13 KiB
13 KiB
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:
---
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)
# 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
mkdir -p ~/.nanobot/workspace/skills/my-skill
cd ~/.nanobot/workspace/skills/my-skill
步骤2:创建SKILL.md文件
---
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
#!/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
# 搜索技能
npx --yes clawhub@latest search "关键词"
# 安装技能
npx --yes clawhub@latest install <slug> --workdir ~/.nanobot/workspace
方法4:使用 npx skills 安装(skills.sh)
# 搜索技能
npx skills find "关键词"
# 安装技能
npx skills add <owner/repo@skill>
🔧 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
# 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
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)
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
# 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:
- 内置技能:
/usr/local/lib/python3.11/site-packages/nanobot/skills/ - 工作区技能:
~/.nanobot/workspace/skills/ - 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:
- 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
- 技术选型:ImageMagick + 中文字体(轻量、成熟)
- 功能设计:覆盖常用图片处理需求
- 用户体验:简单命令行 + Python API
实现要点:
- 中文支持:安装并配置中文字体
- 错误处理:检查依赖、字体、权限
- 文档完整:提供多种使用方式
- 易于扩展:模块化设计
📝 总结
创建技能的关键步骤:
- 明确需求 - 解决什么问题
- 技术选型 - 用什么技术实现
- 结构设计 - 如何组织代码和文档
- 功能实现 - 编写核心逻辑
- 测试验证 - 确保功能正常
- 文档完善 - 提供使用指南
- 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:
- 创建技能索引 - 快速查看所有技能用途
- 精简MEMORY.md - 将详细记录移到单独文件
- 设置技能标签 - 标记"核心/活跃/预备"
- 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:
- 技能有独立的SKILL.md
- 我不自动读取所有SKILL.md
- 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:
- 对话长度 - 长对话会耗尽上下文
- MEMORY.md大小 - 需要定期归档
- 工具输出 - 大文件读取会爆Token
蔡叔叔,要我立即精简MEMORY.md吗? 🐈