议置信度 < minConfidence → 不建；
- 模型自己对「新建」的把握 < minModelConfidence → 留待下轮（不硬发）；
- 没有强信号（procedure / correction / directive / skill-gap / skill-misleading / approach-change）→ 不建；
- 插件已提供该能力 → 不建（对照的是宿主实际广告的技能，含插件技能）；
- 与已有技能相似度 ≥ mergeSimilarity，或与已有技能同属 xxx-* 前缀簇且内容确实相关 → 强制归并，不许新增兄弟技能；
- 本轮 create 超过 maxNewPerRun → 留到下一轮（防止一次灌进一堆碎片）；
- 打包后的 SKILL.md 过 lint（见 §3）。
打包：为通过的条目单独再调一次模型，产出正文；顺手剔除会腐化的内容（日期、会话 id、uuid、机器绝对路径、「N 小时前」）。
落盘：recordDraft → adoptDraft，走技能数据源自己的写入口：建议置为 adopted、生成版本记录、必要时可 技能管理 → 版本/回收站 回滚。不直接写 SKILL.md。

默认 autoApply: false：review 只出决策 + 将要落盘的正文，一个字节都不写；确认后 apply 才落盘。

2. 反碎片策略（本插件的核心）

规则	判据	出处
库是「类级知识」，不是流水	一个技能带 N 个带标签小节 > N 个窄兄弟技能	Hermes curator
归并优先于新建	同 `xxx-` 前缀簇且内容相关*、或 description 相似 → merge	同上（只共用产品名不算：`hermes-session-recall` 与 `hermes-plugin-maintenance` 是两条工作流，不并）
不重复造插件已有的能力	对照 `ctx.skills.list()`（宿主实际广告的技能），命中即 dismiss	你的要求
小打小闹不单独建	强信号 + 置信度 + `minNewPerRun` + 正文长度下限	你的要求
不写 hub/router 技能	正文 >60% 行是「指向别的技能」→ 拒绝	Hermes 作者规范
description 一句话	超长会被系统技能索引截断，触发词等于没有	Hermes（60 字规则，这里放宽到可配）
归档不删除	归并时被吸收的技能进「回收站」，可恢复	Hermes curator

consolidate 动作是配套的「存量体检」：对已有技能按前缀/同域聚簇，让模型判断哪些该收敛成一个 umbrella，应用时把合并后的正文写到 keeper、把被吸收的移入回收站（可恢复）。

3. 打包校验（`lib/policy.js: lintSkillDoc`）

硬拦：名字非 kebab-case / 重名；缺 description 或超长；正文为空、过短、超长；正文里又带 frontmatter；缺「何时使用」或「步骤」；是 router 技能。

软提示：缺验收小节、正文没有可执行命令、description 开头是套话。

4. 用法

装好并重启后，任意会话里：

/skill-autopilot status       # 看队列、计数、审查模型、策略、日志目录
/skill-autopilot review       # 只审不写（默认 dry-run）
/skill-autopilot apply        # 审完直接落盘
/skill-autopilot consolidate  # 存量归并审查（只出方案）
/skill-autopilot history      # 最近决策

或者直接让 agent 调工具：

{"action": "review", "maxItems": 3}
{"action": "apply", "ids": ["<suggestionId>"]}
{"action": "apply", "provider": "deepseek-official", "model": "deepseek-reasoner"}
{"action": "consolidate", "confirm": true}

决策日志（append-only JSONL + 最近一次完整结果）在 $DSH_HOME/storages/skill-autopilot/：

decisions.jsonl：每条建议一行，含最终动作、理由、是否落盘、错误；
last-run.json：最近一次运行的完整内容，含将要落盘/已落盘的 SKILL.md 正文。

5. 配置

插件 patch 里的 config（见 cordis.patch.yml）都可省略：

键	默认	说明
`enabled`	`true`	关掉后工具仍在，任何运行直接返回 disabled
`mnemonDataDir`	`~/.mnemon`	其下应有 `skills/ledger.json`；自动探测
`targetRoot`	`user-dsh`	新技能写到 `~/.dsh/skills`（也可 `user-agents`）
`reviewer.provider/model`	空 = 宿主默认模型	留空时用「设置页里选的那个模型」
`reviewer.maxTokens`	`4096`	审查/打包单次上限
`policy.minConfidence`	`0.8`	建议置信度低于此值 → 不建（不进模型审）
`policy.minModelConfidence`	`0.5`	模型对「新建」的把握低于此值 → 留待下轮
`policy.maxNewPerRun`	`2`	每轮最多新建几个
`policy.mergeSimilarity`	`0.45`	相似度阈值（超过即强制归并）
`policy.descriptionMaxChars`	`240`	description 上限
`policy.maxBodyChars` / `maxMergedBodyChars`	`16000` / `24000`	正文字符上限
`policy.requireStrongSignal`	`true`	必须有强信号
`autoApply`	`false`	定时任务是否直接落盘
`intervalMinutes`	`0`	>0 时后台定时跑（默认只 review）
`logDir`	空 = `$DSH_HOME/storages/skill-autopilot`	日志目录

