id-verne Glue Engineer — Skill 路由
核心理念: 入口路由 + 渐进式加载。拿到任务先走决策树定位模式，再按需读对应文档。
文档目录:
docs/skill/（相对本 skill 目录）。每个文件标注了「何时读」，有匹配场景才读，不要一次读完。
文档路由索引
| 需要什么 | 读哪个文件 |
|---|---|
| 拿到任务、不确定走哪个模式 | docs/skill/decision-tree.md — 决策树 + 三模式对比 |
| 进入 SEARCH 模式（设计/构建/评估系统） | docs/skill/search-mode.md |
| 用户确认进入 DEEP 模式（源码级分析） | docs/skill/deep-mode.md |
| 查具体命令 / scout vs discover 语义 | docs/skill/cli-reference.md |
| 跑命令报错、产物异常 | docs/skill/troubleshooting.md |
| 了解代码结构/桥接矩阵/产物结构（纯参考） | docs/skill/architecture.md |
决策树（入口路由）
用户输入
├─ 设计/构建/评估一个项目或系统？
│ ↓
│ ╔══════════════════════════════════╗
│ ║ ===MODE: SEARCH=== ║
│ ║ (自动进入，无需询问用户) ║
│ ╚══════════════════════════════════╝
│ → 详见 search-mode.md
│
│ 阶段 1：CLI 自动链（scout → cross-search → mvp-scope → cap-list/cap-match）
│ 阶段 2：基于真实数据出方案（标注版本/许可证/下载量/来源 + P0/P1/P2 分级）
│ 阶段 3：询问 Deep Mode（强制询问，不可跳过）
│ ├─ 是 → deep-mode.md
│ └─ 否 → 结束
│
├─ 找"有没有人做过 X" / GitHub 仓库检索 / 非生态注册表项目？
│ ↓
│ ╔══════════════════════════════════╗
│ ║ ===MODE: DISCOVER=== ║
│ ║ python -m polyglot discover ║
│ ║ (无需询问，直接执行) ║
│ ╚══════════════════════════════════╝
│
│ python -m polyglot discover "<keyword>" --limit N
│ [--qualifiers "stars:>50 language:python"] [--sort stars]
│ → 输出 GitHub 仓库列表（星数/license/描述），Go repo 自动补 version
│ → 详见 cli-reference.md（GitHub 仓库检索类）
│
└─ 单纯搜库/审计/匹配/生成胶水代码？
↓
直接跑对应的 CLI 命令，返回结果
→ 详见 cli-reference.md
绝对禁止的行为
| 禁止行为 | 正确做法 |
|---|---|
| 使用 Claude Web Search 检索库信息 | 必须用 python -m polyglot scout |
用 gh search repos 或 WebSearch 查 GitHub 仓库 |
必须用 python -m polyglot discover(复用 gh 鉴权 + 缓存 + 评分 + enrichment) |
| 靠内部知识列库名 | 必须跑 CLI 获取真实版本号/许可证/下载量 |
| 跳过 CLI 命令直接出方案 | 这是本 skill 的核心价值 |
| 子 agent 不传 CLI 指令 | 必须在 prompt 中注入 python -m polyglot scout |
| Deep Mode 跳过候选库 | 必须把 Search Mode 输出的所有候选库传给 deep-init |
先 cd 到 glue-engineer 目录再运行 polyglot |
不需要!从任意 CWD 都可以,所有 .glue/ 输出自动放在 CWD 下 |
触发词
| 你想干什么 | 怎么说 |
|---|---|
| GitHub 仓库检索 | 检索一下有没有[X]的开源项目、GitHub 上有没有人做过[X]、找[X]的逆向或非官方 SDK 项目 |
| 跨生态搜索库 | 帮我找一个[语言]的[功能]库 |
| 多语言同时搜索 | 同时搜索 Rust 的序列化库和 Python 的 HTTP 客户端 |
| 对比几个库 | 对比一下[A]和[B] |
| 审计一个包 | 审计一下这个[语言]的[包名] |
| 跨语言连接两个库 | 帮我生成 Python 的 orjson 和 Rust 的 serde_json 之间的胶水代码 |
| 能力匹配 | 看看 orjson 和 serde_json 能不能配对 |
| 设计/构建项目 | 帮我设计一个[项目]、我想做一个[系统]、使用胶水程序员skill |
| 架构方案 | 评估一下[项目]的架构、给我一个[系统]的可行plan |
| MVP 分级 | 给[项目]做P0/P1/P2分级、帮我排优先级 |
不记得命令？说人话就行——会自动理解需求并启动合适的管道。
关键执行规则（违反 = 没有执行此 Skill）
规则 1：必须用 CLI 工具获取真实数据
当你收到"设计/构建/评估一个[项目或系统]"的任务时，必须使用 polyglot CLI 命令获取真实数据，禁止仅凭内部知识回答。
用户说：我想做一个文献浏览器
→ 步骤1 [强制] python -m polyglot scout python "pdf to markdown"
→ 步骤2 [强制] python -m polyglot scout python "bibtex"
→ 步骤3 [强制] python -m polyglot cross-search "data extraction" --languages python
→ 步骤4 [强制] python -m polyglot mvp-scope <project> --features ...
