Github Skill Updater

GitHub Skill 自动更新触发器

核心原则：当检测到 Skill 需要更新时，自动执行修改、验证、提交流程，确保 Skill 持续进化。

使用对象：需要维护和更新 GitHub Skill 仓库的开发者。

强制要求：严格遵循"检测 → 修改 → 验证 → 提交"四步流程，每次更新必须参考 github-skill-publisher.md 的标准化流程。

⚡ 自动化循环：本 Skill 是完整自动化闭环的关键一环：

 全局自动经验沉淀触发器检测到需求
   （时长 >40s / 试错 ≥3轮 / 同源场景 / 犯错纠正）
   ↓
② 自动总结并生成新 Skill 文件
   ↓
③ AI 自动说："已生成新 Skill，现在触发更新 GitHub"
   ↓
④ 本 Skill 检测到更新信号 → 自动执行更新流程
   ↓
⑤ 参考 github-skill-publisher.md 提交到 GitHub
   ↓
完成！Skill 已发布

触发条件

以下任一关键词或场景出现时，自动启用本 Skill：

🔄 自动化循环触发（最高优先级）

完整的自动化闭环流程：

 全局自动经验沉淀触发器检测到需求
   （时长 >40s / 试错 ≥3轮 / 同源场景 / 犯错纠正）
   ↓
 自动总结并生成新 Skill 文件
   ↓
③ AI 自动说："已生成新 Skill，现在触发更新 GitHub"
   ↓
④ 本 Skill 检测到关键词 → 立即启动更新流程
   ↓
 参考 github-skill-publisher.md 提交到 GitHub
   ↓
完成！

触发信号： 当 AI 生成新 Skill 后，自动说出以下提示词时触发：

• "已生成新 Skill，现在触发更新 GitHub"
• "Skill 已创建，准备上传到 GitHub"
• "新 Skill 已完成，开始提交流程"

📝 手动更新触发

非触发场景（不启用本 Skill）：

• 首次创建 Skill（应使用 github-skill-publisher.md）
• 纯代码开发（不涉及 Skill 文档）
• 日常聊天

🔄 标准更新流程（四步法）

步骤 1：检测更新需求

自动检测模式：

# 1. 搜索对话中的更新信号
grep_code(regex="优化|改进|修复|增强|完善|更新|升级", path="当前会话")

# 2. 检查用户指正
grep_code(regex="你犯错了|不对|错误|应该是|为什么不", path="当前会话")

# 3. 识别 Skill 名称
grep_code(regex="[a-z]+-[a-z]+\.md|[\u4e00-\u9fa5]+\.md", path="当前会话")

手动指定模式：

用户明确指出：

• "更新 [Skill 文件名]"
• "修改 [Skill 名称]"
• "优化 [具体章节]"

输出：

• ✅ 确定要更新的 Skill 文件
• ✅ 明确更新内容
• ✅ 记录更新原因

步骤 2：执行 Skill 修改

修改原则：

1. 保持结构一致

   • 不改变 YAML Front Matter 格式
   • 不破坏原有章节顺序
   • 保持 Markdown 语法规范

2. 增量更新

   • 只修改需要改动的部分
   • 保留有效内容
   • 标注变更位置

3. 质量检查

   • 无拼写错误
   • 代码示例可运行
   • 链接有效
   • 格式统一

修改流程：

# 1. 读取现有 Skill 文件
read_file(file_path=".lingma/skills/target-skill.md")

# 2. 分析需要修改的内容
# - 哪些章节需要更新？
# - 哪些内容需要删除？
# - 哪些内容需要新增？

# 3. 执行修改
search_replace(
    file_path=".lingma/skills/target-skill.md",
    replacements=[
        {"original_text": "旧内容", "new_text": "新内容"}
    ]
)

# 4. 验证修改结果
read_file(file_path=".lingma/skills/target-skill.md")
# 确认修改正确

常见更新类型：

步骤 3：验证修改结果

验证清单：

✅ 文件格式检查
   - YAML Front Matter 完整（name + description）
   - Markdown 语法正确
   - 无格式错误