想让判断更狠/更准：把 reviewer.model 指向更强的模型（如 deepseek-reasoner），把 mergeSimilarity 调到 0.55、maxNewPerRun 调到 1。

实测提醒：deepseek-flash 给「新建」的自评通常在 0.65–0.8 之间；这是校准值不是裁决值，所以 minModelConfidence 默认只设 0.5。真正决定「配不配进库」的是建议置信度、强信号、去重与文档 lint。

6. 安装

# 标准模式：写 profile package.json（link: 依赖 + dsh.profile.bundles）并 pnpm install
powershell -ExecutionPolicy Bypass -File .\install.ps1 -DryRun     # 先看计划
powershell -ExecutionPolicy Bypass -File .\install.ps1

# 免 pnpm 模式：只建软链 + 往 profile 的 cordis.patch.yml 追加 insert 条目
powershell -ExecutionPolicy Bypass -File .\install.ps1 -Link

# 回滚（两种模式都认；会还原 package.json / cordis.patch.yml 的备份）
powershell -ExecutionPolicy Bypass -File .\install.ps1 -Rollback

预检（不启动、不重启）：

dsh --profile web --dump-config | Select-String skill-autopilot

生效需要重启 DSH（重启由使用者自己执行）。

7. 验证

node test/selftest.mjs          # 单元闸门/去重/打包/落盘（临时 ledger + 临时技能根，不动真实数据）
node test/selftest.mjs --live   # 追加：只读真实 ledger，确认能读到 pending 与目录
node test/host-contract.mjs     # 用真实 dsh-tools/dsh-llm 走一遍注册与一次 llm 组装调用
dsh-plugin verify .             # 真打包、真安装、挂载检查

selftest 从不碰 ~/.mnemon/skills 与 ~/.dsh/skills：它在 %TEMP% 下复制一份 ledger、建一个空的临时技能根，跑完即删。需要「本机已装 DSH / 已装 mnemon 数据源」的两段（插件技能扫描、隔离端到端）在没有安装的机器上自动 skip 而不是失败，所以 CI 只跑 npm test；host-contract 与 verify 需要真实宿主，请在装好 DSH 的机器上跑。

8. 风险与边界

写的是真技能：apply 会真的新增/修改 ~/.dsh/skills 下的技能。但只经数据源写入口，因此有版本记录（技能管理 → 版本）与回收站两条退路。
模型判断不会 100% 合意：所以默认 dry-run，且 review 会把将要落盘的完整正文放进 last-run.json 供先读后发。
不要把 autoApply + 短 intervalMinutes 一起开：那等于让模型无限自增长技能库。建议 apply 手动触发，或 autoApply 只配合 maxNewPerRun: 1。
依赖 mnemon 的内部契约：本插件通过 dsh-mnemon-source-skills 的 manage() 读写同一份 ledger；mnemon 升级若改了 operation 名，需要跟着改 lib/mnemon.js（所有调用集中在 read/write 两个方法里）。
项目级技能（project-dsh/project-agents）默认只读不建；consolidate 只处理 user-dsh/user-agents，避免动别人仓库里的东西。

9. 文件

文件	作用
`lib/index.js`	插件接线：工具、`/skill-autopilot` 命令、定时器
`lib/pipeline.js`	主流程：取建议 → 审查 → 闸门 → 打包 → 落盘；含存量归并
`lib/policy.js`	审查提示词、确定性闸门、正文 lint、易腐内容清洗、JSON 提取
`lib/review.js`	模型路由解析 + 一次性结构化调用（`ctx.llm.prepareCall` + `BlockAssembler`）
`lib/mnemon.js`	Skills Source 桥：读建议/证据/目录，`draft-record`/`draft-adopt`/`skill-save`/`skill-delete`
`lib/inventory.js`	技能清点：宿主技能目录、插件技能扫描、分词相似度、前缀聚类
`lib/apply.js`	打包成 SKILL.md、走数据源落盘、归并应用（含入回收站）
`lib/report.js`	决策日志与运行报告
`lib/host.js`	宿主包解析（免 pnpm 安装时也能找到 `@deepseek-ai/dsh-*`）
`install.ps1`	安装/回滚（标准 / 免 pnpm 两种模式）
`test/*.mjs`	自测、宿主契约测试、开发期依赖软链