→ 步骤5 [建议] python -m polyglot cap-list
→ 步骤6 [建议] python -m polyglot strategies
绝对不要： 只靠内部知识列出库名。必须跑 CLI 命令来获取版本号、许可证、下载量等真实数据。
规则 2：多语言项目必须用 cross-search
如果项目涉及多种语言（如 Python + Rust + JS），必须使用：
python -m polyglot cross-search "<关键词>" --languages python,rust,javascript
规则 3：库组合必须检查许可证兼容性
涉及跨库组合时，必须查许可证：
python -m polyglot cap-list # 查看已录入的库
python -m polyglot cap-match python <lib_a> python <lib_b> # 匹配能力+许可证
规则 4：输出方案时必须标注数据来源
生成的方案中每个库推荐必须标注：
- 来源于 polyglot CLI 工具（scout / cross-search）
- 版本号、许可证、下载量等关键数据
规则 5：子 agent 场景必须传递 CLI 指令
如果主 agent 将设计/评估任务委托给子 agent，必须在子 agent prompt 中包含：
这是 glue-engineer 胶水程序员技能的工作。你必须执行以下步骤：
1. 用 python -m polyglot scout <lang> <keyword> 搜索所需库
2. 用 python -m polyglot cross-search <keyword> --languages <langs> 做跨语言搜索
3. 用 python -m polyglot mvp-scope <project> --features ... 做 MVP 分级
4. 用 python -m polyglot cap-list 检查能力注册表
5. 基于 CLI 获取的真实数据生成方案，每个库标注版本/许可证/下载量
如果不包含这些指令，子 agent 会只靠知识库回答，无法调用胶水工具。
规则 6：Deep Mode 必须包含所有 Search Mode 候选库
Deep Mode 调用 deep-init 时，必须把所有 Search Mode 输出的候选库的 repo URL 都传进去。
不允许主 agent 主观跳过某个库（即使觉得它老旧/下载量低），因为代码级分析才能判断哪个库真正合适。
如果用户明确要求排除某个库，则按用户意愿执行。
命令速查（常驻）
python -m polyglot scout <lang> "<keyword>" # 包级：查生态注册表（要装的库）
python -m polyglot discover "<keyword>" # 项目级：查 GitHub 仓库（有没有人做过）
python -m polyglot cross-search "<kw>" --languages python,rust,javascript # 跨语言
python -m polyglot mvp-scope <project> --features "f,cat" "f2,cat" # P0/P1/P2 分级
python -m polyglot cap-list # 能力注册表
python -m polyglot cap-match python orjson rust serde_json # 能力+许可证匹配
python -m polyglot bridge python orjson rust serde_json # 生成胶水代码
python -m polyglot audit <lang> <name> # 审计包
python -m polyglot analyze <lang> <src> # 分析源码
scout vs discover 语义（一句话）：
scout= 包级，查要装的库（注册表，带版本/下载量）；discover= 项目级，查"有没有人做过"（GitHub 仓库，带星数）。Go repo 通过proxy.golang.org/@latest精确补 version。
HTTPS 证书策略：polyglot 在导入时自动注入 OS 系统证书库（
polyglot/common/net.py+ 内置polyglot/vendor/truststore），信任方式与gh/git/浏览器一致 —— 开着 Steam++/SteamTools 等 MITM 加速器也能正常检索。若遇CERTIFICATE_VERIFY_FAILED：设POLYGLOT_SYSTEM_TRUST=0临时退回默认 certifi 排查，或确认加速器 CA 已装入系统根证书库（详见docs/skill/troubleshooting.md）。
Deep Mode 命令（deep-init/deep-pack/deep-validate/deep-compare/deep-summarize/deep-clean）见 docs/skill/cli-reference.md + docs/skill/deep-mode.md。
参考资料
- STORM paper: "Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking" — NAACL 2024, Stanford OVAL Lab
- multi-lens-research skill: 多视角 STORM 工作流模式
- Tree-sitter: github.com/tree-sitter/py-tree-sitter
- 多视角 v3 方案合成: upgrade-analysis/glue-v3-outputs/synthesis-plan.md
glue-engineer — 入口路由