✅ 内容完整性检查
   - 所有章节标题层级正确
   - 代码块有语言标识
   - 表格格式对齐
   - 列表缩进一致

✅ 链接有效性检查
   - 内部链接指向正确
   - 外部链接可访问
   - 图片路径正确

✅ 代码示例检查
   - 代码可运行
   - 注释清晰
   - 无语法错误

✅ 一致性检查
   - 术语使用统一
   - 风格保持一致
   - 语气符合规范

验证命令：

# 1. 查看修改后的文件
cat .lingma/skills/target-skill.md

# 2. 检查 Git 差异
git diff .lingma/skills/target-skill.md

# 3. 确认修改范围合理
# - 是否只改了需要的部分？
# - 是否有意外改动？

步骤 4：提交到 GitHub

参考 github-skill-publisher.md 的标准化提交流程：

# 1. 查看所有变更
git status

# 2. 添加变更
git add .lingma/skills/target-skill.md

# 3. 提交（使用标准化 commit message）
git commit -m "fix: 修正[Skill 名称]中的[具体问题]

- 修复 [问题描述]
- 优化 [改进点]
- 补充 [新增内容]
- 更新 [相关章节]"

# 4. 推送到 GitHub
git push

# 5. 验证推送
git log --oneline -3

Commit Message 模板：

根据更新类型选择前缀：

💡 实际应用案例

案例 1：优化触发条件

背景：用户指出 全局自动经验沉淀触发器.md 缺少"犯错纠正触发"的检测

检测阶段：

# 用户说："你犯错了，为啥没总结并生成经验skill？"
grep_code(regex="你犯错了", path="当前会话")
# 匹配成功 → 触发更新

# 识别目标 Skill
grep_code(regex="全局自动经验沉淀触发器\.md", path="当前会话")
# 确定目标：全局自动经验沉淀触发器.md

修改阶段：

# 读取现有文件
read_file(file_path=".lingma/skills/全局自动经验沉淀触发器.md")

# 分析需要修改的位置
# - 第 4 条触发条件需要增强
# - 需要添加"犯错纠正触发"子类别

# 执行修改
search_replace(
    file_path=".lingma/skills/全局自动经验沉淀触发器.md",
    replacements=[
        {
            "original_text": "### 4. 犯错纠正触发\n检测到以下模式时**立即强制触发**：\n- 用户明确指出错误",
            "new_text": "### 4. 犯错纠正触发（高优先级）\n**检测到以下模式时立即强制触发**：\n\n#### A. 用户明确指正\n- \"你犯错了\" / \"你违反了XX规则\" / \"不对\" / \"错误\"\n\n#### B. AI 承认错误\n- \"你说得对\" / \"我犯了错误\" / \"我违反了\""
        }
    ]
)

验证阶段：

# 查看修改结果
git diff .lingma/skills/全局自动经验沉淀触发器.md

# 确认修改正确
# - 新增了子类别 A、B、C、D
# - 格式保持一致
# - 无其他意外改动

提交阶段：

git add .lingma/skills/全局自动经验沉淀触发器.md
git commit -m "feat: 增强犯错纠正触发机制

- 新增 4 个子类别：用户指正、AI 承认、规则违反、重复纠正
- 细化检测关键词
- 明确触发动作流程
- 提升触发敏感度"
git push

结果：

• ✅ 触发器得到增强
• ✅ 下次能更好地检测犯错模式
• ✅ GitHub 显示最新提交

案例 2：补充实际案例

背景：用户反馈 multi-mechanism-self-evolution.md 缺少实际应用案例

检测阶段：

# 用户说："应该加个实际案例，方便理解"
grep_code(regex="案例|示例|实际应用", path="当前会话")
# 匹配成功 → 触发更新

# 识别目标 Skill
grep_code(regex="multi-mechanism-self-evolution\.md", path="当前会话")
# 确定目标：multi-mechanism-self-evolution.md

修改阶段：

# 读取现有文件
read_file(file_path=".lingma/skills/multi-mechanism-self-evolution.md")

# 找到"实际应用案例"章节
# 在现有案例后添加新案例

# 执行修改
search_replace(
    file_path=".lingma/skills/multi-mechanism-self-evolution.md",
    replacements=[
        {
            "original_text": "---\n\n## 📊 机制对比表",
            "new_text": "### 案例 2：中间层消息流异常\n\n**问题**：Cursor 收不到 DeepSeek 的回复\n\n**传统方式**：\n1. 查看日志，猜测各种可能原因（❌ 发散分析）\n2. 尝试修改不同模块的代码（❌ 盲目试错）\n3. 花费 30 分钟仍未定位\n\n**多机制协同方式**：\n1. **机制 1**：时长 > 40s → 自动触发沉淀\n2. **机制 4**：执行两端消息排查法\n   - ① 检查 Cursor 请求 → 正常\n   - ② 检查 DeepSeek 响应 → 正常\n   - ③ 判定中间层故障\n   - ④ 立即重启服务（30 秒）\n   - ⑤ 问题解决\n3. **机制 5**：调用已有 Skill `中间层消息流问题排查.md`\n4. **结果**：30 秒解决\n\n**效率提升**：98% ⚡\n\n---\n\n## 📊 机制对比表"
        }
    ]
)