10. 与 Hermes 机制的对应

Hermes	本插件
`agent/learn_prompt.py` 的作者规范（frontmatter、章节顺序、60 字 description、不写 hub 技能、命令必须来自来源）	审查提示词 + `lintSkillDoc` 硬拦/软提示
`agent/curator.py` 的 umbrella 归并（"一个维护者会写成 N 个技能还是 N 个小节？"）、前缀簇、归档不删除、pinned 不动	`gateDecision` 的前缀簇强制归并 + `consolidate` + 归并时进回收站
`skill_manage` 的「先读后写」	归并前先 `bridge.skill(key)` 读原文，再整篇重写
`/learn` 的「已有同类技能就 patch 而不是 create」	`mergeInto` + 相似度/前缀闸门

dsh-skill-autopilot

Requirements

需要什么	版本	为什么
DeepSeek Harness	>= 0.2.0	提供 `tools` / `llm` 服务与插件挂载点
Node.js	>= 20	主机侧全是 ESM
`dsh-mnemon-source-skills`（可选 peer）	>= 0.4.0	技能数据源；缺失时插件仍可加载，但读不到 `pending` 建议
一个可用的审查模型	—	走设置页默认模型，或在 `config.reviewer` 里显式填 `provider` / `model`

1. 它做什么（一次运行）

pending 建议 ──► 审查模型(你选的) ──► 确定性闸门 ──► 打包 SKILL.md ──► 落盘 + 版本记录
   (mnemon)        (语义判断)          (不可绕过)        (蒸馏/清洗)        (adopt)

读：从 mnemon 的 Skills Source 取 pending 建议、证据轨迹、评测用例、以及全量技能目录。
审：一次批量调用审查模型，逐条给出 create / merge / dismiss / defer + 理由 + 归并目标。
闸（模型说完不算数，代码再判一遍）：
- 建议置信度 < minConfidence → 不建；
- 模型自己对「新建」的把握 < minModelConfidence → 留待下轮（不硬发）；
- 没有强信号（procedure / correction / directive / skill-gap / skill-misleading / approach-change）→ 不建；
- 插件已提供该能力 → 不建（对照的是宿主实际广告的技能，含插件技能）；
- 与已有技能相似度 ≥ mergeSimilarity，或与已有技能同属 xxx-* 前缀簇且内容确实相关 → 强制归并，不许新增兄弟技能；
- 本轮 create 超过 maxNewPerRun → 留到下一轮（防止一次灌进一堆碎片）；
- 打包后的 SKILL.md 过 lint（见 §3）。
打包：为通过的条目单独再调一次模型，产出正文；顺手剔除会腐化的内容（日期、会话 id、uuid、机器绝对路径、「N 小时前」）。
落盘：recordDraft → adoptDraft，走技能数据源自己的写入口：建议置为 adopted、生成版本记录、必要时可 技能管理 → 版本/回收站 回滚。不直接写 SKILL.md。

默认 autoApply: false：review 只出决策 + 将要落盘的正文，一个字节都不写；确认后 apply 才落盘。

2. 反碎片策略（本插件的核心）

规则	判据	出处
库是「类级知识」，不是流水	一个技能带 N 个带标签小节 > N 个窄兄弟技能	Hermes curator
归并优先于新建	同 `xxx-` 前缀簇且内容相关*、或 description 相似 → merge	同上（只共用产品名不算：`hermes-session-recall` 与 `hermes-plugin-maintenance` 是两条工作流，不并）
不重复造插件已有的能力	对照 `ctx.skills.list()`（宿主实际广告的技能），命中即 dismiss	你的要求
小打小闹不单独建	强信号 + 置信度 + `minNewPerRun` + 正文长度下限	你的要求
不写 hub/router 技能	正文 >60% 行是「指向别的技能」→ 拒绝	Hermes 作者规范
description 一句话	超长会被系统技能索引截断，触发词等于没有	Hermes（60 字规则，这里放宽到可配）
归档不删除	归并时被吸收的技能进「回收站」，可恢复	Hermes curator

