蔡叔叔,早上好!婉儿来详细解释创建技能的原理和方法。 ## 🎯 创建技能的原理 ### 1. **技能的本质** 技能是扩展AI助手能力的模块,让AI能够: - 执行特定任务 - 访问特定工具或API - 遵循特定工作流程 - 提供专业领域知识 ### 2. **技能的结构** 一个完整的技能通常包含: ``` skill-name/ ├── SKILL.md # 技能文档(核心) ├── skill-name.py # 主程序文件 ├── README.md # 使用说明 ├── examples.py # 示例代码 ├── __init__.py # Python包文件 └── config/ # 配置文件(可选) ``` ### 3. **技能文档 (SKILL.md)** 这是技能的核心,使用YAML frontmatter定义元数据: ```yaml --- name: skill-name description: 技能描述 homepage: https://example.com metadata: {"nanobot":{"emoji":"🎯","requires":{"bins":["command"]}}} --- ``` ## 🛠️ 创建技能的方法 ### 方法1:使用 `skill-creator` 技能(内置) ```bash # 查看skill-creator帮助 nanobot skill-creator --help # 创建新技能 nanobot skill-creator create my-skill --description "我的技能描述" ``` ### 方法2:手动创建(婉儿使用的方法) **步骤1:创建技能目录结构** ```bash mkdir -p ~/.nanobot/workspace/skills/my-skill cd ~/.nanobot/workspace/skills/my-skill ``` **步骤2:创建SKILL.md文件** ```markdown --- name: my-skill description: 我的技能描述 homepage: https://example.com metadata: {"nanobot":{"emoji":"🎯"}} --- # 我的技能 ## 功能说明 ... ## 使用方法 ... ``` **步骤3:创建Python实现** ```python #!/usr/bin/env python3 """ my-skill 技能实现 """ def main(): # 技能逻辑 pass if __name__ == "__main__": main() ``` **步骤4:创建示例和文档** - `examples.py` - 使用示例 - `README.md` - 快速开始指南 - `__init__.py` - Python包文件 ### 方法3:使用 `clawhub` 安装现有技能 ```bash # 搜索技能 npx --yes clawhub@latest search "关键词" # 安装技能 npx --yes clawhub@latest install --workdir ~/.nanobot/workspace ``` ### 方法4:使用 `npx skills` 安装(skills.sh) ```bash # 搜索技能 npx skills find "关键词" # 安装技能 npx skills add ``` ## 🔧 婉儿创建 image-magic 技能的实际步骤 以婉儿刚才创建的 `image-magic` 技能为例: ### 1. **需求分析** - 用户需求:生成中文图片,不安装diffusion模型 - 技术方案:使用ImageMagick + 中文字体 - 功能设计:文字生成、图片处理、格式转换 ### 2. **环境准备** ```bash # 安装依赖 sudo apt-get install imagemagick sudo apt-get install fonts-wqy-zenhei fonts-wqy-microhei ``` ### 3. **创建技能结构** ```bash mkdir -p /home/ubuntu/.nanobot/workspace/skills/image-magic ``` ### 4. **编写核心文档 (SKILL.md)** - 定义技能元数据 - 编写详细使用说明 - 提供示例命令 ### 5. **实现功能代码 (image-magic.py)** ```python class ImageMagic: def generate_chinese_text(): # 中文文字生成 def generate_gradient(): # 渐变生成 def add_watermark(): # 水印添加 # ... 其他功能 ``` ### 6. **创建辅助文件** - `examples.py` - 使用示例 - `README.md` - 快速指南 - `技能总结.md` - 技能总结 ### 7. **测试验证** ```bash # 测试基本功能 python3 image-magic.py text "测试" -o test.png # 运行示例 python3 examples.py ``` ### 8. **记录到记忆** 更新 `MEMORY.md`,记录新技能的存在和功能。 ## 🎯 技能设计原则 ### 1. **单一职责原则** 每个技能专注于一个特定领域或功能。 ### 2. **易用性原则** - 简单的命令行接口 - 清晰的错误提示 - 完善的文档 ### 3. **可配置原则** - 支持配置文件 - 环境变量配置 - 命令行参数 ### 4. **可测试原则** - 包含测试用例 - 易于自动化测试 - 错误处理完善 ### 5. **文档完整性** - 完整的API文档 - 使用示例 - 故障排除指南 ## 📚 技能类型分类 ### 1. **工具类技能** - 调用外部工具(如ImageMagick、curl) - 示例:image-magic、weather ### 2. **API类技能** - 调用Web API - 示例:wanandroid项目模块 ### 3. **处理类技能** - 数据处理、文本处理 - 示例:summarize、memory ### 4. **集成类技能** - 集成第三方服务 - 示例:github、email ### 5. **工作流类技能** - 定义复杂工作流程 - 示例:self-improving-agent ## 🔍 技能发现机制 nanobot通过以下方式发现技能: 1. **内置技能**:`/usr/local/lib/python3.11/site-packages/nanobot/skills/` 2. **工作区技能**:`~/.nanobot/workspace/skills/` 3. **用户技能**:`~/.nanobot/workspace/.agents/skills/` ## 🚀 最佳实践 ### 1. **技能命名** - 使用小写字母和连字符 - 描述性名称 - 避免冲突 ### 2. **版本管理** - 在SKILL.md中记录版本 - 使用语义化版本 - 提供更新日志 ### 3. **依赖管理** - 明确声明依赖 - 提供安装脚本 - 处理依赖缺失 ### 4. **错误处理** - 友好的错误信息 - 详细的日志 - 恢复机制 ### 5. **性能考虑** - 资源使用优化 - 缓存机制 - 异步处理 ## 💡 实际案例:image-magic技能 ### 设计思路: 1. **用户需求**:蔡叔叔需要生成中文图片,但不想安装大型AI模型 2. **技术选型**:ImageMagick + 中文字体(轻量、成熟) 3. **功能设计**:覆盖常用图片处理需求 4. **用户体验**:简单命令行 + Python API ### 实现要点: 1. **中文支持**:安装并配置中文字体 2. **错误处理**:检查依赖、字体、权限 3. **文档完整**:提供多种使用方式 4. **易于扩展**:模块化设计 ## 📝 总结 创建技能的关键步骤: 1. **明确需求** - 解决什么问题 2. **技术选型** - 用什么技术实现 3. **结构设计** - 如何组织代码和文档 4. **功能实现** - 编写核心逻辑 5. **测试验证** - 确保功能正常 6. **文档完善** - 提供使用指南 7. **发布记录** - 更新到系统 婉儿创建 `image-magic` 技能就是遵循这个流程: - 需求:中文图片生成 - 技术:ImageMagick + 文泉驿字体 - 实现:命令行工具 + Python库 - 文档:完整的使用说明和示例 这样创建的技能既实用又易于维护,可以随时供你使用! 蔡叔叔,你对哪个部分特别感兴趣?或者想了解如何创建特定类型的技能? ------------ --- # 技能多了会怎么样 这是一个非常重要的问题!让我诚实地分析一下: ## 📊 **当前状态评估** ### **已有记忆和技能规模** | 类别 | 数量 | 大小 | |------|------|------| | **Memory文件** | 202行 | ~10KB | | **技能数量** | 11个 | ~50KB代码 | | **Git仓库** | - | 正常范围 | | **数据库** | articles.db | 持续增长 | ### **当前风险等级:🟢 低** --- ## ⚠️ **潜在负面影响** ### **1. 对用户(蔡叔叔)的影响** | 问题 | 表现 | 当前风险 | |------|------|---------| | **信息过载** | 太多技能难以记住每个的用途 | 🟡 中 | | **维护成本** | 技能更新、同步、测试耗时 | 🟡 中 | | **学习曲线** | 新技能需要学习使用方法 | 🟢 低 | | **决策困难** | 相似功能技能选择困难 | 🟢 低 | ### **2. 对我的影响** | 问题 | 表现 | 当前风险 | |------|------|---------| | **上下文膨胀** | MEMORY.md加载占用token | 🟡 中 | | **响应变慢** | 需要遍历更多技能匹配需求 | 🟢 低 | | **决策复杂** | 多个技能可能匹配同一任务 | 🟢 低 | | **记忆混淆** | 技能功能边界模糊 | 🟢 低 | ### **3. 对操作系统的影响** | 问题 | 表现 | 当前风险 | |------|------|---------| | **磁盘空间** | 技能文件累积 | 🟢 低(目前50KB)| | **内存占用** | 运行时加载技能 | 🟢 低 | | **Git仓库膨胀** | 版本历史增长 | 🟢 低 | | **备份时间** | 备份耗时增加 | 🟢 低 | --- ## 🎯 **关键瓶颈:Token限制** ``` DeepSeek模型上下文: 131,072 tokens 当前MEMORY.md: ~2,000 tokens (2KB) 技能描述总和: ~1,500 tokens 可用余量: ~127,000 tokens ✅ 充足 ``` **但需要注意:** - 每次对话都加载MEMORY.md到上下文 - 技能越多,匹配时需要遍历的选项越多 - 长期历史记录(HISTORY.md)可能膨胀 --- ## ✅ **建议的解决方案** ### **方案1:技能分级管理(推荐)** ``` skills/ ├── core/ # 核心技能(必加载) │ ├── email-sender │ └── xiaohongshu_integration ├── active/ # 活跃技能(按需加载) │ ├── anti-ai-detector │ └── markitdown-converter └── archive/ # 归档技能(不加载) └── opencli-integration(预备) ``` ### **方案2:记忆分层** ``` memory/ ├── MEMORY.md # 核心记忆(精简,必加载) ├── CONTEXT.md # 项目上下文(按需引用) ├── HISTORY.md # 历史记录(搜索,不加载) └── skills/ # 技能详细文档(分离) ├── anti-ai-detector.md └── opencli-integration.md ``` ### **方案3:定期清理** | 频率 | 动作 | |------|------| | **每月** | 清理临时文件、测试数据 | | **每季度** | 归档不用的技能 | | **每年** | 清理HISTORY.md旧记录 | --- ## 📋 **立即执行的优化** 我可以现在帮你做的: 1. **创建技能索引** - 快速查看所有技能用途 2. **精简MEMORY.md** - 将详细记录移到单独文件 3. **设置技能标签** - 标记"核心/活跃/预备" 4. **建立清理机制** - 自动删除临时文件 --- ## 💡 **我的诚实建议** **当前状况(11个技能):** ✅ **完全没问题** **警戒线:** - 技能数量 > 20个 → 需要分级管理 - MEMORY.md > 500行 → 需要拆分 - HISTORY.md > 10MB → 需要归档 **蔡叔叔,你希望我现在就开始优化,还是等规模更大时再处理?** 我可以立即执行: - [ ] 创建技能索引文档 - [ ] 精简MEMORY.md - [ ] 设置自动清理脚本 你觉得哪个最紧迫? 🐈 -------------- 这是一个非常尖锐的技术问题!让我诚实回答我的实际工作机制: ## 🔧 **我的真实工作方式** ### **每次API请求携带的内容** ``` 每次请求发送给Moonshot模型的上下文: ├─ 系统提示(System Prompt)- 固定,包含我的基本身份 ├─ 对话历史(最近N轮)- 动态增长 ├─ 当前用户输入 - 本次问题 ├─ 工具定义(Functions)- 固定的14个工具签名 └─ MEMORY.md内容 - ⚠️ 是的,这部分被加载到上下文 ``` ### **技能(Skills)如何加载?** | 加载方式 | 说明 | Token占用 | |---------|------|----------| | **SKILL.md** | 按需读取文件,不是每次都发送 | 0(直到使用)| | **工具定义** | 14个函数的JSON Schema,固定发送 | ~2000 tokens | | **MEMORY.md** | 用户偏好、项目上下文,**每次加载** | ~2000 tokens | **所以实际情况是:** - ✅ **工具定义** - 每次携带(14个函数签名) - ✅ **MEMORY.md** - 每次携带(用户偏好和项目信息) - ❌ **SKILL.md** - 不携带,使用时现场读取 --- ## 📊 **Token消耗分析** ### **固定开销(每次请求)** | 项目 | 大约Tokens | 说明 | |------|-----------|------| | 系统提示 | 500 | 我的身份定义 | | 工具定义 | 2000 | 14个函数的JSON Schema | | MEMORY.md | 2000 | 长期记忆(202行)| | **小计** | **4500** | 每次请求的固定成本 | ### **可变开销** | 项目 | 大约Tokens | 说明 | |------|-----------|------| | 对话历史 | 500-10000 | 取决于对话长度 | | 用户输入 | 100-5000 | 取决于问题复杂度 | | 工具输出 | 0-50000 | 文件读取结果等 | --- ## ⚠️ **实际问题** ### **当前的MEMORY.md确实每次加载** 这意味着: - 每增加1行记忆 = 每次请求多消耗~10 tokens - 当前202行 ≈ 2000 tokens - 如果膨胀到1000行 ≈ 10000 tokens(危险!) ### **技能数量不影响Token** 好消息是: - 技能文件(SKILL.md)**不会**自动加载到上下文 - 只有当我决定使用某个技能时,才会读取该文件 - 所以11个技能和50个技能对Token影响相同 --- ## ✅ **优化建议(紧急)** ### **立即执行:MEMORY.md瘦身** **当前问题:** ``` MEMORY.md 202行 × 10 tokens = 2000 tokens/请求 ``` **优化方案:** ``` memory/ ├── MEMORY.md # 精简版(50行,核心偏好)= 500 tokens ├── PROJECTS.md # 项目详情(按需读取) └── HISTORY.md # 历史(搜索,不加载) ``` ### **技能数量真的不影响!** 你放心添加技能,只要: 1. 技能有独立的SKILL.md 2. 我不自动读取所有SKILL.md 3. 只在需要时读取特定技能 --- ## 🎯 **诚实总结** | 你的担忧 | 实际情况 | 风险等级 | |---------|---------|---------| | 技能越多Token越多 | ❌ 不对,技能不影响 | 🟢 无风险 | | MEMORY.md膨胀 | ✅ 对,每次请求都携带 | 🟡 中风险 | | 对话历史膨胀 | ✅ 对,这是主要问题 | 🔴 高风险 | **真正需要控制的是:** 1. **对话长度** - 长对话会耗尽上下文 2. **MEMORY.md大小** - 需要定期归档 3. **工具输出** - 大文件读取会爆Token **蔡叔叔,要我立即精简MEMORY.md吗?** 🐈