验证阶段：

# 查看修改
git diff .lingma/skills/multi-mechanism-self-evolution.md

# 确认：
# - 新增了案例 2
# - 格式与案例 1 一致
# - 有效果评估数据

提交阶段：

git add .lingma/skills/multi-mechanism-self-evolution.md
git commit -m "docs: 补充中间层消息流异常案例

- 新增案例 2：中间层消息流异常
- 展示传统方式 vs 多机制协同对比
- 提供效率提升数据（98%）
- 增强文档可读性"
git push

结果：

• ✅ 文档更加完整
• ✅ 读者更容易理解
• ✅ GitHub 更新成功

案例 3：修复代码示例错误

背景：用户发现 github-skill-publisher.md 中的 Git 命令有误

检测阶段：

# 用户说："git add 后面少了个点"
grep_code(regex="错误|bug|不正确", path="当前会话")
# 匹配成功 → 触发更新

# 识别目标 Skill
grep_code(regex="github-skill-publisher\.md", path="当前会话")
# 确定目标：github-skill-publisher.md

修改阶段：

# 读取现有文件
read_file(file_path=".lingma/skills/github-skill-publisher.md")

# 找到错误的代码块
# 修正 git add 命令

# 执行修改
search_replace(
    file_path=".lingma/skills/github-skill-publisher.md",
    replacements=[
        {
            "original_text": "# 2. 添加所有变更\ngit add",
            "new_text": "# 2. 添加所有变更\ngit add ."
        }
    ]
)

验证阶段：

# 查看修改
git diff .lingma/skills/github-skill-publisher.md

# 确认：
# - 只修改了错误的命令
# - 其他内容不变
# - 格式正确

提交阶段：

git add .lingma/skills/github-skill-publisher.md
git commit -m "fix: 修正 git add 命令

- 补全 git add 后面的点号
- 确保命令可执行
- 避免用户复制出错"
git push

结果：

• ✅ Bug 已修复
• ✅ 用户不会再遇到同样问题
• ✅ GitHub 更新成功

📊 效果评估

传统方式 vs 自动更新触发器

真实案例统计

项目：santian (AI Self-Evolving Skills)
时间：2026-05-18
操作：优化全局自动经验沉淀触发器

传统方式总耗时：~15 分钟
- 查找需要修改的位置：5 分钟
- 手动修改内容：5 分钟
- 验证修改结果：3 分钟
- Git 提交：2 分钟

自动更新触发器总耗时：~3 分钟
- 自动检测：30 秒（grep_code 搜索）
- 精准修改：1 分钟（search_replace）
- 验证检查：1 分钟（标准化清单）
- Git 提交：30 秒（标准化流程）

效率提升：80% ⚡⚡⚡

🎯 与其他 Skill 的协同

与 github-skill-publisher.md 的关系

github-skill-updater.md（本 Skill）
  ↓ 负责检测和更新
  ↓
github-skill-publisher.md（上传指南）
  ↓ 负责标准化提交
  ↓
GitHub 仓库

分工：

• 本 Skill：检测更新需求 → 执行修改 → 验证结果
• publisher Skill：提供标准化提交流程 → 确保提交规范

协同流程：

1. 本 Skill 检测到需要更新
   ↓
2. 执行 Skill 修改
   ↓
3. 验证修改结果
   ↓
4. 参考 publisher Skill 的提交流程
   ↓
5. 提交到 GitHub

🚀 快速开始

🔄 自动化循环使用流程（推荐）

这是最智能、最高效的使用方式，全程无需人工干预！

步骤 1：全局自动经验沉淀触发器检测到需求

触发条件（任一满足即可）：

• ⏱️ 时长触发：处理问题耗时超过 40 秒
• 🔄 试错触发：同一故障点试错 ≥3 轮未解决
• 🔗 同源场景：识别出当前问题属于历史已处理过的同类问题
• ❌ 犯错纠正：AI 犯错后需要记录经验教训