3. 打包校验（`lib/policy.js: lintSkillDoc`）

硬拦：名字非 kebab-case / 重名；缺 description 或超长；正文为空、过短、超长；正文里又带 frontmatter；缺「何时使用」或「步骤」；是 router 技能。

软提示：缺验收小节、正文没有可执行命令、description 开头是套话。

4. 用法

装好并重启后，任意会话里：

/skill-autopilot status       # 看队列、计数、审查模型、策略、日志目录
/skill-autopilot review       # 只审不写（默认 dry-run）
/skill-autopilot apply        # 审完直接落盘
/skill-autopilot consolidate  # 存量归并审查（只出方案）
/skill-autopilot history      # 最近决策

或者直接让 agent 调工具：

{"action": "review", "maxItems": 3}
{"action": "apply", "ids": ["<suggestionId>"]}
{"action": "apply", "provider": "deepseek-official", "model": "deepseek-reasoner"}
{"action": "consolidate", "confirm": true}

决策日志（append-only JSONL + 最近一次完整结果）在 $DSH_HOME/storages/skill-autopilot/：

decisions.jsonl：每条建议一行，含最终动作、理由、是否落盘、错误；
last-run.json：最近一次运行的完整内容，含将要落盘/已落盘的 SKILL.md 正文。

5. 配置

插件 patch 里的 config（见 cordis.patch.yml）都可省略：

键	默认	说明
`enabled`	`true`	关掉后工具仍在，任何运行直接返回 disabled
`mnemonDataDir`	`~/.mnemon`	其下应有 `skills/ledger.json`；自动探测
`targetRoot`	`user-dsh`	新技能写到 `~/.dsh/skills`（也可 `user-agents`）
`reviewer.provider/model`	空 = 宿主默认模型	留空时用「设置页里选的那个模型」
`reviewer.maxTokens`	`4096`	审查/打包单次上限
`policy.minConfidence`	`0.8`	建议置信度低于此值 → 不建（不进模型审）
`policy.minModelConfidence`	`0.5`	模型对「新建」的把握低于此值 → 留待下轮
`policy.maxNewPerRun`	`2`	每轮最多新建几个
`policy.mergeSimilarity`	`0.45`	相似度阈值（超过即强制归并）
`policy.descriptionMaxChars`	`240`	description 上限
`policy.maxBodyChars` / `maxMergedBodyChars`	`16000` / `24000`	正文字符上限
`policy.requireStrongSignal`	`true`	必须有强信号
`autoApply`	`false`	定时任务是否直接落盘
`intervalMinutes`	`0`	>0 时后台定时跑（默认只 review）
`logDir`	空 = `$DSH_HOME/storages/skill-autopilot`	日志目录

想让判断更狠/更准：把 reviewer.model 指向更强的模型（如 deepseek-reasoner），把 mergeSimilarity 调到 0.55、maxNewPerRun 调到 1。

实测提醒：deepseek-flash 给「新建」的自评通常在 0.65–0.8 之间；这是校准值不是裁决值，所以 minModelConfidence 默认只设 0.5。真正决定「配不配进库」的是建议置信度、强信号、去重与文档 lint。

6. 安装

# 标准模式：写 profile package.json（link: 依赖 + dsh.profile.bundles）并 pnpm install
powershell -ExecutionPolicy Bypass -File .\install.ps1 -DryRun     # 先看计划
powershell -ExecutionPolicy Bypass -File .\install.ps1

# 免 pnpm 模式：只建软链 + 往 profile 的 cordis.patch.yml 追加 insert 条目
powershell -ExecutionPolicy Bypass -File .\install.ps1 -Link

# 回滚（两种模式都认；会还原 package.json / cordis.patch.yml 的备份）
powershell -ExecutionPolicy Bypass -File .\install.ps1 -Rollback

预检（不启动、不重启）：

dsh --profile web --dump-config | Select-String skill-autopilot

生效需要重启 DSH（重启由使用者自己执行）。

7. 验证

node test/selftest.mjs          # 单元闸门/去重/打包/落盘（临时 ledger + 临时技能根，不动真实数据）
node test/selftest.mjs --live   # 追加：只读真实 ledger，确认能读到 pending 与目录
node test/host-contract.mjs     # 用真实 dsh-tools/dsh-llm 走一遍注册与一次 llm 组装调用
dsh-plugin verify .             # 真打包、真安装、挂载检查

8. 风险与边界

写的是真技能：apply 会真的新增/修改 ~/.dsh/skills 下的技能。但只经数据源写入口，因此有版本记录（技能管理 → 版本）与回收站两条退路。
模型判断不会 100% 合意：所以默认 dry-run，且 review 会把将要落盘的完整正文放进 last-run.json 供先读后发。
不要把 autoApply + 短 intervalMinutes 一起开：那等于让模型无限自增长技能库。建议 apply 手动触发，或 autoApply 只配合 maxNewPerRun: 1。
依赖 mnemon 的内部契约：本插件通过 dsh-mnemon-source-skills 的 manage() 读写同一份 ledger；mnemon 升级若改了 operation 名，需要跟着改 lib/mnemon.js（所有调用集中在 read/write 两个方法里）。
项目级技能（project-dsh/project-agents）默认只读不建；consolidate 只处理 user-dsh/user-agents，避免动别人仓库里的东西。

9. 文件

文件	作用
`lib/index.js`	插件接线：工具、`/skill-autopilot` 命令、定时器
`lib/pipeline.js`	主流程：取建议 → 审查 → 闸门 → 打包 → 落盘；含存量归并
`lib/policy.js`	审查提示词、确定性闸门、正文 lint、易腐内容清洗、JSON 提取
`lib/review.js`	模型路由解析 + 一次性结构化调用（`ctx.llm.prepareCall` + `BlockAssembler`）
`lib/mnemon.js`	Skills Source 桥：读建议/证据/目录，`draft-record`/`draft-adopt`/`skill-save`/`skill-delete`
`lib/inventory.js`	技能清点：宿主技能目录、插件技能扫描、分词相似度、前缀聚类
`lib/apply.js`	打包成 SKILL.md、走数据源落盘、归并应用（含入回收站）
`lib/report.js`	决策日志与运行报告
`lib/host.js`	宿主包解析（免 pnpm 安装时也能找到 `@deepseek-ai/dsh-*`）
`install.ps1`	安装/回滚（标准 / 免 pnpm 两种模式）
`test/*.mjs`	自测、宿主契约测试、开发期依赖软链

10. 与 Hermes 机制的对应

Hermes	本插件
`agent/learn_prompt.py` 的作者规范（frontmatter、章节顺序、60 字 description、不写 hub 技能、命令必须来自来源）	审查提示词 + `lintSkillDoc` 硬拦/软提示
`agent/curator.py` 的 umbrella 归并（"一个维护者会写成 N 个技能还是 N 个小节？"）、前缀簇、归档不删除、pinned 不动	`gateDecision` 的前缀簇强制归并 + `consolidate` + 归并时进回收站
`skill_manage` 的「先读后写」	归并前先 `bridge.skill(key)` 读原文，再整篇重写
`/learn` 的「已有同类技能就 patch 而不是 create」	`mergeInto` + 相似度/前缀闸门

BrainZombie/dsh-skill-autopilot

dsh-skill-autopilot

Requirements

1. 它做什么（一次运行）

2. 反碎片策略（本插件的核心）

3. 打包校验（`lib/policy.js: lintSkillDoc`）

4. 用法

5. 配置

6. 安装

7. 验证

8. 风险与边界

9. 文件

10. 与 Hermes 机制的对应

Community comments

BrainZombie/dsh-skill-autopilot

dsh-skill-autopilot

Requirements

1. 它做什么（一次运行）

2. 反碎片策略（本插件的核心）

3. 打包校验（`lib/policy.js: lintSkillDoc`）

4. 用法

5. 配置

6. 安装

7. 验证

8. 风险与边界

9. 文件

10. 与 Hermes 机制的对应

Community comments

BrainZombie/dsh-skill-autopilot

dsh-skill-autopilot

Requirements

1. 它做什么（一次运行）

2. 反碎片策略（本插件的核心）

3. 打包校验（lib/policy.js: lintSkillDoc）

4. 用法

5. 配置

6. 安装

7. 验证

8. 风险与边界

9. 文件

10. 与 Hermes 机制的对应

Community comments

BrainZombie/dsh-skill-autopilot

dsh-skill-autopilot

Requirements

1. 它做什么（一次运行）

2. 反碎片策略（本插件的核心）

3. 打包校验（lib/policy.js: lintSkillDoc）

4. 用法

5. 配置

6. 安装

7. 验证

8. 风险与边界

9. 文件

10. 与 Hermes 机制的对应

Community comments

3. 打包校验（`lib/policy.js: lintSkillDoc`）

3. 打包校验（`lib/policy.js: lintSkillDoc`）