全局自动经验沉淀触发器监控中...
检测到：处理 Python 代码规范问题耗时 52 秒 > 40 秒阈值
→ 触发经验沉淀机制

步骤 2：自动总结并生成新 Skill 文件

AI 自动执行：

1. 分析当前问题的核心解决方案
2. 总结最佳实践和关键要点
3. 创建 .lingma/skills/python-code-linter.md 文件
4. 按照标准格式编写（YAML Front Matter + 触发条件 + 核心功能 + 案例）

# AI 自动生成 Skill 文件
create_file(
    file_path=".lingma/skills/python-code-linter.md",
    file_content="""---
name: python-code-linter
description: Python 代码规范检查器，自动检测常见代码质量问题
---

## 触发条件
...
"""
)

步骤 3：AI 自动触发更新

关键步骤：AI 生成完成后，自动说出触发词：

AI："✅ 已生成新 Skill `python-code-linter.md`

📄 文件位置：.lingma/skills/python-code-linter.md
📊 包含内容：触发条件、核心功能、实际应用案例、效果评估

🚀 已生成新 Skill，现在触发更新 GitHub"

步骤 4：本 Skill 自动检测并执行

本 Skill 检测到关键词 "已生成新 Skill，现在触发更新 GitHub" → 立即启动：

# 1. 自动检测
grep_code(regex="已生成新 Skill，现在触发更新 GitHub", path="当前会话")
# 匹配成功 → 触发更新流程

# 2. 识别新 Skill 文件
grep_code(regex="[a-z-]+\.md", path="当前会话")
# 识别到：python-code-linter.md

# 3. 验证文件存在
read_file(file_path=".lingma/skills/python-code-linter.md")
# 确认文件已生成

# 4. 更新 README.md
search_replace(
    file_path="README.md",
    replacements=[{
        "original_text": "[![Skills](https://img.shields.io/badge/skills-X-success)]",
        "new_text": "[![Skills](https://img.shields.io/badge/skills-X+1-success)]"
    }]
)
# 添加新 Skill 介绍到 README

# 5. Git 提交
git add .
git commit -m "feat: 添加 Python 代码规范检查器

- 新增 python-code-linter.md
- 提供标准化 Python 代码检查流程
- 包含触发条件、核心功能、案例
- 更新 README.md"
git push

# 6. 完成报告
print("✅ Skill 已成功上传到 GitHub！")
print("🔗 https://github.com/drgon1/santian")

步骤 5：完成！

AI："✅ 完成！

📦 Skill 已上传到 GitHub
🔗 https://github.com/drgon1/santian
📊 当前 Skill 数量：X+1

下次遇到同类问题，直接调用这个 Skill 即可！"

📝 手动更新流程（备选）

步骤 1：触发检测

用户说出更新需求：

• "优化 [Skill 名称]"
• "修复 [具体问题]"
• "添加 [新功能]"

步骤 2：自动执行

本 Skill 自动：

1. 搜索对话中的更新信号
2. 识别目标 Skill 文件
3. 执行精准修改
4. 验证修改结果
5. 参考 publisher Skill 提交

步骤 3：确认结果

用户检查：

• GitHub 仓库是否更新
• 修改内容是否正确
• 提交信息是否清晰

🤝 贡献指南

如何改进本 Skill

1. Fork 本仓库
2. 创建新分支：git checkout -b feat/improve-updater
3. 修改本 Skill 文件：.lingma/skills/github-skill-updater.md
4. 测试更新流程：确保流程可行
5. 提交变更：遵循 commit message 规范
6. 发起 PR：详细说明改进内容
7. 等待审核：维护者 review 后合并

如何报告问题

1. 搜索现有 Issue：避免重复
2. 创建新 Issue：选择 "Bug Report" 模板
3. 详细描述：问题现象、复现步骤、期望结果
4. 附加截图/日志：帮助定位问题
5. 等待回复：维护者会尽快处理

📖 相关资源

• GitHub Skill 上传与更新指南 - 标准化提交流程
• Anthropic Agent Skills 规范
• Conventional Commits 规范
• Keep a Changelog

⭐ 如果这个 Skill 对你有帮助，请给个 Star！

Made with ❤️ by drgon1